Le "Pod" est un outil de calcul et de développement accessible par le web et mis à disposition des membres du labotatoire.
Il est accessible via l'URL https://math.unice.fr/jhub en utilisant l'accés VPN du Laboratoire.
Les identifiants pour y accéder sont ceux que vous utilisez pour vous connecter sur les serveurs du laboratoire.
Description du serveur
Le Pod est hébérgé sur un serveur de calcul dont la configuration matérielle est la suivante :
Après connexion, vous avez accés à :
Indépendemment de ces environements, il est possible d'ajouter ses propres "launchers", par exemple :
Pour ajouter TensofFlow 2 Gpu dans JupyterLab
ouvrir un terminal et y taper les commandes suivantes :
$ conda create -n tf2-gpu tensorflow-gpu ipykernel
$ conda activate tf2-gpu
$ python -m ipykernel install --user --name 'tf2-gpu' --display-name "TensorFlow-GPU 2.0"
$ kernda ~/.local/share/jupyter/kernels/tf2-gpu/kernel.json -o
Puis rafraichir la page de votre navigateur (F5 ou Ctrl-R)
(Merci à J-B. Caillau for this useful trick when using escape shell sequences !!!)
Le langage Julia est installé sur le serveur mais des limitations liées à son gestionnaire de packages nécessitent l'utilisation de cette commande pour l'activer :
Dans un terminal :
$ julia -e 'using Pkg; pkg"update"; pkg"add IJulia"; pkg"precompile"; using IJulia; installkernel("Julia");'
Puis rafraichir la page de votre navigateur (F5 ou Ctrl-R)
1) PréRequis 2 possibilités:
2) Création d'un environnement avec packages: conda create -n Rstat r-essentials r-base
NB: Il est possible d'utiliser un fichier .yml en entrée qui contient la liste des packages et d'autres spécifications. La syntaxe sera alors:
conda env create -f environment.yml
3) Activer cet environnement : conda activate Rstat
4) Mise à jour des packages d'un environnement : conda activate Rstat ; conda update -n Rstat --all
5) Ajout de packages à un environnement :
a) le package existe pour conda: conda install -c r r-igraph
b) le package n'existe pas pour conda, il faut utiliser la commande R : install.packages("lassoshooting")
c) si le package s'appuie sur des parties du système : demander à l'admin d'installer les rpm manquants
d) malgré cela il peut manquer des pré-requis matériels comme pour 'rgl' qui s'appuie sur des primitives
OpenGL et ne peut fonctionner en l'absence d'une carte graphique Adhoc.
6) Recherche d'un package : conda activate Rstat ; conda search <pkgname>
7) Voir les packages installés dans un environnement: conda activate Rstat ; conda list
8) Supression d'un environnement: conda env remove -n Rstat
9) Suppression des caches, téléchargements: conda clean --all
NB: les fichiers / répertoires en question se trouvent ici : ls -alrt ~/.conda
Cette commande peut générer des messages d'erreurs concernant les répertoires systèmes et qui peuvent être ignorés
- Il est possible de modifier le répertoire par défaut (~/.conda) par exemple pour utiliser un répertoire dans votre workdir
où les temps d'accès sont plus rapides, par exemple : /workdir/<user>/.envs
Il faudra alors spécifier explicitement ce répertoire lors des opérations conda, exemple:
conda create --prefix ./envs jupyterlab=0.35 matplotlib=3.1 numpy=1.16
- Activation d'un environnement: conda activate ./envs
- Mise à jour d'un environnement: conda env update --prefix ./env <envname> --prune
NB: L'option --prune indique à conda de supprimer toutes les dépendances inutiles
Pour plus de détails vous pouvez consulter le site suivant :
https://conda.io/projects/conda/en/latest/user-guide