在 ModelArts 里面使用 JupyterLab 的 Terminal 时无法输入粘贴文字（我是新手一枚。。。）

请问应该怎么访问桶里的文件？只能看到jupyter打开之后新建的文件

对于习惯编码的开发者来讲，Terminal功能非常便捷实用。本章节介绍如何在Notebook实例中打开terminal功能，同时，在Terminal中切换引擎环境。打开Notebook的Terminal功能创建Notebook实例之后，在Notebook列表中，单击目标Notebook“操作”列的“打开”，进入“Jupyter Notebook”开发页面。在Jupyter页面的“Files”页签下，单击“New”，然后选择“Terminal”，进入到Terminal界面。图1 进入Terminal界面在Terminal切换各引擎的环境您可以在Jupyter的Terminal环境中切换到其他AI引擎环境。在Notebook列表中，创建并打开一个Notebook，或者直接打开已有的Notebook。在Jupyter页面的“Files”页签下，单击“New”，然后选择“Terminal”，进入到Terminal界面。您可以查看当前目录下提供的“README”切换环境，例如需要切换到“TensorFlow-1.8”，可执行命令source /home/ma-user/anaconda3/bin/activate TensorFlow-1.8进入到TensorFlow-1.8的环境并进行开发，若要退出则可执行命令source deactivate。图2 执行命令

      本教程程简单介绍了在 Modelarts 开发环境上使用 Jupyter Notebook 的步骤（感谢华为-教育部产学合作协同育人项目支持）。ModelArts平台开发环境的使用登陆华为云控制台，确认左上角选择位于 华北-北京四 的服务器，否则可能缺少需要的工作环境在左边的服务列表中找到 EI企业智能 下的 ModelArts 服务和 存储 下的 对象存储服务 OBS进入对象存储服务OBS选择右上角的红色按钮创建桶设定你的桶名称，此名称需要全局唯一，也就是说不能与任何人已创建的桶名称相同其余设置保持默认即可单击进入你刚创建的桶，选择左侧的对象选择上传对象，将解压后的pack文件夹上传 进入ModelArts选择左侧开发环境-Notebook选择创建Notebook 工作环境选项是你创建的Notebook可以使用的环境，右侧的描述指出所选环境所支持的框架及其版本，可以看到只有Ascend-Powered-Engine 1.0 (Python3)支持MindSpore框架因此在需要使用MindSpore框架时请选择此环境，其他时候可以使用Multi-Engine 1.0 (Python3, Recommended) 使用更强的GPU算力，或选择CPU服务器节约费用无论使用什么环境，下面的存储配置选择对象存储服务OBS，存储位置选择你创建的桶中刚刚上传的文件夹此文件夹即为你的Notebook及其Python环境的工作目录启动你创建的Notebook，在右侧选择打开JupyterLab如果你已经熟悉传统的Jupyter Notebook，也可以选择打开使用经典的Notebook界面选中所有文件，单击Sync OBS按钮，它在+按钮那一排的最右边在创建新的Notebook后务必进行上述操作，否则OBS中的文件即使显示在左侧，也不会被同步到Notebook工作环境，若出现找不到文件的错误请确认是否由此引起现在可以自由尝试创建、打开、运行.ipynb后缀的Jupyter Notebook文档了 

