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
|
1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。
104 2
|
3月前
|
机器学习/深度学习 并行计算 算法
深度学习中的自动化超参数优化方法探究
传统的深度学习模型优化通常依赖于人工调整超参数,这一过程繁琐且耗时。本文探讨了当前流行的自动化超参数优化方法,包括贝叶斯优化、遗传算法和进化策略等,分析它们在提高模型效率和性能方面的应用与挑战。
|
3月前
|
机器学习/深度学习 算法 数据可视化
【从零开始学习深度学习】46. 目标检测中锚框的概念、计算方法、样本锚框标注方式及如何选取预测边界框
【从零开始学习深度学习】46. 目标检测中锚框的概念、计算方法、样本锚框标注方式及如何选取预测边界框
|
3天前
|
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。
|
16天前
|
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。
18 1
|
24天前
|
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!
|
2月前
|
机器学习/深度学习 编解码 监控
算法金 | 深度学习图像增强方法总结
**图像增强技术概括** 图像增强聚焦于提升视觉效果和细节,广泛应用于医学、遥感等领域。空间域增强包括直方图均衡化(增强对比度)、对比度拉伸、灰度变换、平滑滤波(均值、中值)和锐化滤波(拉普拉斯、高通)。频率域增强利用傅里叶变换、小波变换,通过高频和低频滤波增强图像特征。现代方法涉及超分辨率重建、深度学习去噪(如CNN、Autoencoder)、图像修复(如GAN)和GANs驱动的多种图像处理任务。
71 14
算法金 | 深度学习图像增强方法总结
|
1月前
|
存储 数据可视化 数据挖掘
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
Python 3 中使用 pandas 和 Jupyter Notebook 进行数据分析和可视化
32 0
|
2月前
|
机器学习/深度学习 开发框架 自然语言处理
深度学习中的自动学习率调整方法探索与应用
传统深度学习模型中,学习率的选择对训练效果至关重要,然而其调整通常依赖于经验或静态策略。本文探讨了现代深度学习中的自动学习率调整方法,通过分析不同算法的原理与应用实例,展示了这些方法在提高模型收敛速度和精度方面的潜力。 【7月更文挑战第14天】
|
1月前
|
网络安全 数据安全/隐私保护 iOS开发
【Mac os】如何在服务器上启动Jupyter notebook并在本地浏览器Web端环境编辑程序
本文介绍了如何在服务器上启动Jupyter Notebook并通过SSH隧道在本地浏览器中访问和编辑程序的详细步骤,包括服务器端Jupyter的启动命令、本地终端的SSH隧道建立方法以及在浏览器中访问Jupyter Notebook的流程。
51 0