タグ検索の該当結果が少ないため、タイトル検索結果を表示しています。
IntroductionWe are excited to announce NVDashboard, an open-source package for the real-time visualization of NVIDIA GPU metrics in interactive Jupyter environments. NVDashboard is a great way for all GPU users to monitor system resources, but it is especially valuable for users of RAPIDS, NVIDIA’s open-source suite of GPU-accelerated data-science software libraries. Given the computational intens
Jupyter Lab(ジュピター・ラボ)とはJupyter Lab(ジュピター・ラボ)とはJupyter Notebook(ジュピター・ノートブック)の進化版で、次世代のブラウザ上で動作するプログラムの対話型実行環境です。データ分析には欠かせないツールの1つです。 ノートブックと呼ばれるファイルにpythonなどのプログラムを記述し、実行結果を逐次確認しながら、データ分析を進めることができます。 Jupyter Lab上では、様々なライブラリを使うことができ、TensorFlow(テンソルフロー)などの機械学習やディープラーニング用のライブラリも動作させることができます。 またJupyter Labでは、入力したプログラムの実行結果が、プログラムの直後に表示されるので、結果が分かりやすく、すぐに確認することができます。 このような3Dのグラフも表示することができ、複雑なデータ分析の結果も
はじめに Optunaの新しいバージョン3.4では、新たにJupyter Lab拡張とVS Code拡張が公開・アナウンスされました。これらの拡張機能を利用することで、Optuna DashboardをJupyter LabやVS Code内で起動し、最適化履歴をより手軽に確認できます。 本記事ではこれらの拡張機能がどのように実装されているのか、その仕組みを解説します。Optuna Dashboardの開発に興味を持ってくださっている方に限らず、Jupyter Lab拡張やVS Code拡張を開発しようとしている方のお役に立てば幸いです。 Jupyter Lab拡張の仕組み Optuna Dashboardは次の図に示すように、PythonのBottleフレームワークで書かれたサーバープログラムと、Reactで書かれたシングルページアプリケーションからなります。 このプログラムをJupyt
ChatGPT は優れたプログラマーでもあります。 そのため、Pythonのプログラミングするとき、ChatGPT に質問した体験をした方も多いことでしょう。 例えば、Jupyter Lab でプログラミングをしながら、ChatGPT に質問し、みたいな感じです。 いったりきたりする手間が、ちょと不便です。 ChatGPT 機能が Jupyter Lab に追加されると便利かもしれません。 Jupyter AIです。 Jupyter AI は、Jupyter Lab にChatGPT の機能を追加するだけなく、ChatGPT 以外の生成モデル プロバイダーもサポートしています。 今回は、今現在(2023年6月26日現在)の「Jupyter Lab の AI 拡張『Jupyter AI』」の紹介を簡単にします。 ChatGPT3.5に絞って、非常に簡単に紹介します。 まだOpenAIのアカウ
カスタマイズ可能で最新バージョンのJupyterを使うには? この記事の目的 無料で利用可能なJupyterアプリケーションといえばGoogle ColaboratoryやWatson Studioといったものがメジャーでよく知られていると思います。 初めから一通りのミドルウェアなどがセットアップされており、サインアップするだけで特に何の準備も必要なく、手間もかからずすぐに始めることができる優れたサービスだと思います。 その代わり、新たに使いたいライブラリを追加したり、作成したデータをファイルとしてクラウドに保存しても、基本的には永続化することはできず、サインアウトすると消滅してしまうという不便もあります。 また、ベースはJupyter Notebookであり、より進化したJupyter Labは使えませんし、Python以外のプログラム言語のカーネルも利用できません。 このようなジレンマ
本記事の目標 windows10のWSL2にAnaconda3をインストールし、Jupyter Lab の実行環境を構築します。 本記事ではUbuntu20.04 LTS版をWSL2で実行して説明しています。 また執筆時Anaconda3のバージョンはAnaconda3-2020.07でした。 WSL2の環境構築 こちらは他にわかりやすく詳細な記事がたくさんあるので、本記事ではとりあつかいません。 各自準備をお願いします。 参考URL ・ Windows 10 用 Windows Subsystem for Linux のインストール ガイド ・ WSL 2 のインストール,Ubuntu 20.04, 18.04 のインストールと利用 WSL2におけるJupyter Lab構築手順 ここからWSL2上にAnaconda3をインストールする手順を紹介します。 WSL2を操作するターミナルは何
Docker + VSCode + Remote Containerで作る快適Jupyter Lab(Python)分析環境Python機械学習DockerVSCode この記事はどのような内容? Docker + VSCode + Remote Containerで作るデータ分析環境構築の手順が書いてあります。 想定読者 「Jupyter Lab? それともGoogle Colaboratoryなどのクラウドサービス?...なんか色々あって、Pythonのデータ分析環境わからん!簡単に導入できて、かつそれなりに快適な分析環境を整えたい!」 という方に向けて書きました。 サンプルリポジトリはGitHubにPushしていますので、cloneしてコンテナを立ち上げ、READMEの手順に沿ってリモート接続していただければ、10分程度で環境構築ができます。 この記事を読んだ方のデータ分析環境の選択
はじめに自分のようなプログラミング初心者にとって,記述したコードがどんな役割を果たすのかを理解するって大変なんです.しかしデバッグして変数の中身を確認できるようになると理解がしやすいですね.あー,こんな処理してるんだってのがわかり易いです. pythonで機械学習や深層学習をやっていくとJupyter Labは必ず使用すると思います.pdbモジュールを使用してもデバッグできますが,慣れればいんですが最初は取っ付きにくかったです. そこでいろいろ調べていると,最近visual debuggerなるものがリリースされたようなので使ってみました. 詳細は以下Jupyterのブログにお譲りするとして https://blog.jupyter.org/a-visual-debugger-for-jupyter-914e61716559 とりあえず使ってみることにします. 必要なモジュール,エクステン
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く