设置Jupyter Notebook但是，我们仍然需要使用一些东西才能充分使用计算机，其中之一就是Jupyter Notebook。要在计算机上设置Jupyter Notebook，我建议使用TMUX和隧道。让我们逐步设置Jupyter Notebook。1．使用TMUX运行Jupyter Notebook我们将首先使用TMUX在实例上运行Jupyter Notebook。我们使用它是为了即使终端连接丢失，我们的笔记本电脑仍然可以运行。为此，你将需要使用以下命令创建一个新的TMUX会话：tmux new －s StreamSession完成后，你将看到一个新屏幕，底部带有绿色边框。你可以使用jupyter notebook命令在此计算机上启动Jupyter Notebook 。你将看到类似以下内容：
复制登录URL将是有益的，这样以后尝试登录到jupyter notebook时，我们将能够获取令牌。
5ccd01f60971d9fc97fd79f64a5bb4ce79f4d96823ab7872下一步是分离TMUX会话，以便它在后台继续运行，即使你离开ssh shell。要做到这一点，只需按Ctrl＋B，然后按D（按D时不要按Ctrl），你将返回到初始屏幕，显示你已从TMUX会话中分离的消息。
如果需要，可以使用以下方法重新连接到会话：tmux attach －t StreamSession2．SSH隧道访问本地浏览器上的notebook第二步是进入Amazon实例，以便在本地浏览器上获取Jupyter notebook。如我们所见，Jupyter notebook实际上运行在云实例的本地主机上。我们使用SSH隧道来访问它，很简单，只需在本地机器终端窗口上使用以下命令：ssh －i“ aws＿key．pem” －L ＜本地计算机端口＞：localhost：8888 ubuntu ＠ ＜你的PublicDNS（IPv4）＞
这意味着，如果我在本地计算机浏览器中打开localhost：8001，则可以使用Jupyter Notebook。现在，我们只需输入在先前的步骤之一中已经保存的令牌即可访问notebook
你只需使用你的令牌登录即可。
现在，你可以通过选择所需的任何不同环境来选择新项目，可以来自Tensorflow或Pythorch，也可以两者兼得，notebook不会让你失望的。
故障排除重新启动计算机后，你可能会遇到NVIDIA图形卡的一些问题。就我而言，该nvidia－smi命令停止了工作，如果遇到此问题，解决方案是从NVIDIA 网站下载图形驱动程序。
以上是我选择的特定AMI的设置。单击搜索后，你将可以看到下一页：
只需通过右键单击并复制链接地址来复制下载链接，并在计算机上运行以下命令，你可能需要在其中更改链接地址和文件名。停止实例就是这样。你已经掌握并启动了深度学习机器，并且可以随意使用它。请记住，无论何时停止工作，都应停止实例，这样当你不在实例上工作时，无需向Amazon付费。你可以在实例页面上通过右键单击你的实例来执行此操作。请注意，当你需要再次登录到该计算机时，你可能需要从实例页面重新获得公共DNS（IPv4）地址，因为它可能已更改。
结论我一直觉得建立深度学习环境非常麻烦。在此文中，我们通过使用深度学习社区AMI，TMUX和Jupyter Notebook的隧道技术，在最短的时间内在EC2上设置了新的深度学习服务器。该服务器已预先安装了你在工作中可能需要的所有深度学习库，并且开箱即用。那你还在等什么？只需在你自己的服务器上开始使用深度学习即可。
