Jupyter Notebook是基于網頁的用于交互計算的應用程序，可以被應用于全過程計算：從開發、文檔編寫、到運行代碼和展示結果。簡而言之，Jupyter Notebook可以讓開發者直接在網頁頁面中編寫代碼和運行代碼，代碼的運行結果也會直接在代碼塊下顯示，同時如果在編程過程中需要編寫說明文檔，也可以在同一個頁面中直接編寫，便于作及時的說明和解釋。Notebook這種靈活簡便的交互方式十分適用于機器學習的學習和訓練，因為機器學習項目往往需要反復測試和實驗，以及編寫文檔記錄調參的過程，還可以在Notebook中進行數據可視化的代碼開發和展現，觀察實驗數據。總結來說，Jupyter Notetook本身具有以下特點：

1、編程時具有語法高亮、縮進、tab補全的功能

2、可直接在瀏覽器中以代碼塊為單位運行代碼，實時調試，運行輸出直接顯示在代碼塊下方

3、支持Markdown語法編寫說明文檔

4、支持使用LaTeX編寫數學性說明

5、支持數據可視化的展現，支持的格式包括 HTML, PNG, SVG等

可見，在AI開發過程中，Notebook開發方式可以幫助開發者更直觀、簡便地進行代碼編寫，提升模型的開發速度。百度大腦EasyDL零門檻AI開發平臺，一站式支持智能標注、模型訓練、服務部署等全流程功能，面向為企業開發者打造。EasyDL專業版支持深度開發高精度AI模型，為了向開發者們提供更易用、更靈活的開發環境，專業版在2020年4月份上線了Notebook功能，打通了 Jupyter Notebook在進行深度學習項目開發時的上下游環節，開發者在享受EasyDL一站式深度學習模型開發流程的同時，又能自由地使用任意合適的預訓練模型進行訓練和調參。具體來說，EasyDL專業版中的Notebook具有以下特點：

1、打通了EasyDL數據管理模塊，支持直接使用EasyDL中的數據集進行訓練，無須重復上傳

2、強大的代碼編輯靈活性，完全自定義的模型訓練環境，不受限于EasyDL腳本調參中內置的模型，從而滿足深度自定義的模型自編程需求

3、提供高性能GPU訓練資源（V100），并有充分的免費試用額度（目前為100小時）

4、在EasyDL操作臺中提供Notebook產出的模型多版本管理以及效果對比

5、提供一鍵服務部署，可進行臨時效果校驗和生產環境API級服務封裝

接下來我們通過使用流程介紹來逐步展現這些特點：

EasyDL專業版Notebook具體使用步驟：

1、首先，可以通過以下網址進入Notebook操作頁面：

 https://ai.baidu.com/easydl/pro/app/projects/notebook/

若沒有登錄百度云賬號的，會先跳轉到登錄頁面，登錄成功后到達EasyDL專業版Notebook操作界面。

2、這個時候還沒有項目，我們來創建一個。點擊“馬上創建”，可以在彈窗中選擇任務類型，可選擇圖像分類的單標簽或多標簽、物體檢測，完成名稱等信息的填寫后即可創建。

展示中選擇的是物體檢測，在后面生成的代碼模板會根據選擇模型的不同而作出對應調整。

3、創建項目后，會獲得一個空模型版本。接下來要準備打開Notebook進行操作了，點擊這里的“配置環境”，進來需要選一下PaddlePaddle版本、Python版本、以及GPU型號。現在默認都是GPU V100，限時100小時免費，無論從價值還是配置，都非常優秀。

4、點擊“啟動Notebook”，啟動時常約3-5分鐘。

5、啟動成功后，我們即可進入Notebook界面：左邊欄可以查看文件夾、數據集、運行環境和相關設置，右側顯示了入口的Notebook和一個終端。
我們注意看下文件夾，默認保留了三個文件夾，均與EasyDL的相關服務有關聯，請勿隨意刪除。
-PretrainedModel文件夾: 存放notebook中訓練出的模型，可以用于后續在EasyDL中進行模型保存和發布
-data文件夾：存放數據集的目錄，初始時候是空的，后面從EasyDL導入的數據會存放在這里，具體導入步驟我們下一步再看
-demo文件夾: 存放的預置的示例代碼，使用入口是demo/train.sh

