本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 运行 Jupyter 笔记本电脑教程
<a name="tutorial-jupyter"></a>

每个深度学习项目的源代码都附带了教程和示例，大多数情况下，它们可以在任何 DLAMI 上运行。如果您选择了 [带 Conda 的深度学习 AMI](overview-conda.md)，那么您将获得一些已经建立并准备好尝试的精选教程的额外好处。

**重要**  
要运行安装在 DLAMI 上的 Jupyter 笔记本教程，您需要 [在 DLAMI 实例上设置 Jupyter Notebook 服务器](setup-jupyter.md)。

Jupyter 服务器运行后，您可以通过 Web 浏览器运行这些教程。如果您正在运行带 Conda 的深度学习 AMI，或者如果您已经建立了 Python 环境，则可以从 Jupyter 笔记本界面切换 Python 内核。在尝试运行特定于框架的教程之前，请选择合适的内核。我们为带 Conda 的深度学习 AMI 的用户提供了更多这方面的示例。

**注意**  
许多教程都需要额外 Python 模块，您的 DLAMI 上可能尚未设置这些模块。如果您收到类似 `"xyz module not found"` 的错误，请登录到 DLAMI，激活环境（如上所述），然后安装必要的模块。

**提示**  
深度学习教程和示例通常依赖于一个或多个教程和示例 GPUs。如果您的实例类型没有 GPU，您可能需要更改一些示例代码才能使其运行。

## 导航已安装的教程
<a name="tutorial-jupyter-nav"></a>

一旦登录到 Jupyter 服务器且可以看到教程目录（仅限带 Conda 的深度学习 AMI 上）时，就会看到按每个框架名称排列的教程文件夹。如果您没有看到某个框架，则表明在您当前 DLAMI 上该框架的教程不可用。单击框架名称以查看列出的教程，然后单击一个教程，将其启动。

在带 Conda 的深度学习 AMI 上第一次运行 Notebook 时，它会想知道您要使用哪个环境。它会提示您从列表中进行选择。每个环境都根据以下模式命名：

`Environment (conda_framework_python-version)`

例如，你可能会看到`Environment (conda_mxnet_p36)`，这表示环境中有 MXNet Python 3。另一个变体是`Environment (conda_mxnet_p27)`，这表示环境中有 MXNet Python 2。

**提示**  
如果您想知道哪个版本的 CUDA 处于活动状态，一种查看方法是在首次登录到 DLAMI 时在 MOTD 中查看。

## 通过 Jupyter 切换环境
<a name="tutorial-jupyter-switching"></a>

如果您决定尝试一个不同框架的教程，一定要验证当前正在运行的内核。此信息可以在 Jupyter 界面的右上方看到，就在注销按钮的下方。您可以在任何打开的笔记本电脑上更改内核，方法是依次单击 **Kernel**、**Change Kernel** 菜单项，然后单击正运行的笔记本电脑适合的环境。

此时您需要重新运行任何单元，因为内核中的更改将会擦除之前运行的任何内容的状态。

**提示**  
在框架之间进行切换可能很有趣而且很有教育意义，但是可能导致耗尽内存。如果您开始遇到错误，请查看运行 Jupyter 服务器的终端窗口。这里有一些有用的消息和错误记录，你可能会看到一个 out-of-memory错误。要解决这一问题，您可以转到 Jupyter 服务器的主页中，单击 **Running** 选项卡，然后为每个教程单击 **Shutdown**，因为这些教程可能仍然在后台运行，导致耗尽了所有内存。