远程连接服务器jupyter notebook、浏览器以及深度学习可视化方法

简介: h1 { counter-reset: h2counter; } h2 { counter-reset: h3counter; } h3 { counter-reset: h4counter; } h4 { counter-reset: h5counter; } ...

问题背景

本文主要希望解决如下两个问题:

  • 1.远程登录jupyter notebook

  • 2.远程运行深度学习框架如何可视化loss和accuracy?

服务器一般都是字符界面的,但是有时我们需要可视化我们的结果,这样能够直观的看到我们的训练成果,这该怎么办呢?

没关系,因为服务器都会内置一个firefox浏览器,你只需要在命令窗口输入

>>> firefox

之后你的本地电脑会弹出一个Firefox的窗口,是不是很惊奇!!!(我使用的连接服务器的软件是MobaXterm)。正常的情况会出现这个界面(当然如果你是其他版本的系统可能会有所不同。)

img_e8ad082af90cb2924f3e83f32ef63a21.png

但是很不幸我之前打开后就提示页面崩了,啥都打不开,而且后面会跟着这些错误提示:

img_07ecff6756d5fe306caa956323d92745.png

连接浏览器

刚开始我还以为是我的电脑防火墙的问题,或者是学校服务器限制了,不过后来把错误信息谷歌一下(千万别用百度。。。),一下就找到了解决办法

你只需要在打开的Firefox浏览器地址栏输入about:config

之后回车进入这个页面,点击I accept this risk

img_632fcc4bda2ba1cf97617fc56ea8802c.png

之后再输入autostart找到图中两个设置项,将value设置为False。


img_154fcaa8ddf7e070094b5d32f08587fc.png

之后再命令窗口关闭Firefox,然后重新打开浏览器就可以了。

远程连接Jupyter Notebook

浏览器的问题解决了,远程连接Jupyter Notebook还会远吗?

emm,有一点点远,不过可以很快解决。

具体方法如下:

服务器端安装好ipython, Jupyter Notebook

pip install ipython

pip install Jupyter

生成配置文件

jupyter notebook --generate-config

生成密码

进入ipython

In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password: 
Verify password: 
Out[2]: 'sha1:ce23d945972f:34769685a7ccd3d08c84a18c63968a41f1140274'

把生成的密文‘sha:ce…’复制下来

修改默认配置文件

vim ~/.jupyter/jupyter_notebook_config.py

按照下面进行修改

c.NotebookApp.ip='*' # 就是设置所有ip皆可访问
c.NotebookApp.password = u'sha:ce...刚才复制的那个密文'
c.NotebookApp.open_browser = False # 禁止自动打开浏览器,如果服务器有浏览器也可以不修改这一项
c.NotebookApp.port =8888 #随便指定一个端口

温馨提示: vim快速搜索的快捷键是 “/ 搜索词”
例如如果想修改ip项,在进入vim编辑器后直接输入"/ip"回车即开始匹配,"n"是寻找下一个,"p"是寻找上一个。

启动jupyter notebook

可以不指定端口,也可以指定端口

jupyter notebook --port=9000
img_12fbe4ce450e922d73e9d6354e9e6089.png

深度学习结果远程可视化

其实上面的jupyter 已经可以帮助我们实现可视化了,但是这里推荐一个比较好用的可视化模块,是百度出的visualDL模块。

具体安装和使用方法在这就不做介绍了,感兴趣的可以去官网查阅。

安装好之后启动visualDL服务器即可看到如下效果:

