#查看存在的内核
jupyter-kernelspec list
#添加一个内核
python -m ipykernel install --name py38
#删除一个内核
jupyter kernelspec remove py38
#列出所有环境
conda info --envs
#创建环境,安装py3.8, R4.0.3
conda create -n zpy38 python=3.8
conda activate zpy38
conda install -c conda-forge r-base
conda install -c conda-forge/label/gcc7 r-base
conda deactivate
#查看系统当前R版本
which R
#利用conda搜索R
conda search r-base
#安装R语言
conda install -c conda-forge -y r-base=4.0.0
#再次搜索默认R
which R
~/miniconda3/bin/R
#卸载R
conda uninstall r-base
#安装
conda install -n zpy38 jupyter notebook
生成一个notebook配置文件
默认情况下,配置文件 ~/.jupyter/jupyter_notebook_config.py
并不存在,需要自行创建。使用下列命令生成配置文件。如果文件已存在,恢复为默认设置。
注意:在notebook的配置目录下无法正常开启Jupyter notebook。
jupyter notebook --generate-config
l.生成密码
从 Jupyter notebook 5.0 版本开始,提供了一个命令来设置密码:jupyter notebook password
,生成的密码密文存储在 jupyter_notebook_config.json
。
jupyter notebook password
## Enter password: ****
## Verify password: ****
[NotebookPasswordApp] Wrote hashed password to /public/home/xxx/.jupyter/jupyter_notebook_config.json
passwd()生成密匙,保存密匙,后面有用
ipython
In [1]: from notebook.auth import passwd
In [2]: passwd()
Enter password:
Verify password:
Out[2]: 'argon2:$argon2id$v=19$m=10240,t=10,p=8$hJgNAjLqiKiI9p7Ys7tymg$CmDCTHmcOryMsxIHNzhSFA'
输入exit()退出
jupyter_notebook_config.py
中找到下面的行,取消注释并修改。 cd /public/home/xxx/.jupyter #Jupyter访问路径
c.NotebookApp.ip='localhost' # 生成我们想要的目标ip
c.NotebookApp.password = u'argon2:$argon2id$v=19$m=10240,t=10,p=8$hJgNAjLqiKiI9p7Ys7tymg$CmDCTHmcOryMsxIHNzhSFA' # 上一步产生的密文
c.NotebookApp.open_browser = False # 目的打开jupyternotebook时候不要打开网页。
c.NotebookApp.port = 8080 # 可自行指定一个端口, 访问时使用该端口
#建议设置一个不常用的端口作为默认端口,之后打开Jupyter notebook就不会因为端口占用的问题换用端口。
由于缺少ipyparallel,可能无法正常打开 Jupyter notebook。解决方法如下:
conda install -n zpy38 ipyparallel
启用ipyparallel
conda activate zpy38
jupyter serverextension enable --py ipyparallel --user
jupyter nbextension install --py ipyparallel --user
jupyter nbextension enable --py ipyparallel --user
install.packages(c('repr', 'IRdisplay', 'IRkernel'), type = 'source', repos= "https://mirrors.tuna.tsinghua.edu.cn/CRAN/")
# 用来设置IRkernel,使得可以在jupyte notebook使用R
IRkernel::installspec()
(2)
#docker images里用这个
#devtools::install_github('IRkernel/IRkernel')
install.packages("IRkernel")
IRkernel::installspec(name = 'ir40', displayname = 'R 4.0', user = F)
jupyter-kernelspec list
#进入需要修改的内核路径
cd /opt/conda/share/jupyter/kernels/python3
#找到kernel.json文件,修改"/opt/conda/envs/py38/bin/python"对应版本路径
{
"argv": [
"/opt/conda/envs/py38/bin/python",
"-m",
"ipykernel_launcher",
"-f",
"{connection_file}"
],
"display_name": "Python 3",
"language": "python"
}
准备工作完成后,我们就可以在本地使用服务器的计算资源了。由于一些服务器只能由登陆节点传输数据,如果我们想连接计算节点的Jupyter notebook,就需要将计算节点的端口映射到登陆节点,再由登陆节点映射到本地。
登陆服务器
通过ssh
远程登陆服务器,用-L
参数将登陆节点映射到本地端口。
ssh -L 本地端口:目标ip:目标端口
ssh -L8080:localhost:2999 [email protected]
ssh -L2999:localhost:8566 f2
source activate zpy38
jupyter notebook --port=8566
http://localhost:8080
import sys
print(sys.path)
