5.2. 笔记本服务器环境的选项
当您首次启动 Jupyter 时，或者在停止笔记本服务器后，必须在启动笔记本服务器向导中选择服务器选项，以便您期望的软件和变量在服务器上可用。本节介绍了启动笔记本服务器向导中提供的选项详情。
启动笔记本服务器页面被分为几个部分：
- 笔记本镜像
指定笔记本服务器所基于的容器镜像。不同的笔记本镜像会默认安装不同的软件包。如果笔记本镜像包含多个版本，您可以从 Versions 部分中选择要使用的笔记本镜像版本。
注意笔记本镜像最少支持一年。预配置笔记本镜像的主要更新大约每 6 个月进行一次。因此，通常会在任何给定时间提供两个支持的笔记本镜像。要使用最新的软件包版本，红帽建议您使用最近添加的笔记本镜像。
启动笔记本镜像后，您可以通过在笔记本单元中运行
pip工具来检查在笔记本服务器上安装了哪些 Python 软件包，以及您已安装的软件包版本。下表显示了可用笔记本镜像中使用的软件包版本：
表 5.1. 笔记本镜像选项 镜像名称 镜像版本 预安装的软件包 CUDA
2 （推荐）
- Python 3.9
- CUDA 11.8
- JupyterLab 3.5
- Notebook 6.5
1
- Python 3.8
- CUDA 11.4
- JupyterLab 3.2
- Notebook 6.4
最小 Python（默认）
2 （推荐）
- Python 3.9
- JupyterLab 3.5
- Notebook 6.5
1
- Python 3.8
- JupyterLab 3.2
- Notebook 6.4
PyTorch
2 （推荐）
- Python 3.9
- JupyterLab 3.5
- Notebook 6.5
- PyTorch 1.13
- CUDA 11.7
- TensorBoard 2.11
- Boto3 1.26
- Kafka-Python 2.0
- Matplotlib 3.6
- Numpy 1.24
- Pandas 1.5
- Scikit-learn 1.2
- SciPy 1.10
1
- Python 3.8
- JupyterLab 3.2
- Notebook 6.4
- PyTorch 1.8
- CUDA 10.2
- TensorBoard 2.6
- Boto3 1.17
- Kafka-Python 2.0
- Matplotlib 3.4
- Numpy 1.19
- Pandas 1.2
- Scikit-learn 0.24
- SciPy 1.6
Standard Data Science
2 （推荐）
- Python 3.9
- JupyterLab 3.5
- Notebook 6.5
- Boto3 1.26
- Kafka-Python 2.0
- Matplotlib 3.6
- Pandas 1.5
- Numpy 1.24
- Scikit-learn 1.2
- SciPy 1.10
1
- Python 3.8
- JupyterLab 3.2
- Notebook 6.4
- Boto3 1.17
- Kafka-Python 2.0
- Matplotlib 3.4
- Pandas 1.2
- Numpy 1.19
- Scikit-learn 0.24
- SciPy 1.6
TensorFlow
2 （推荐）
- Python 3.9
- JupyterLab 3.5
- Notebook 6.5
- TensorFlow 2.11
- TensorBoard 2.11
- CUDA 11.8
- Boto3 1.26
- Kafka-Python 2.0
- Matplotlib 3.6
- Numpy 1.24
- Pandas 1.5
- Scikit-learn 1.2
- SciPy 1.10
1
- Python 3.8
- JupyterLab 3.2
- Notebook 6.4
- TensorFlow 2.7
- TensorBoard 2.6
- CUDA 11.4
- Boto3 1.17
- Kafka-Python 2.0
- Matplotlib 3.4
- Numpy 1.19
- Pandas 1.2
- Scikit-learn 0.24
- SciPy 1.6
TrustyAI
1
- Python 3.9
- JupyterLab 3.5
- Notebook 6.5
- TrustyAI 0.2
- Boto3 1.26
- Kafka-Python 2.0
- Matplotlib 3.6
- Numpy 1.24
- Pandas 1.5
- Scikit-learn 1.2
- SciPy 1.10
- 部署大小
指定笔记本服务器上可用的计算资源。
容器大小 控制 CPU 数量、内存量、容器的最小和最多请求容量。
GPU 数 指定附加到容器的图形处理单元数。
重要只有在 PyTorch、TensorFlow 和 CUDA 笔记本服务器镜像中才支持使用 GPU 来加快工作负载性能。另外，只有在集群中启用了 GPU 时，您可以指定笔记本服务器所需的 GPU 数量。要了解如何启用 GPU 支持，请参阅在 OpenShift Data Science 中启用 GPU 支持。
- 环境变量
指定在笔记本服务器上要设置的变量名称和值。在服务器启动期间设置环境变量意味着，您不需要在笔记本的正文或 Jupyter 命令行界面中定义它们。表中显示了一些推荐的环境变量。
表 5.2. 推荐的环境变量 环境变量选项 推荐的变量名称 AWS
-
AWS_ACCESS_KEY_ID指定 Amazon Web Services 的 Access Key ID。 -
AWS_SECRET_ACCESS_KEY指定在AWS_ACCESS_KEY_ID中指定的帐户的 Secret 访问密钥。
-
其他资源