今天咱们用另外一种方式体验MindSpore 1.2的教程吧！第一步：安装Anaconda你可以参考 https://blog.csdn.net/weixin_50888378/article/details/109022585 安装Anaconda环境。第二步：使用conda安装MindSporeconda create -n mindspore-cpu-1.2 python=3.7.5...激活conda环境：conda activate mindspore-cpu-1.2并在conda环境中PIP安装CPU版MindSpore 1.2.0可到 https://www.mindspore.cn/install 按照以下方式选择，并将网页生成的“安装命令”：pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0/MindSpore/cpu/windows_x64/mindspore-1.2.0-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple复制到conda环境中执行：。。安装完毕后验证下版本：第三步：安装Jupyter Lab for windows此时可退出conda环境deactivatepip install jupyter  -i https://pypi.tuna.tsinghua.edu.cn/simple你可以参考 https://bbs.huaweicloud.com/blogs/246302 (搜索 安装下jupyterLab）第四步：让Jupyter Notebook指定conda环境在conda环境中，（如果不是则需要 activate）执行conda install nb_conda第五步：准备入门的Notebook文件到 https://mindspore.cn/tutorial/zh-CN/r1.2/quick_start.html 页面：按上面红箭头所示，下载入门的Notebook文件mindspore_quick_start.ipynb：（张小白将其下载到 E:\ipynb目录下）第六步：启动jupyter Lab在conda环境中，进入E:\ipynb目录执行jupyter lab --no-browser将启动Jupyter Lab后生成的两个链接粘贴到浏览器，打开链接：http://127.0.0.1:8888/lab?token=cc33f8b315d1a6f6a493d1acd025fb8c1832e3bff3ff32d0第七步：准备LENET MNIST数据集按照 https://mindspore.cn/tutorial/zh-CN/r1.2/quick_start.html# 下载数据集一节 wget的提示，到浏览器粘贴https的4个地址，将文件下载到E:\ipynb\datasets\MNIST_Data的train或test目录下。（如果没有目录可在 资源管理器创建目录）此时在NoteBook点击 mindspore_quick_start.ipynb 中可以看到如下内容：第八步：依次执行Notebook脚本可分别点击ipynb的各个cell，进行LENET网络的配置、加载数据集、数据处理、创建模型、超参设置、模型训练、保存、加载训练好的模型、验证模型等操作，并随时查看运行结果。（其中下载数据集的部分可跳过不做）cell运行中，会显示 * ，在运行结束后，会显示运行的序列号：（如上图中的18）当然，这里面提个小建议，就是 文中提到要用 python lenet.py --device_target=CPU执行。而这个文件内容到底是什么？是前面各个cell的组合吗？其实开发这并不清楚。所以这样写是不合适的。做到 train_net 这步之后，可以在左边看到几个checkpoint文件，这是训练后的模型。在后面的加载模型步骤中，load_checkpoint的文件名应与这个文件名保持一致：（如果不一致可自行修改）加载完训练好的模型后，运行验证模型的cell，可以预测相关结果：此时，MindSpore的quick_start就在Jupyter  Lab上体验完毕了。

显示：找不到 notebook01-modelarts-cnnorth4.huaweicloud.com 的服务器 IP 地址。

**jupyter可以删除某些单元格的执行输出吗？**

以前错怪它了，以为它对于编辑非常不友好，其实它还是比较友好的，比如TAB键也有提示补全代码的功能还有一些快捷键，用起来会很方便哦快捷键在2中模式下使用，类似与VIM里面的2中模式命令模式 (按键 Esc 开启)快捷键：Enter : 转入编辑模式Shift-Enter : 运行本单元，选中下个单元Ctrl-Enter : 运行本单元Alt-Enter : 运行本单元，在其下插入新单元Y : 单元转入代码状态M :单元转入markdown状态R : 单元转入raw状态Up : 选中上方单元Down : 选中下方单元Shift-K : 扩大选中上方单元Shift-J : 扩大选中下方单元A : 在上方插入新单元B : 在下方插入新单元X : 剪切选中的单元C : 复制选中的单元Shift-V : 粘贴到上方单元V : 粘贴到下方单元Z : 恢复删除的最后一个单元D,D : 删除选中的单元Shift-M : 合并选中的单元Ctrl-S : 文件存盘S : 文件存盘L : 转换行号O : 转换输出Shift-O : 转换输出滚动Esc : 关闭页面Q : 关闭页面H : 显示快捷键帮助I,I : 中断Notebook内核0,0 : 重启Notebook内核Shift : 忽略Shift-Space : 向上滚动Space : 向下滚动编辑模式 ( Enter 键启动)下快捷键Tab : 代码补全或缩进Shift-Tab : 提示Ctrl-] : 缩进Ctrl-[ : 解除缩进Ctrl-A : 全选Ctrl-Z : 复原Ctrl-Shift-Z : 再做Ctrl-Y : 再做Ctrl-Home : 跳到单元开头Ctrl-Up : 跳到单元开头Ctrl-End : 跳到单元末尾Ctrl-Down : 跳到单元末尾Ctrl-Left : 跳到左边一个字首Ctrl-Right : 跳到右边一个字首Ctrl-Backspace : 删除前面一个字Ctrl-Delete : 删除后面一个字Esc : 进入命令模式Ctrl-M : 进入命令模式Shift-Enter : 运行本单元，选中下一单元Ctrl-Enter : 运行本单元Alt-Enter : 运行本单元，在下面插入一单元Ctrl-Shift– : 分割单元Ctrl-Shift-Subtract : 分割单元Ctrl-S : 文件存盘Shift : 忽略Up : 光标上移或转入上一单元Down :光标下移或转入下一单元

