【小技巧-工具篇】JupyterLab/TensorBoard使用问题？

Alice_恒源云

1、JupyterLab/TensorBoard 如何使用？

2、JupyterLab打不开或者响应慢怎么办？

如果遇到JupyterLab页面响应特别缓慢或者打不开的情况，可登录实例后通过以下命令来重启JupyterLab

supervisorctl restart jupyterlab

不建议通过JupyterLab页面直接运行较消耗资源的程序，因为该程序很可能会导致JupyterLab无响应或者运行缓慢问题，可通过tmux工具放置在实例后台运行。

3、tensorboard打不开或者响应慢怎么办？

如果遇到tensorboard页面响应特别缓慢或者打不开的情况，可登录实例后通过以下命令来重启tensorboard

supervisorctl restart tensorboard

4、自定义镜像如何安装jupyterlab？

自定义镜像登录实例后，执行如下命令，即可完成安装jupyterlab，安装完成后，可通过控制台打开jupyterlab页面

curl -OL "https://download.gpushare.com/download/custom_install"
chmod u+x ./custom_install
./custom_install jupyterlab

5、自定义镜像如何安装tensorboard？

自定义镜像登录实例后，执行如下命令，即可完成安装tensorboard，安装完成后，可通过控制台打开tensorboard页面

curl -OL "https://download.gpushare.com/download/custom_install"
chmod u+x ./custom_install
./custom_install tensorboard

6、JupyterLab 要输入密码怎么办？

通过终端执行 jupyter server list 命令可以得到 JupyterLab 的登陆 Token。

如下可以从执行结果内获得 Token 为 3fq593blw4afqjtqgdp3ldk5。

root@I15b96311d0280127d:~# jupyter server list
Currently running servers:
http://0.0.0.0:8888/?token=3fq593blw4afqjtqgdp3ldk5 :: /

7、TensorFlow 训练报 ptxas fatal 错误

当在 RTX 3000 系列显卡上使用 TensorFlow 2.4 For CUDA 11.0 时，训练会出现下列警告。

W tensorflow/stream_executor/gpu/asm_compiler.cc:235] Your CUDA software stack is old. We fallback to the NVIDIA driver for some compilation. Update your CUDA version to get the best performance. The ptxas error was: ptxas fatal : Value 'sm_86' is not defined for option 'gpu-name'

原因是该版本的 PTX compiler 不支持 8.6 compute capability。此报错为警告，不影响正常训练。

该警告可以通过 os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = “2” 关闭。

此问题虽然不影响训练但性能上会降低，推荐创建 TensorFlow 2.5 For CUDA 11.2 的镜像，不会存在此问题。

188****4765

@alice_恒源云
yolov5训练期间，在项目目录用
tensorboard --logdir=./runs
运行后，在实例管理那打开tensorboard没有东西，我在本地一样的操作就可以在浏览器里看到结果了，有点没搞懂