پرش به محتویات

محیط JupyterLab

JupyterLab محیط اصلی کاربر برای مدیریت فایل‌ها، اجرای Notebook، کار با Terminal و آماده‌سازی Jobهای Slurm است.

بخش‌های اصلی JupyterLab

بخش کاربرد
File Browser مشاهده، ساخت، حذف، آپلود و دانلود فایل‌ها
Launcher ساخت Notebook، Terminal، Console و فایل متنی
Notebook اجرای مرحله‌ای کدهای Python و تحلیل داده
Terminal اجرای دستورات لینوکس، Slurm و مدیریت پروژه
Running Sessions مشاهده Kernelها و Terminalهای فعال
Tabs جابه‌جایی بین فایل‌ها، Notebookها و Terminalها

ساخت Notebook جدید

  1. از Launcher گزینه Python Notebook را انتخاب کنید.
  2. کد خود را در سلول‌ها بنویسید.
  3. با Shift + Enter سلول را اجرا کنید.
  4. فایل Notebook را با نام مناسب ذخیره کنید.

ساخت Terminal

از Launcher گزینه Terminal را انتخاب کنید. Terminal برای این کارها مفید است:

  • بررسی فایل‌ها
  • اجرای دستورات لینوکس
  • ساخت فایل Job
  • ارسال Job با sbatch
  • بررسی خروجی‌ها

دستورهای مفید در Terminal

pwd
ls -lah
mkdir -p ~/projects/test
cd ~/projects/test
squeue -u $USER
sinfo

Kernel چیست؟

Kernel موتور اجرای کد Notebook است. اگر Notebook کند شد یا اجرای کد گیر کرد، می‌توانید Kernel را Restart کنید.

گزینه کاربرد
Restart Kernel شروع دوباره محیط اجرای Notebook
Interrupt Kernel توقف اجرای سلول فعلی
Shutdown Kernel خاموش کردن Kernel و آزادسازی منابع

اجرای سنگین در Notebook

Notebook برای تست، آموزش و تحلیل تعاملی مناسب است. اجرای سنگین، چندساعته یا چندروزه باید با Slurm انجام شود.

توصیه‌های کاری

  • برای هر پروژه یک پوشه جدا بسازید.
  • نام فایل‌ها را انگلیسی و بدون فاصله انتخاب کنید.
  • خروجی‌های حجیم را از کدها و Notebookها جدا نگه دارید.
  • قبل از Logout، فایل‌ها را Save کنید.

چه چیزهایی را داخل JupyterLab اجرا کنم؟

JupyterLab برای کارهای تعاملی و آموزشی بسیار مناسب است؛ مثل نوشتن Notebook، بررسی داده، رسم نمودار و تست بخش‌های کوچک کد.

مناسب برای JupyterLab بهتر با Slurm اجرا شود
تست چند خط کد اجرای چندساعته
رسم نمودار پردازش فایل‌های خیلی بزرگ
بررسی خروجی‌ها شبیه‌سازی‌های سنگین
آماده‌سازی اسکریپت اجرای موازی یا چندمرحله‌ای

توصیه کاربردی

اگر اجرای یک سلول بیشتر از چند دقیقه طول می‌کشد یا حافظه زیادی مصرف می‌کند، بهتر است آن را به فایل Python یا MATLAB تبدیل کنید و با Slurm اجرا کنید.