jupyter的互动方式，非常适合于教学和交流但是有些地方我觉得也有一些小小的瑕疵比如说某些命令，像pip install或其他的会有大量的输出占用大量的版面而不一定含有太多有意义的信息。如果想要这些输出不展示出来，可以做到吗？

如图：要输入用户名，没法输入吧？

使用Notebook进入Jupyter页面，保存“ipynb”文件报错：The file has changed on disk since the last time we opened or saved it.

遇到个小白常见的问题，发现度娘里面没有记录，**谷歌了下，解决问题，在此写个说明。事情起因：在jupyter notebook中导入文件时发生了错误：1%load p2_test1.py错误信息：123456789101112131415161718192021222324252627282930313233343536373839404142434445464748---------------------------------------------------------------------------NameError                 Traceback (most recent call last)/usr/local/lib/python3.5/dist-packages/IPython/core/interactiveshell.py in find_user_code(self, target, raw, py_only, skip_encoding_cookie, search_ns)  3586     try:                       # User namespace-> 3587       codeobj = eval(target, self.user_ns)  3588     except Exception:  <string> in <module>  NameError: name 'p2_test1' is not defined  During handling of the above exception, another exception occurred:  ValueError                Traceback (most recent call last)<ipython-input-1-e4e531e2ca85> in <module>----> 1 get_ipython().run_line_magic('load', 'p2_test1.py')  /usr/local/lib/python3.5/dist-packages/IPython/core/interactiveshell.py in run_line_magic(self, magic_name, line, _stack_depth)  2285         kwargs['local_ns'] = sys._getframe(stack_depth).f_locals  2286       with self.builtin_trap:-> 2287         result = fn(*args,**kwargs)  2288       return result  2289  <decorator-gen-47> in load(self, arg_s)  /usr/local/lib/python3.5/dist-packages/IPython/core/magic.py in <lambda>(f, *a, **k)  185   # but it's overkill for just that one bit of state.  186   def magic_deco(arg):--> 187     call = lambda f, *a, **k: f(*a, **k)  188  189     if callable(arg):  /usr/local/lib/python3.5/dist-packages/IPython/core/magics/code.py in load(self, arg_s)  333     search_ns = 'n' in opts  334--> 335     contents = self.shell.find_user_code(args, search_ns=search_ns)  336  337     if 's' in opts:  /usr/local/lib/python3.5/dist-packages/IPython/core/interactiveshell.py in find_user_code(self, target, raw, py_only, skip_encoding_cookie, search_ns)  3588     except Exception:  3589       raise ValueError(("'%s' was not found in history, as a file, url, "-> 3590                 "nor in the user namespace.") % target)  3591  3592     if isinstance(codeobj, str):  ValueError: 'p2_test1.py' was not found in history, as a file, url, nor in the user namespace.出现这个问题是因为解释器找不到对应的文件。念了“妈咪妈咪轰”pwd后，发现问题所在：12%pwd llpwd显示当前目录不是该文件所在的目录。这下明白了，使用咒语要谨慎，记得在念“妈咪妈咪轰”load前，要cd到该文件的目录下去。参考补充：Jupyter Notebook - sns.load_dataset加载文件错误解决方法seaborn模块中sns.load_dataset加载文件错误解决方法：12import seaborn as snsdata = sns.load_dataset("iris")

【问题现象】jupyter中调用aclInit，第一次返回成功，第二次未返回成功，打印返回码，码值为100002【问题分析】查看aclInit接口，接口中有如下说明：一个进程中只能调用一次aclInit接口https://support.huaweicloud.com/aclcppdevg-cann330alphaXinfer/atlasapi_07_0010.html查看aclInit返回码的解释https://support.huaweicloud.com/aclcppdevg-cann330alphaXinfer/atlasapi_07_0217.html100002 表示重复初始化

