close
透過本篇教學文章，您將瞭解如何透過 JupyterHub 使用 Jupyter Notebook 以及執行範例程式碼。
步驟一： 安裝 JupyterHub 並開啟 Notebook 伺服器
您可從 QTS App Center 安裝 JupyterHub 。
開啟並登入 JupyterHub。
點擊切換開關以切換成「開啟」，即可啟動 Notebook 伺服器。
畫面將顯示以下項目：
執行中： 檢查已啟動的執行個體
上傳： 上傳本機檔案到伺服器
新增： 開啟新的 Notebook、終端機或資料夾
管理員： 切換到管理員頁面（僅適用於管理員帳號）
登出 Jupyter Notebook
如果 Notebook 正在執行，請點擊［執行中］以檢視下列頁面。 您也可以點擊［關機］將其關閉。
系統管理員可以進入［管理員］頁面並存取使用者的 Notebook。
步驟二： 執行範例程式碼
在清單上選擇 "jupyter_example"。
開啟 "example.ipynb"。
Python 範例程式碼隨即在新的 Notebook 上開啟。
此程式可以透過 Keras 訓練卷積神經網路 (Convolutional Neural Network)；這是一種高階神經網路 API，可用於 MNIST 資料集中的手寫數字辨識。
如需詳細資訊，請前往：
- Keras： https://keras.io/
- MNIST： http://yann.lecun.com/exdb/mnist/
已執行且儲存範例程式碼。 您也可以重新執行程式碼。
點擊［執行］以執行特定片段或循序執行。
點擊［單元］（Cell）並選擇［全部執行］，執行完整程式碼。
匯入 Keras 資源庫
匯入其他 Python 資源庫
載入 MNIST 資料集
隨機挑選和檢查影像-標籤組合
預先處理訓練集
調整訓練影像的形狀並將影響標準化
One-hot 編碼訓練標籤
逐層建立循序模型
使用 Adam 優化器，並選擇類別交叉熵 (categorical cross entropy) 作為訓練模型的目標函數。 下列程式碼會執行約數秒。
使用測試集評估模型。 雖然訓練集的準確度應高於 99%，此訓練集的準確度可能會些微降低。
最後會顯示測試結果。
相關教學文件：
全站熱搜
留言列表
旅遊紀錄 (7)
{{ article.title }}