关于云端Jupyter Notebook的使用过程与感想

本文涉及的产品
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
实时计算 Flink 版,5000CU*H 3个月
简介: 在自学Python时,由于家庭电脑使用冲突和设备老旧,转向云端平台。体验了多个服务:1. 魔搭modelscope(最喜欢,赠送资源丰富,社区活跃),2. Colaboratory(免费GPU,但有时重启,建议用阿里云),3. Deepnote(免费环境有限,但GPT-4代码生成功能强大),4. 飞桨aistudio(适合PaddlePaddle用户),5. ModelArts(曾有免费实例,现难找)。综合来看,阿里云的稳定性与服务更优,尤其是魔搭的自动代码修正功能。对于AIGC,推荐魔搭和付费版PAI-DSW。欢迎分享更多云端Jupyter平台体验。

近期依旧在尝试自学python相关知识,家用电脑家人时常要用,笔记本电脑配置实在是古董,所以就考虑了选择云端平台来尝试。
选择了以下项目进行体验和实践,(以下排名只凭借自己的感觉排序和体验)

1.魔搭 modelscope ——— PAI-DSW 镜像

2.Colaboratory

3.deepnote

4.飞桨 aistudio ——— Paddle Paddle

5.ModelArts

一.魔搭 modelscope

这是我目前使用的最满意的平台,注册就送了两个镜像长期使用的cpu实例(配置不错哦),同时还分别给了两个镜像共计100小时的GPU实例时长(这100个小时不限时间,不会过期哦~),建议使用第一个,基于PAI-DSW镜像的。这个最佳实践比较多,有兴趣可以上Github看看。

如果仅仅只是这样,只能说明阿里云硬实力强大(youqian),最让我感到惊喜的还是他的软实力 (fuwu)其他的钉钉群基本18点就寂静了,魔搭modelscope的钉钉群很多时候21点还在沟通。唯一让我期待的点就是,希望他早点把通义灵码整合进去,可以自动根据要求执行代码,并修正错误后反复执行和尝试,直到最终成功。^.^

二.Colaboratory

这是我目前使用的还算满意的平台,拥有不限制时长的gpu实例t4,但是一小时会重启,大多数时候因为特殊原因,很多开源项目和库只能通过镜像站来部署安装,但镜像站也有很大的限制和瓶颈。他的配置近似于阿里云,很多项目部署起来速度很快。不过还是更建议大家用阿里云吧,稳定好用。^.^

三.deepnote

这个平台提供的长期免费的环境配置很低,原本不在我的选择范围之内。但其中有限期的可以使用,一个非常棒的功能,gpt-4生成代码。那是种全自动生成的方式,举个例子,如果我使用通义灵码,我执行它给我的代码出现了报错,我需要再提交给灵码报错信息,灵码会告诉我接下来应该怎么做更好,比如需要pip安装库等。然后有可能成功,也有可能出现新的报错,需要反复尝试才行。最长一次用了1.5个小时才完成交互,部署好一个项目。

deepnote内置的gpt-4生成代码是完全自动,比如我需要部署一个ocr项目,它会自动执行代码,如果出现报错,会按报错信息执行新的代码,然后一直尝试直到最终项目部署成功,成功把提交的图片识别出来为止。而起速度非常快。从提交要求到执行代码,识别报错信息,自动执行新的修正代码,反复尝试,成功,执行了6-7次才成功,但仅仅花了不到3-5分钟。

期待通义灵码也能早点做到这个功能吧。

四.飞桨 aistudio

这个平台其实也还不错,也提供了不限时长的cpu实例,gpu每天上线可以送积分,大约可以用2.5小时,最早其实一直都是用这个的。遗憾的是这个平台限制了很多pip的安装,而且只能部署和使用
基于Paddle Paddle相关的内容,因此就放弃了。

五.ModelArts

之前是有免费的cpu和gpu实例可以使用云端notebook环境的,和飞桨aistudio差不多,一样限制了很多pip的安装,现在已经找不到免费实例入口了,也可能是我用的少,找不到吧,就不过多展开叙述了。

