Hilfe zur JupyterHub-Nutzung

Verfügbare Umgebungen

Auf dem JupyterHub der Informatik der HS Bremerhaven stehen folgende Umgebungen zur Verfügung:

• TensorFlow (CPU/GPU): Für Deep Learning und Machine Learning
• PyTorch (CPU/GPU): Für Deep Learning und neuronale Netze

Der Login erfolgt mit den Zugangsdaten von Hopper

GPU-Ressourcen

Der JupyterHub verfügt über GPU-Ressourcen, die automatisch zugewiesen werden, wenn sie angefragt und verfügbar sind. Bei hoher Auslastung stehen nur CPU-Versionen zur Verfügung.

Um zu überprüfen, ob die aktuelle Umgebung GPU nutzt:

• In TensorFlow: import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))
• In PyTorch: import torch; print(torch.cuda.is_available())

SSH Verbindung aufbauen

1. Erstellung eines JupyterHub Tokens
2. Eintragen eines ssh keys in die ~/.ssh/authorized_keys auf dem JupyterServer
3. Installation von websocat auf dem Client
4. Editieren der ssh config auf dem Client:

   Host jupyter
         User <your_username>
         ProxyCommand websocat --binary -H='Authorization: token <token>' asyncstdio: 
             wss://jupyter.informatik.hs-bremerhaven.de/user/<your_username>/sshd/
   
         

Support

Bei Fragen oder Problemen wende dich bitte an Christof Seyfferth (christof.seyfferth@hs-bremerhaven.de)