6、接下來即可進入訓練環節。首先，在數據準備時，Notebook開發環境作為EasyDL專業版的一部分，可與EasyDL專業版共享數據集，直接進行導入：

• 先點擊左側導航欄中的【數據集】，進入后點擊【導入數據集】，會彈出所有已經在專業版上已經上傳的數據集，可根據需要選擇相應數據集進行導入。

• 選擇后，在數據集tab下即可查看到選擇的數據集正在進行導入，導入時長與數據集大小正相關。

7、下一步來到運行訓練代碼，我們可以直接用示例代碼來先跑跑看，示例代碼入口是demo/train.sh, 第一個參數是數據集路徑，第二個參數是運行導出的模型路徑。這里數據集的路徑需要我們修改成實際導入的數據集路徑，一般是/home/work/data/${dataset_id}, 這里dataset_id可以從數據集導入邊欄里看到，也可以在導入成功之后直接查看data文件夾。

8、數據集路徑也可以在Notebook代碼中進行修改，點擊運行即可開始訓練模型。這里我用的是mnist的數據集，但是修改了框出的數字的位置，變成了物體檢測的數據集。

 此時，我們在【終端-1】中，可以看到訓練任務正在運行：

9、運行完成速度與數據量有關，在完成后可以看到在PretrainedModel文件夾下有了這些模型文件：

10、大家可以對模型再進行調優，不過記住產出的模型都需要放在PretrainedModel文件夾下面，接著我們來發布這個demo模型

a）首先需要對模型進行保存，點擊上方的【保存模型】，會回到EasyDL的操作臺上進行發布

b) 首先在彈窗中選擇模型框架。此處可以選擇【生成新版本】或是【覆蓋現有可升級模型】

選擇【生成新版本】即可在EasyDL控制臺的項目下就會出現一個新版本

選擇【覆蓋現有可升級模型】即可覆蓋EasyDL操作臺顯示的舊版本

c) 然后選擇要保存的文件，需要注意的是，此處的幾個文件都必須選中，否則會導致發布失敗

d) 然后選擇對應的代碼進行保存：

e)最后點擊生成，稍等后就會收到提示：“版本生成成功”

11、回到EasyDL專業版的操作臺，由于保存的時候選擇了【生成新版本】，可以看到此處已經增加了新建的V2版本：

12、然后點擊模型配置，準備發布。此處，可以填寫模型的相關信息，下一步選擇模型文件，也就是剛才在Notebook頁面保存模型時選擇的文件：

之后可以對出入參、模型預測時的預處理及后處理代碼進行編輯。例如，我想修改發布后預測接口返回字段的格式，這里加了個size字段，可以參考下圖稍做改動，點擊提交。

13、提交之后，在專業版的操作臺，可以看到V2版本的狀態處于“代碼驗證中”，稍等狀態變成有效之后，可以點擊“效果校驗”，生成demo。

14、點擊“效果校驗”，啟動模型校驗：

15、稍等幾分鐘，啟動完成之后，我們用一張圖來測試下，可以看到識別出了數字是1（預測標簽為1），而且標注出了數字的位置，模型的效果較好。

16、最后進行正式部署，可以看看新添加自定義size字段是否會出現：

   a) 點擊正式部署，填寫API名稱和自定義URL字段

   b) 狀態進入審核中，審核結束后即可進行API調用

c) 審核通過后，可以看到服務詳情，包含設置的調用URL

d) 此時可以嘗試調用API，具體的調用鑒權問題，可以參考官方文檔：

https://ai.baidu.com/ai-doc/EASYDL/Dk38n3yck

    在下方，可以看到調用結果中有"size"屬性了：

對Notebook開發方式感興趣的開發者，可以對照以上流程在EasyDL專業版上進行Notebook建模。后續EasyDL還會在這個基礎上不斷進行迭代升級，包括在Notebook中提供豐富的預置預訓練模型、Notebook代碼自動遷移至EasyDL分布式訓練集群等功能，為開發者提供更加靈活易用的AI模型開發方式。

EasyDL是基于飛槳深度開發平臺為企業級開發者打造的零門檻AI開發平臺，提供數據處理、模型訓練、模型部署全流程功能。其中，EasyDL專業版是面向專業算法工程師群體，專門推出的AI模型開發與服務平臺，內置了百度海量數據訓練的預訓練模型，可以在少量訓練數據上達到更優的訓練效果。在模型的服務部署方面，EasyDL支持將模型發布為公有云API、設備端SDK、似有服務器部署和軟硬一體方案部署，企業可以根據具體的模型應用場景選擇適應的部署方式。目前，已經在零售、工業質檢、安全生產、互聯網內容安全等多個行業成功落地，幫助企業完成智能化轉型，達成降本增效的目標。

百度搜索“EasyDL專業版”或直接訪問：

https://ai.baidu.com/easydl/pro，立即上手Notebook開發！