写在最后的总结

其实云平台给大家提供云端Jupyter Notebook环境还是非常感谢的。不论配置如何,总归给了很多无法使用电脑或不便使用本地电脑的用户一个云端的体验和使用环境。就目前的体验来说,虽然每一家都提供了试用期,但长期来看个人更推荐阿里云的平台,如果是AIGC路线的话,不妨多试试魔搭,付费的环境就对应选择阿里云的PAI-DSW。

这只是本人的体验感想,也欢迎大家有更好的云端Jupyter Notebook环境体验也分享下吧。

相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
7月前
|
SQL 机器学习/深度学习 数据挖掘
云端数据科学平台Deepnote,相当于云上的Jupyter Note
云端数据科学平台Deepnote,相当于云上的Jupyter Note
221 0
|
6月前
|
数据采集 机器学习/深度学习 数据可视化
使用Jupyter Notebook进行数据分析:入门与实践
【6月更文挑战第5天】Jupyter Notebook是数据科学家青睐的交互式计算环境,用于创建包含代码、方程、可视化和文本的文档。本文介绍了其基本用法和安装配置,通过一个数据分析案例展示了如何使用Notebook进行数据加载、清洗、预处理、探索、可视化以及建模。Notebook支持多种语言,提供直观的交互体验,便于结果呈现和分享。它是高效数据分析的得力工具,初学者可通过本文案例开始探索。
|
4月前
|
Python
Jupyter Notebook又一利器nbterm,在终端玩notebook!
Jupyter Notebook又一利器nbterm,在终端玩notebook!
|
6月前
|
Python 数据挖掘 数据可视化
Python数据分析——Pandas与Jupyter Notebook
【6月更文挑战第1天】 本文探讨了如何使用Python的Pandas库和Jupyter Notebook进行数据分析。首先,介绍了安装和设置步骤,然后展示了如何使用Pandas的DataFrame进行数据加载、清洗和基本分析。接着,通过Jupyter Notebook的交互式环境,演示了数据分析和可视化,包括直方图的创建。文章还涉及数据清洗,如处理缺失值,并展示了如何进行高级数据分析,如数据分组和聚合。此外,还提供了将分析结果导出到文件的方法。通过销售数据的完整案例,详细说明了从加载数据到可视化和结果导出的全过程。最后,讨论了进一步的分析和可视化技巧,如销售额趋势、产品销售排名和区域分布,以及
248 2
|
7月前
|
JSON 数据可视化 数据挖掘
适合数据分析的ide---Jupyter Notebook的安装使用
适合数据分析的ide---Jupyter Notebook的安装使用
122 2
|
7月前
|
Ubuntu 网络安全 数据安全/隐私保护
使用SSH隧道将Ubuntu云服务器Jupyter Notebook端口映射到本地
这样,你就成功地将Ubuntu云服务器上的Jupyter Notebook端口映射到本地,使你能够通过本地浏览器访问并使用Jupyter Notebook。
485 1
|
7月前
|
Linux 数据安全/隐私保护
anaconda运行Notebook和jupyter报错resource.setrlimit(resource.RLIMIT_NOFILE, (soft, hard)) ValueError
anaconda运行Notebook和jupyter报错resource.setrlimit(resource.RLIMIT_NOFILE, (soft, hard)) ValueError
63 0
|
7月前
|
自然语言处理 数据可视化 数据挖掘
Python 的科学计算和数据分析: 解释什么是 Jupyter Notebook?
Python科学计算与数据分析中,借助`numpy`进行数值计算,`matplotlib`用于绘图。Jupyter Notebook提供交互式编程环境,支持多语言,集成各种可视化工具。其优势在于结合代码、结果和文本,提升工作效率,具备自动补全、语法高亮等特性。示例展示了导入库,生成随机数据并用`matplotlib`画正弦波图的过程。Jupyter Notebook虽便捷,但复杂任务可能需结合`scipy`、`pandas`等更多库。
84 4
|
7月前
|
Linux 数据安全/隐私保护 Python
Linux下远程访问Jupyter Notebook 配置
Linux下远程访问Jupyter Notebook 配置
114 1
|
7月前
|
机器学习/深度学习 数据可视化 数据挖掘
Jupyter Notebook交互式开源笔记本工具
Jupyter Notebook交互式开源笔记本工具
126 1