我们通常使用jupyter 开发python的课程，jupyter也支持c++的代码块执行。一、C++内核安装与配置在JupyterLab中支持的C++内核与Jupyter Notebook一样的安装，就是安装Cling交互式C++编程工具。Cling的安装方式有两种：源代码安装预编译二进制安装cling 源码编译花费时间较长（>1小时），推荐使用预编译的二进制方法安装。源码编译安装参考;https://www.jianshu.com/p/bfd7f1624483二进制安装下载链接： https://root.cern.ch/download/cling/二、设置cling的路径修改bashrc文件，添加cling文件路径到PATH环境变量中三、安装cling到JupyterLab步骤1：切换到cling下载后的解压目录：cd ${JupyterLab_HOME}/share/cling/Jupyter/kernel$步骤2：使用pip的文件安装方式安装相关模块到Python：pip3 install -e .步骤3：配置cling的不同C++内核到JupyterLab环境：jupyter-kernelspec install cling-cpp17四、jupyter中使用c++内核新建jupyter notebook，选择C++17。参考： https://www.jianshu.com/p/2f315c7fe4ca?from=singlemessage

算法开发开发语言，Python编程是人工智能应用是一项必备技能。大部分受访者认为Python毫无疑问是该领域最常用的语言，python的语法较为容易理解，现也有很多优秀的开发工具支持python开发，如IDE集成开发，Jupyter Notebook交换式编程环境Jupyter Notebook在设计之初考虑到了交换式探索，协作分享等关键要素，因此Jupyter Notebook方便进行分享和传播，很方便的学习和复现之前的研究工作开发库机器学习和深度学习开发库（TensorFlow）强化学习开发库（TensorFlow，PyTorch，Baselines，Coach，RLlib）运筹优化主流求解器（三大商用求解器Cplex，Gurobi，FICO，Xpress  ，开源求解器SCIP,MIPCL等）交换式开发环境人工智能开发可分为两类，研究探索类，生产工程类研究探索类：快速验证，实现原型，教学为目的，对实验进行解析和传播生产工程类：以软件工程化为交换为目标，进行软件项目管理，较强的工程管理能力与问题调优，定位工具以现代化的软件工程方法论为基础，通用的IDE（如VSCode，PyCharm等）搭配对应的开发插件，再搭配云上人工智能计算资源，会是比较适合的选择。在人工智能研究探索场景中，Jupyter Notebook能够在各个阶段满足开发者诉求并覆盖这些关键点，在云化场景下借助Jupyter Notebook云服务则能够进一步提升开发效率Jupyter Notebook的优点贯穿整个人工智能开发和探索的生命周期(Jupyter Notebook将所有和软件编程写有相关的资源放在一起，只需要一个文件就可以获得项目的所有信息)交换式探索（Jupyter Notebook不仅可以输出，图像，视频，教学公式，还可以呈现一些互动的可视化内容，如缩放的地图，可旋转的三维模型）结束分享与快速重现（Jupyter Notebook支持网页形式分享，GitHub等开发者社区支持Jupyter Notebook展示，也可通过nbviewer分享Jupyter Notebook文档，害支持导出成HTML，PDF等多种格式文档）可扩展与可制定良好的生态（人工智能开发应用教程也都采用Jupyter Notebook）Jupyter Notebook的缺点Jupyter Notebook不是正在意义上的集成开发环境，Jupyter Notebook目前都是基于单向顺序的方式实现代码单元执行，Jupyter Notebook对于分布式的训练可以通过单机多进程的方式进行模拟，Jupyter Notebook定义为研究类调试环境，Jupyter Notebook框架并不适合运行非常大规模的训练作业。Jupyter Notebook提供了一个环境，用户可以在里面写代码、运行代码、查看结果，并在其中可视化数据。鉴于这些优点，Jupyter Notebook它能帮助他们便捷地执行各种端到端任务，如数据清洗、统计建模、构建/训练机器学习模型等，一个特色是允许把代码写入独立的cell中，然后单独执行。这样做意味着用户可以在测试项目时单独测试特定代码块，无需从头开始执行代码。虽然其他的IDE环境（如RStudio）也提供了这种功能，但就个人使用情况来看，Jupyter Notebook的单元结构是设计的