Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Ausführen von Jupyter-Notebook-Tutorials
Tutorials und Beispiele sind im Quellcode der Deep-Learning-Projekte enthalten und laufen in den meisten Fällen auf jedem DLAMI. Wenn Sie das Deep-Learning-AMI mit Conda auswählen, erhalten Sie zusätzlich einige ausgesuchte Tutorials, die bereits eingerichtet sind und sofort ausprobiert werden können.
Wichtig
Um die auf dem DLAMI installierten Jupyter-Notebook-Tutorials auszuführen, müssen Sie Einrichtung eines Jupyter Notebook-Servers auf einer DLAMI-Instanz
Sobald der Jupyter-Server ausgeführt wird, können Sie die Tutorials über Ihren Webbrowser aufrufen. Wenn Sie das Deep Learning-AMI mit Conda ausführen oder Python-Umgebungen eingerichtet haben, können Sie Python-Kernel über die Jupyter-Notebook-Oberfläche wechseln. Wählen Sie den entsprechenden Kernel aus, bevor Sie versuchen, ein Tutorial für ein bestimmtes Framework auszuführen. Weitere Beispiele hierfür werden Benutzern des Deep Learning AMI mit Conda zur Verfügung gestellt.
Anmerkung
Viele Tutorials erfordern zusätzliche Python-Module, die möglicherweise nicht auf Ihrem DLAMI eingerichtet sind. Wenn Sie eine Fehlermeldung erhalten wie"xyz module not found", melden Sie sich bei der DLAMI an, aktivieren Sie die Umgebung wie oben beschrieben und installieren Sie dann die erforderlichen Module.
Tipp
Deep-Learning-Tutorials und Beispiele basieren oft auf einer oder mehreren GPUs. Wenn Ihr Instance-Typ keine GPU hat, müssen Sie möglicherweise Codeabschnitte des Beispiels ändern, um dieses ausführen zu können.
Navigation der installierten Tutorials
Sobald Sie beim Jupyter-Server angemeldet sind und das Verzeichnis der Tutorials sehen können (nur auf Deep Learning AMI mit Conda), werden Ihnen Ordner mit Tutorials für jeden Framework-Namen angezeigt. Wenn ein Framework nicht aufgeführt ist, sind auf Ihrem aktuellen DLAMI keine Tutorials für dieses Framework verfügbar. Wählen Sie den Namen des Frameworks, um die aufgelisteten Tutorials zu sehen, und wählen Sie dann ein Tutorial aus, um es zu starten.
Wenn Sie ein Notebook zum ersten Mal auf dem Deep Learning AMI mit Conda ausführen, möchte es wissen, welche Umgebung Sie verwenden möchten. Es wird eine Liste zur Auswahl bereitgestellt. Jede Umgebung hat einen Namen, der diesem Muster entspricht:
Environment (conda_framework_python-version)
Sie können beispielsweise Environment (conda_mxnet_p36) sehen, was bedeutet, dass die Umgebung MXNet und Python 3 enthält. Die andere Variante davon wäre Environment (conda_mxnet_p27), also eine Umgebung mit MXNet und Python 2.
Tipp
Wenn Sie sich Sorgen darüber machen, welche Version von CUDA aktiv ist, können Sie sie unter anderem im MOTD sehen, wenn Sie sich zum ersten Mal beim DLAMI anmelden.
Wechseln von Umgebungen mit Jupyter
Wenn Sie ein Tutorial für ein anderes Framework ausprobieren möchten, überprüfen Sie, welcher Kernel aktuell ausgeführt wird. Diese Information finden Sie oben rechts in der Jupyter-Benutzeroberfläche, direkt unter der Schaltfläche zum Abmelden. Sie können den Kernel auf jedem geöffneten Notebook ändern, indem Sie den Jupyter-Menüpunkt Kernel, dann Kernel ändern und dann die Umgebung auswählen, die zu dem von Ihnen ausgeführten Notebook passt.
Nach diesem Schritt müssen Sie alle Zellen erneut ausführen, da eine Änderung des Kernels den Zustand von allen Elementen löscht, die Sie zuvor ausgeführt haben.
Tipp
Der Wechsel zwischen Frameworks kann Spaß machen und lehrreich sein. Es kann aber vorkommen, dass Sie nicht mehr über genügend Speicher verfügen. Wenn Fehler auftreten, prüfen Sie das Terminal-Fenster, in dem der Jupyter-Server ausgeführt wird. Hier sind hilfreiche Meldungen und Fehlerprotokollierungen verfügbar. Möglicherweise sehen Sie einen Out-of-Memory-Fehler. Um dieses Problem zu beheben, können Sie auf der Startseite Ihres Jupyter-Servers die Registerkarte Running auswählen und dann Shutdown für jedes der Tutorials wählen, die wahrscheinlich immer noch im Hintergrund laufen und Ihren gesamten Speicherplatz beanspruchen.
