Создать Jupyter Server на основе базового образа или образа DataHub

Для создания Jupyter Server выполните следующие действия.

Перейдите в Environments → Jupyter Servers.
Нажмите Создать Jupyter Server. Откроется окно, в котором необходимо заполнить параметры сервера.
1. В поле Название введите название нового сервера c учетом регистра. Разрешается применять следующие символы: строчные латинские буквы от a до z, цифры от 0 до 9, дефис.
2. Выберите Тип задачи. Доступны:
  - Обучение моделей на GPU. Обучение нейросетей на фреймворках PyTorch, TensorFlow на GPU.
  - Управление распределенными задачами. Запуск и мониторинг распределенных GPU-задач.
  Примечание
  
  Бесплатные Jupyter Server создаются с этим типом задач.
  - Обучение моделей на CPU. Подготовка данных, обучение моделей на классическом стеке Data Science.
  - Препроцессинг и Big Data. Обработка больших данных на кластерах Spark с помощью CPU. См. Создать новый Jupyter Server с доступом к кластеру Spark.
3. Выберите один из доступных Регионов размещения ресурсов и задайте параметры нового сервера. Подробнее см. Регионы размещения ресурсов.
  
  Примечание
  
  В регионе Cloud.Region.CPU (CPU) бесплатных Jupyter Server нет.
4. Выберите Ресурсы для задачи.
  
  Ориентируйтесь на цвет индикатора рядом с названием конфигурации.
  - Зеленый — ресурсов достаточно для запуска сервера в выбранной конфигурации.
  - Желтый — ресурсов мало, сервер может создаваться дольше, чем обычно. Рекомендуем выбрать другой регион или конфигурацию.
  - Серый — ресурсов почти не осталось, сервер будет создаваться значительно дольше, чем обычно. Выберите другой регион или конфигурацию.
  Примечание
  
  При работе с архивами, содержащими более 10 000 файлов размером менее 1 МБ, время распаковки на конфигурации Управление распределенными задачами будет значительно выше, чем на конфигурации с выделенными GPU и hardware CPU.
  
  О других особенностях см. Советы по оптимизации процесса обучения.
  
  Обучение на GPU запускается путем отправки задач в регион. При этом оплачивается фактическое время исполнения задачи: от старта до окончания обучения. При обучении из Jupyter Server на выделенных GPU взимается оплата с момента создания Jupyter Server до удаления, даже если он не используется.
  
  Запуск обучения возможен локально на выделенных GPU. Максимальное количество выделенных GPU — 16. См. Обучение моделей.
5. Выберите Образ — образ Docker, в рамках которого запустится Jupyter Server.
  
  См.также
  
  Список библиотек в базовых образах
  
  Если вы выбрали бесплатный Jupyter Server без GPU, образ установится по умолчанию. Обратите внимание: Jupyter Server можно создавать на базе собственных образов, загруженных в Docker registry.
  
  Создать Jupyter Server на основе пользовательского образа можно для серверов с выделенными GPU и без выделенных GPU.
Нажмите Создать Jupyter Server и дождитесь инициализации Jupyter Server. Как только инициализация завершится, статус Jupyter Server изменится с «Не подключен» на «Подключен».

Примечание

Запуск Jupyter Server, находящегося в очереди, может произойти в том числе и ночью. При этом тарификация начнется с момента запуска.
Подключитесь к Jupyter Server, выбрав Jupyter или JupyterLab. Логи Jupyter Server можно посмотреть, выбрав соответствующий пункт из меню .

Для отправки запросов между Jupyter Server и интернетом используйте следующие номера TCP-портов: 80, 443, 8000–8999.

Примечание

Jupyter Server можно приостановить, если используется базовый образ версии старше 0.0.80. См. Остановить или удалить Jupyter Server.

Создать Jupyter Server на основе базового образа или образа DataHub

Была ли статья полезной?