本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 執行 Jupyter 筆記本教學課程
<a name="tutorial-jupyter"></a>

教學課程和範例隨附於每個深度學習專案的來源，在大多數情況下，它們將在任何 DLAMI 上執行。如果您選擇[使用 Conda 的深度學習 AMI](overview-conda.md)，您可以獲得數個已設定好可供試用的精選教學課程的額外好處。

**重要**  
若要執行安裝在 DLAMI 上的 Jupyter 筆記本教學課程，您需要 [在 DLAMI 執行個體上設定 Jupyter 筆記本伺服器](setup-jupyter.md)。

Jupyter 伺服器開始執行後，您可以透過 Web 瀏覽器執行教學課程。如果您使用 Conda 執行深度學習 AMI，或已設定 Python 環境，您可以從 Jupyter 筆記本界面切換 Python 核心。選擇適當的核心，再嘗試執行架構特定的教學課程。進一步的範例會提供給使用 Conda 的深度學習 AMI 使用者。

**注意**  
許多教學課程需要額外的 Python 模組，這些模組可能未在 DLAMI 上設定。如果您收到類似 的錯誤`"xyz module not found"`，請登入 DLAMI，如上述啟用環境，然後安裝必要的模組。

**提示**  
深度學習教學課程和範例通常依賴一或多個 GPU。如果您的執行個體類型沒有 GPU，您可能需要變更一些範例中的程式碼，才能讓其執行。

## 瀏覽安裝教學課程
<a name="tutorial-jupyter-nav"></a>

登入 Jupyter 伺服器並查看教學課程目錄後 （僅限使用 Conda 的深度學習 AMI)，您會收到每個架構名稱的教學課程資料夾。如果您沒有看到列出的架構，則教學課程不適用於您目前 DLAMI 上的該架構。按一下架構的名稱以查看列出的教學課程，然後按一下教學課程來啟動它。

第一次使用 Conda 在深度學習 AMI 上執行筆記本時，它會想知道您想要使用的環境。它會提示您從清單中選取。每個環境都根據此模式命名：

`Environment (conda_framework_python-version)`

例如，您可能會看到 `Environment (conda_mxnet_p36)`，這表示該環境有 MXNet 和 Python 3。此項目的其他變化包括 `Environment (conda_mxnet_p27)`，表示環境具有 MXNet 和 Python 2。

**提示**  
如果您擔心哪個版本的 CUDA 處於作用中狀態，當您第一次登入 DLAMI 時，其中一種查看它的方式是在 MOTD 中。

## 使用 Jupyter 切換環境
<a name="tutorial-jupyter-switching"></a>

如果您決定試用不同架構的教學課程，請務必確認目前執行的核心。此資訊可以在 Jupyter 界面的右上方查看，位於登出按鈕下方。您可以按一下 Jupyter 功能表項目 **Kernel (核心)**、按一下 **Change Kernel (變更核心)**，然後按一下最適合您正在執行之筆記本的環境，即可變更任何開啟筆記本的核心。

此時，您必須重新執行任何儲存格，因為核心中的變更將會清除您先前執行之任何項目的狀態。

**提示**  
在架構之間切換或許很有趣也富有教育意義，但您可能會用盡記憶體。如果開始出現錯誤，請查看 Jupyter 伺服器正在執行的終端機視窗。這裡提供有用的訊息和錯誤記錄，您可能會看到記憶體不足錯誤。若要修正此問題，您可以移至 Jupyter 伺服器首頁，按一下 **Running (執行中)** 標籤，然後按一下每個可能仍在背景執行並耗盡所有記憶體之教學課程的 **Shutdown (關閉)**。