1. 在 Oracle Cloud 上构建机器学习沙盒
  2. 关于配置系统

关于配置系统

在实例上安装软件之前，必须将其配置为接受来自本地计算机的 Internet 的通信量。

设置访问权限后，安装 Anaconda，然后创建您将使用的机器学习环境。

设置Oracle Cloud Infrastructure Compute 实例

编辑实例使用的虚拟云网络的安全列表，然后更新实例的防火墙规则。

使用安全列表可以指定允许通过您的实例所使用的虚拟云网络流动的流量。设置网络的安全列表之后，必须更新实例上的防火墙规则以允许访问该通信流量。在这种情况下，将打开端口 8888，该端口是 Jupyter Notebook 的默认端口。

使用有状态规则是最简单的。在本质上，有状态的规则允许在所选端口上执行入站和出站。如果您设置了无状态入站规则，则还必须设置对应的出站规则。

  1. 为 Jupyter Notebook 添加入站规则，默认情况下使用端口 8888。
    1. 登录到 Oracle Cloud 控制台并打开导航菜单。
    2. 转到网络并单击虚拟云网络。
    3. 单击您感兴趣的云网络。
    4. 在资源下，单击安全列表，然后单击您感兴趣的安全列表。
    5. 在资源下，单击入站规则，然后单击添加入站规则。
    6. 输入0.0.0.0/0 作为源 CIDR、IP 协议的 TCP，并输入8888 作为目标端口范围。
    7. 单击添加入站规则。
  2. 更新防火墙规则。

    此处显示的命令将打开端口 8888，这是 Jupyter Notebook 的默认端口。

    在 Oracle Linux 上：

    sudo firewall-cmd --zone=public --add-port=8888/tcp --permanent
sudo firewall-cmd --reload

    在 Ubuntu 上：

    sudo iptables -I INPUT -p tcp -s 0.0.0.0/0 --dport 8888 -j ACCEPT
sudo service netfilter-persistent save

    注 :

    在 Oracle Cloud Infrastructure Compute 中的 Ubuntu 实例上，不要使用未编译的防火墙(UFW)管理防火墙。

安装 Anaconda 分发

使用 Anaconda 及其 package manager 在计算实例上设置和维护单个机器学习环境。

您可以从 https://repo.continuum.io/archive/获取最新的安装程序。这些说明假定操作系统为 Oracle Linux 7.7或 Ubuntu 18.04，而 Anaconda 分布的版本是带有 Python 3.7. 的2019.10

  1. 与 SSH 或 PuTTY 连接到计算实例。
  2. 下载 Anaconda3 并确保校验和与在“分析安装程序档案”页上发布的校验和相匹配，网址为https://repo.continuum.io/archive/.
    wget https://repo.continuum.io/archive/Anaconda3-2019.10-Linux-x86_64.sh
md5sum Anaconda3-2019.10-Linux-x86_64.sh
  3. 运行安装脚本，然后将 Anaconda 添加到路径中。
    bash Anaconda3-2019.10-Linux-x86_64.sh -b
echo -e 'export PATH="$HOME/anaconda3/bin:$PATH"' >> $HOME/.bashrc
source ~/.bashrc
  4. 确保您具有最新的 conda。
    conda update -n base -c defaults conda
  5. 将 shell 配置为使用 conda activate 命令。
    conda init bash
source ~/.bashrc

    配置 shell 之后，会将当前 Anaconda 环境添加到命令行提示符。激活基本环境时，命令行应与以下示例类似，具体取决于操作系统：

    (base) [opc@instancename ~]$
(base) [ubuntu@instancename ~]$

在 Oracle Linux 上设置机器学习沙盒环境

创建单独的沙盒环境并安装 TensorFlow 和 Jupyter Notebook。

创建环境并为其指定名称沙盒。环境与计算实例的其余部分隔离，这样您安装到沙盒环境中的工具和软件就特定于沙盒环境。一个计算实例上可以有多个环境，每个环境都具有自己的单独配置。

在以下过程中，将安装 TensorFlow 2 和 Jupyter Notebook，但它们不是唯一可用的工具。分析分布具有 1,500 多个可安装的机器学习包，包括 scikit-learn、pandas 和 RStudio。

注 :

