在Windows本地用网页查看编辑服务器上的 jupyter notebook

​
Motivation: jupyter notebook 可以存中间变量，方便我调整代码，但是怎么用服务器的GPU并在网页上查看编辑呢？

参考 https://zhuanlan.zhihu.com/p/440080687

服务端(Ubuntu)：

1. 激活环境 source activate my_env

2. 安装notebook pip install jupyter notebook

3. 配置 jupyter notebook --generate-config

4. 接下来键盘输入ipython 进入notebook ipython

5. 一行一行输入，会返回一串hash密码，记得复制保存一下，然后按ctrl+z退出

   In [1]: from jupyter_server.auth import passwd
   In [2]: passwd()		# 设置一个jupyter notebook的密码
   >>> argon2:$argon2id$v=xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

6. 修改相应配置文件vim ~/.jupyter/jupyter_notebook_config.py，在文件末尾添加以下代码

   # 一些 Vim 命令帮助
   # 跳转到文件末尾的方法：按esc键，然后输入:$ 即可跳转到文件末尾
   # SHIFT + i 进行插入
   # ESC 退出，然后输入 wq! 进行保存
   c.NotebookApp.ip = '*'                     # 允许访问此服务器的 IP，星号表示任意 IP
   c.NotebookApp.password = 'argon2:$argon2id$v=xxxxxxxxxxxxxx' # 之前生成的密码 hash 字串, 粘贴进去
   c.NotebookApp.open_browser = False         # 运行时不打开本机浏览器
   c.NotebookApp.port = 8890                  # 使用的端口，随意设置，但是要记得你设定的这个端口
   c.NotebookApp.enable_mathjax = True        # 启用 MathJax
   c.NotebookApp.allow_remote_access = True   #允许远程访问
   c.NotebookApp.allow_root = True

   
   配置好后就可以直接在本地端用网页访问服务器的 jupyter notebook 了，每次从本地端连接服务器时设置好端口对应即可，如下

本地端(Windows)

1. 进入Windows cmd

2. 连接远程服务器，对应好端口，只要是空闲的端口即可

   # ssh -L [本地端口]:localhost:[远程端口] [远程用户名]@[远程IP] -p [ssh连接端口，默认22]
   ssh -L 8890:localhost:8890 xx@xx.xx.xx.xx -p 22

3. 打开虚拟环境source activate my_env

4. 启动 jupyter notebook jupyter notebook

5. 在浏览器中输入localhost:本地端口,输入设定的 jupyter 密码，即可进入！

将虚拟环境配置到 jupyter notebook 中

由于 notebook用到的 ipykernel 和 python 的不一样，所以还需要将响应的虚拟环境的依赖配置到 jupyter notebook 中的 kernel 中

参考 https://blog.csdn.net/zhaoqian19921029/article/details/91382150

1. 下载 ipykernel，通常下载 jupyter notebook 后自动下载了，用conda list看一下有没有 ipykernel 和 ipython包，没有的话conda install ipykernel

2. 将自己的环境my_env配置到 ipykernel 中ipython kernel install --user --name=my_env

   (my_env)xx@xxxx:xxxx$ ipython kernel install --user --name=my_env
   >>> Installed kernelspec safemllm in /home/jd/.local/share/jupyter/kernels/safemllm

3. 再打开 jupyter notebook 的 web 页面就可以在 Select Kernel 里看见和选择自己的环境了