img_8e6d98e87086df14ef636da0d781e38a.png

感谢









MARSGGBO原创









2018-4-18






目录
相关文章
|
2月前
|
运维 Prometheus 监控
如何在测试环境中保持操作系统、浏览器版本和服务器配置的稳定性和一致性?
如何在测试环境中保持操作系统、浏览器版本和服务器配置的稳定性和一致性?
|
5月前
|
机器学习/深度学习 数据可视化 网络架构
增强深度学习模型的可解释性和泛化能力的方法研究
【8月更文第15天】在深度学习领域,模型的准确率和预测能力是衡量模型好坏的重要指标。然而,随着模型复杂度的增加,它们往往变得越来越难以理解,这限制了模型在某些关键领域的应用,例如医疗诊断、金融风险评估等。本文将探讨如何通过几种方法来增强深度学习模型的可解释性,同时保持或提高模型的泛化能力。
751 2
|
3月前
|
机器学习/深度学习 调度 计算机视觉
深度学习中的学习率调度:循环学习率、SGDR、1cycle 等方法介绍及实践策略研究
本文探讨了多种学习率调度策略在神经网络训练中的应用,强调了选择合适学习率的重要性。文章介绍了阶梯式衰减、余弦退火、循环学习率等策略,并分析了它们在不同实验设置下的表现。研究表明,循环学习率和SGDR等策略在提高模型性能和加快训练速度方面表现出色,而REX调度则在不同预算条件下表现稳定。这些策略为深度学习实践者提供了实用的指导。
97 2
深度学习中的学习率调度:循环学习率、SGDR、1cycle 等方法介绍及实践策略研究
|
3月前
|
机器学习/深度学习 监控 数据可视化
深度学习中实验、观察与思考的方法与技巧
在深度学习中,实验、观察与思考是理解和改进模型性能的关键环节。
69 5
|
3月前
|
算法 安全 前端开发
基于postMessage和BroadcastChannel实现浏览器跨Tab窗口通信的方法介绍
基于postMessage和BroadcastChannel实现浏览器跨Tab窗口通信的方法介绍
146 0
|
4月前
|
机器学习/深度学习 存储 人工智能
深度学习中的模型压缩技术在人工智能领域,深度学习技术的迅猛发展带来了巨大的计算资源需求。为了解决这一问题,模型压缩技术应运而生。本文将介绍什么是模型压缩、常见的模型压缩方法以及其在实际应用中的意义。
随着深度学习技术的广泛应用,计算资源的需求也大幅增加。为减少资源消耗,提升模型效率,模型压缩技术成为研究热点。本文探讨了模型压缩的定义、主流方法和其重要性。通过量化、剪枝、知识蒸馏和轻量级架构等策略,模型得以在保持性能的同时减小体积,从而适用于资源受限的环境。这些技术不仅降低了计算成本,还推动了深度学习在移动设备和边缘计算等领域的应用,使AI技术更加普及和实用。总之,模型压缩在平衡模型性能与资源消耗之间发挥着关键作用,是未来AI发展的重要方向。
|
5月前
|
机器学习/深度学习 并行计算 PyTorch
如何搭建深度学习的多 GPU 服务器
如何搭建深度学习的多 GPU 服务器
183 5
如何搭建深度学习的多 GPU 服务器
|
4月前
|
机器学习/深度学习
数百万晶体数据训练、解决晶体学相位问题,深度学习方法PhAI登Science
【9月更文挑战第5天】近期,《科学》杂志报道了一项名为PhAI的深度学习技术,在晶体学相位问题上取得重要突破。相位问题旨在确定晶体中分子或原子的位置与方向,对理解其物理化学特性至关重要。PhAI通过数百万晶体数据训练,能高效准确地解决这一难题,有望大幅提升研究效率,加速新材料和药物的设计。但其准确性及对未知结构处理能力仍面临挑战。论文详情参见:https://www.science.org/doi/10.1126/science.adn2777。
63 1
|
4月前
|
机器学习/深度学习 PyTorch TensorFlow
Python实现深度学习学习率指数衰减的方法与参数介绍
学习率指数衰减提供了一种高效的动态调整学习率的手段,帮助模型在不同训练阶段以不同的学习速度优化,有利于提升模型性能和训练效率。通过合理设置衰减策略中的参数,可以有效地控制学习率的衰减过程,实现更加精确的模型训练调优。
99 0
|
5月前
|
数据可视化 JavaScript 定位技术
这款地图可视化神器终于支持新版jupyter lab了!
这款地图可视化神器终于支持新版jupyter lab了!
82 2