由于 Oracle Linux 上的默认 Python 为 Python 2，因此需要确保在步骤 2 中使用 Python 3 创建沙盒环境。请指定 Python 3.7，因为在本编写时，最新的投标流(2.0.0)在 Python 3.8. 中不起作用

开始之前，请确保已安装最新的分布。在这些说明中，假定您已下载并安装了Anaconda3-2019.10- Linux -x86_64。
  1. 与 SSH 或 PuTTY 连接到计算实例。
  2. 创建一个名为沙盒的新环境。
    conda create --name sandbox pip python=3.7
  3. 激活刚创建的环境。
    conda activate sandbox
  4. 安装 Jupyter Notebook。
    conda install notebook
  5. 安装投标流。
    python -m pip install tensorflow-gpu
    如果您的实例没有 GPU，请改用以下命令：
    python -m pip install tensorflow
  6. 生成 Jupyter Notebook 配置文件。
    jupyter notebook --generate-config

    在/home/opc/.jupyter/jupyter_notebook_config.py 中创建配置文件，该文件位于环境外。因此，无论是哪个环境，配置都适用于每个 Jupyter Notebook 实例。

  7. 在文本编辑器（例如纳秒或维）中打开配置文件，并在开头添加以下行：
    c = get_config()
c.NotebookApp.ip = '0.0.0.0'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 8888
  8. 将口令添加到 Jupyter Notebook。在系统提示时，输入最好的口令。可以在需要更改口令的任何时候运行此命令。
    jupyter notebook password
  9. 安装用于通过 HTTPS 进行加密通信的证书。要安装自签名证书：
    openssl req -x509 -nodes -days 365 -newkey rsa:2048 -keyout jupyter-key.key -out jupyter-cert.pem
  10. 启动 Jupyter Notebook。
    jupyter notebook --certfile=jupyter-cert.pem --keyfile=jupyter-key.key

如果实例的入站规则和防火墙设置正确，则应导航到 https://<instance-ip-address>:8888，在 Web 浏览器中打开 Jupyter Notebook。

在 Ubuntu 上设置机器学习沙盒环境

创建单独的沙盒环境并安装 TensorFlow 和 Jupyter Notebook。

创建一个环境并为其指定名称沙盒。环境独立于其余实例，以便您安装到沙盒环境中的工具和软件特定于沙盒环境。一个计算实例上可以有多个环境，每个环境都有各自的配置。

在以下过程中，将安装 TensorFlow 2 和 Jupyter Notebook，但它们不是唯一可用的工具。分析分布具有 1,500 多个可安装的机器学习包，包括 scikit-learn、pandas 和 RStudio。

开始之前，请确保已安装最新的分布。在这些说明中，假定您已下载并安装了Anaconda3-2019.10- Linux -x86_64。
  1. 与 SSH 或 PuTTY 连接到计算实例。
  2. 创建一个名为沙盒的新环境。
    conda create --name sandbox
  3. 激活刚创建的环境。
    conda activate sandbox
  4. 将管理流安装到沙盒环境中。现在，最新的投标流包括 Keras。
    python -m pip install tensorflow-gpu
    如果您的实例没有 GPU，请改用以下命令：
    python -m pip install tensorflow
  5. 生成 Jupyter Notebook 配置文件。
    jupyter notebook --generate-config

    在/home/ubuntu/.jupyter/jupyter_notebook_config.py 中创建配置文件，该文件位于环境外。因此，无论是哪个环境，配置都适用于每个 Jupyter Notebook 实例。

  6. 在文本编辑器（例如纳秒或维）中打开配置文件，并在开头添加以下行：
    c = get_config()
c.NotebookApp.ip = '0.0.0.0'
c.NotebookApp.open_browser = False
c.NotebookApp.port = 8888
  7. 将口令添加到 Jupyter Notebook。在系统提示时，输入最好的口令。可以在需要更改口令的任何时候运行此命令。
    jupyter notebook password
  8. 安装用于通过 HTTPS 进行加密通信的证书。要安装自签名证书：
    openssl req -x509 -nodes -days 365 -newkey rsa:2048 -keyout jupyter-key.key -out jupyter-cert.pem
  9. 启动 Jupyter Notebook。
    jupyter notebook --certfile=jupyter-cert.pem --keyfile=jupyter-key.key

如果实例的入站规则和防火墙设置正确，则应导航到 https://<instance-ip-address>:8888，在 Web 浏览器中打开 Jupyter Notebook。