#查看python版本
import sys
sys.version
网址:https://pip.pypa.io/en/stable/installing/
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
#更新pip
pip install --upgrade pip
#更新conda
conda update conda
pip install git+https://github.com/theislab/scvelo
##
git clone https://github.com/theislab/scvelo
pip install -e scvelo
pip list
pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow
pip --default-timeout=100 install tensorflow -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip --default-timeout=100 install stlearn -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
pip --default-timeout=100 install torch -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
#使用豆瓣快速安装
pip --default-timeout=100 install jupyter_contrib_nbextensions -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
#
pip install opencv-python -i https://pypi.douban.com/simple
#如果使用豆瓣出错
pip install 库名称 -i https://pypi.douban.com/simple --trust -host=pypi.douban.com
#其他pip常用国内镜像网站
阿里云:http://mirrors.aliyun.com/pypi/simple/
中国科技大学:https://pypi.mirrors.ustc.edu.cn/simple/
清华大学:https://pypi.tuna.tsinghua.edu.cn/simple/
华中科技大学:http://pypi.hustunique.com/
山东理工大学:http://pypi.sdutlinux.org/
豆瓣:http://pypi.douban.com/simple/
查看R包安装的位置
.libPaths()
已安装的R包
installed.packages()
查看已安装的R包版本
sessionInfo()
可安装的R包
available.packages()
卸载R包
remove.packages("ggplot2")
#指定国内镜像源
#如果没有指定,选择17,广州
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
install.packages("testthat")
options("repos" = c(CRAN="https://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
install.packages("NNLM",INSTALL_opts = '--no-lock')
#指定一个离你最近的国内镜像
options(BioC_mirror="http://mirrors.ustc.edu.cn/bioc/")
library('BiocManager', quietly = TRUE)
BiocManager::install("units")
library(devtools)
install_github('jbergenstrahle/STUtility')
devtools::install_github('satijalab/seurat-data')
install.packages("C:/Users/12580/Downloads/ggplot2_3.3.2.tar.gz",repos = NULL)
git clone https://github.com.cnpmjs.org/renozao/xbioc
install.packages("/home/R/lib/xbioc",repos = NULL)
conda install r-hdf5r
conda install r-sf
使用命令jupyter kernelspec remove 'kernelname'
可以删除指定的kernel
使用命令jupyter kernelspec list
可以查看jupyter所有的kernel
利用conda创建了虚拟环境,但是启动jupyter notebook之后却找不到虚拟环境。实际上是由于在虚拟环境下缺少kernel.json文件。解决方案如下:
首先安装ipykernel:conda install ipykernel
在虚拟环境下创建kernel文件:conda install -n 环境名称 ipykernel
如果经常需要用jupyter notebook,那么最好在创建虚拟环境的时候便安装好ipykernel:
conda create -n 环境名称 python=3.9 ipykernel
激活conda环境:conda activate 环境名称
将环境写入notebook的kernel中:
python -m ipykernel install --user --name 环境名称 --display-name "你想为kernel添加的名称"
python -m pip install jupyter_nbextensions_configurator
remove.packages('Seurat')
pkgs = c( 'mixtools', 'lars', 'dtw', 'doSNOW', 'hdf5r' )
#pkgs=c('jackstraw','slingshot')
BiocManager::install(pkgs,ask = F,update = F)
packageurl <- "https://cran.r-project.org/src/contrib/Archive/Seurat/Seurat_2.3.4.tar.gz"
install.packages(packageurl, repos=NULL, type="source")
library(Seurat)