Kaip galime prijungti „Colab“ prie vietinio „Jupyter“ nešiojamojo kompiuterio serverio, veikiančio nešiojamajame kompiuteryje?
Norėdami prijungti „Google Colab“ prie vietinio „Jupyter Notebook“ serverio, veikiančio jūsų nešiojamajame kompiuteryje, turite atlikti kelis veiksmus. Šis procesas leidžia išnaudoti vietinio įrenginio galią ir kartu naudotis „Google Colab“ teikiamomis bendradarbiavimo funkcijomis ir debesies ištekliais.
Pirmiausia įsitikinkite, kad nešiojamajame kompiuteryje įdiegtas Jupyter Notebook. Jei jo neturite, galite jį įdiegti vadovaudamiesi oficialia operacinės sistemos Jupyter dokumentacija. Įdiegę atidarykite terminalą arba komandų eilutę ir paleiskite komandą „jupyter notebook“, kad paleistumėte vietinį serverį.
Tada turite atskleisti Jupyter Notebook serverį internete. Tai galima pasiekti naudojant įrankį, vadinamą ngrok. Ngrok sukuria saugų tunelį į jūsų vietinį serverį, leidžiantį išorinę prieigą. Norėdami naudoti ngrok, atsisiųskite ir įdiekite ją iš oficialios svetainės. Įdiegę atidarykite naują terminalą arba komandų eilutę ir paleiskite komandą "ngrok http 8888" (darant prielaidą, kad Jupyter Notebook serveris veikia numatytajame prievade 8888). Ngrok sukurs unikalų URL, kurį galėsite naudoti norėdami pasiekti vietinį serverį iš bet kurios vietos.
Gavę ngrok URL, atidarykite naują „Google Colab“ bloknotą. Pirmajame langelyje paleiskite šį kodą:
python !pip install jupyter_http_over_ws !jupyter serverextension enable --py jupyter_http_over_ws !jupyter notebook --NotebookApp.allow_origin='https://colab.research.google.com' --port=8888 --NotebookApp.port_retries=0
Šis kodas įdiegia reikiamą paketą, įgalina Jupyter serverio plėtinį ir paleidžia serverį 8888 prievadu. Jei vietinis serveris veikia kitame prievade, būtinai pakeiskite prievado numerį.
Įvykdžius kodą pirmajame langelyje, bus rodomas URL. Nukopijuokite šį URL ir įklijuokite jį į naują langelį, prieš jį įrašydami „https://colab.research.google.com/github/“. Pavyzdžiui, jei URL yra „https://abcdef123.ngrok.io“, naujame laukelyje turėtumėte įvesti „https://colab.research.google.com/github/https://abcdef123.ngrok.io“. ląstelė.
Galiausiai paleiskite langelį, kuriame yra pakeistas URL. Taip užmegsite ryšį tarp „Google Colab“ ir vietinio „Jupyter Notebook“ serverio. Dabar galite pasiekti ir paleisti kodą vietiniame serveryje tiesiai iš „Google Colab“.
Svarbu pažymėti, kad šis ryšys yra laikinas ir nutrūks, jei uždarysite ngrok seansą arba iš naujo paleisite vietinį Jupyter Notebook serverį. Norėdami vėl prisijungti, turėsite pakartoti procesą.
Norėdami prijungti „Google Colab“ prie vietinio „Jupyter Notebook“ serverio, veikiančio jūsų nešiojamajame kompiuteryje, turite įdiegti „Jupyter Notebook“, atskleisti jį internetui naudodami „ngrok“, įdiegti reikiamus paketus „Google Colab“ ir užmegzti ryšį modifikuodami ir paleisdami pateiktą kodą. Tai leidžia derinti vietinio įrenginio galią su „Google Colab“ bendradarbiavimo funkcijomis.
Kiti naujausi klausimai ir atsakymai apie Pažanga mašininio mokymosi srityje:
- Ar galima naudoti Kaggle įkelti finansinius duomenis ir atlikti statistinę analizę bei prognozes naudojant ekonometrinius modelius, tokius kaip R kvadratas, ARIMA arba GARCH?
- Kai branduolys yra sujungtas su duomenimis, o originalas yra privatus, ar šakotasis branduolys gali būti viešas ir jei taip, tai nėra privatumo pažeidimas?
- Kokie yra apribojimai dirbant su dideliais duomenų rinkiniais mašininio mokymosi metu?
- Ar mašininis mokymasis gali padėti dialogui?
- Kas yra TensorFlow žaidimų aikštelė?
- Ar „eager“ režimas neleidžia paskirstyti „TensorFlow“ skaičiavimo funkcijų?
- Ar „Google“ debesies sprendimus galima naudoti norint atsieti kompiuteriją nuo saugyklos, kad būtų galima efektyviau lavinti ML modelį naudojant didelius duomenis?
- Ar „Google Cloud Machine Learning Engine“ (CMLE) siūlo automatinį išteklių gavimą ir konfigūravimą bei tvarko išteklių išjungimą, kai modelio mokymas baigtas?
- Ar galima treniruoti mašininio mokymosi modelius savavališkai dideliuose duomenų rinkiniuose be jokių trukdžių?
- Ar naudojant CMLE kuriant versiją reikia nurodyti eksportuoto modelio šaltinį?
Peržiūrėkite daugiau klausimų ir atsakymų skyriuje „Mašininio mokymosi tobulinimas“.