Jupyter Notebook

问题

每一篇 AI 论文、教程和 Kaggle 竞赛都使用 Jupyter notebook。它们让你分段运行代码、内联查看输出、混合代码与说明，并快速迭代。如果不用 notebook 学习 AI，就像做数学作业没有草稿纸。

但 notebook 也有真正的陷阱。人们把它们用在所有事情上，包括它们并不擅长的事。知道何时使用 notebook、何时使用脚本，能让你避免日后的调试噩梦。

概念

Notebook 是一系列 cell 的列表。每个 cell 要么是代码，要么是文本。

graph TD
    A["**Markdown Cell**\n# My Experiment\nTesting learning rate 0.01"] --> B["**Code Cell** ► Run\nmodel.fit(X, y, lr=0.01)\n---\nOutput: loss = 0.342"]
    B --> C["**Code Cell** ► Run\nplt.plot(losses)\n---\nOutput: inline plot"]

Kernel 是在后台运行的 Python 进程。运行 cell 时，代码被发送到 kernel，由它执行并把结果返回。所有 cell 共享同一个 kernel，因此变量会在 cell 之间保持。

graph LR
    A[Notebook UI] <--> B[Kernel\nPython process]
    B --> C[Keeps variables in memory]
    B --> D[Runs cells in whatever order you click]
    B --> E[Dies when you restart it]

「按你点击的任意顺序执行」这一点既是超能力，也是坑。

构建它

步骤 1：选择界面

三种界面，同一种格式：

三种界面都读写相同的 .ipynb 文件。选你喜欢的即可。JupyterLab 是 AI 工作中最常见的。

bash复制pip install jupyterlab
jupyter lab

步骤 2：键盘快捷键

你在两种模式下操作。按 Escape 进入命令模式（左侧蓝条），按 Enter 进入编辑模式（左侧绿条）。

命令模式（最常用）：

编辑模式：

Shift+Enter 是你一天会用上千次的快捷键。先记住它。

步骤 3：Cell 类型

代码 cell 运行 Python 并显示输出：

python复制import numpy as np
data = np.random.randn(1000)
data.mean(), data.std()

输出：(0.0032, 0.9987)

Markdown cell 渲染格式化文本。用它们记录你在做什么以及为什么。支持标题、加粗、斜体、LaTeX 数学（$E = mc^2$）、表格和图片。

步骤 4：Magic 命令

这些不是 Python。它们是 Jupyter 专用命令，以 %（行 magic）或 %%（cell magic）开头。

给代码计时：

python复制%timeit np.random.randn(10000)

输出：45.2 us +/- 1.3 us per loop

python复制%%time
model.fit(X_train, y_train, epochs=10)

输出：Wall time: 2.34 s

%timeit 多次运行代码并取平均。%%time 只运行一次。微基准测试用 %timeit，训练运行用 %%time。

启用内联绘图：

python复制%matplotlib inline

现在每个 plt.plot() 或 plt.show() 都会直接在 notebook 中渲染。

不用离开 notebook 即可安装包：

python复制!pip install scikit-learn

! 前缀可以运行任意 shell 命令。

检查环境变量：

python复制%env CUDA_VISIBLE_DEVICES

步骤 5：内联显示富输出

Notebook 会自动显示 cell 中最后一个表达式。但你可以控制它：

python复制import pandas as pd

df = pd.DataFrame({
    "model": ["Linear", "Random Forest", "Neural Net"],
    "accuracy": [0.72, 0.89, 0.94],
    "training_time": [0.1, 2.3, 45.6]
})
df

这会渲染一个格式化的 HTML 表格，而不是文本转储。绘图也一样：

python复制import matplotlib.pyplot as plt

plt.figure(figsize=(8, 4))
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title("Inline Plot")
plt.show()

图片会直接出现在 cell 下方。这就是 notebook 主导 AI 工作的原因：你可以同时看到数据、图表和代码。

对于图片：

python复制from IPython.display import Image, display
display(Image(filename="architecture.png"))

步骤 6：Google Colab

Colab 是一个免费的云端 Jupyter notebook。它提供 GPU、预装库和 Google Drive 集成。无需配置。

1. 访问 colab.research.google.com
2. 上传本课程的任意 .ipynb 文件
3. 运行时 > 更改运行时类型 > T4 GPU（免费）

Colab 与本地 Jupyter 的区别：

• 文件不会在会话之间持久化（保存到 Drive 或下载）
• 已预装：numpy、 pandas、matplotlib、torch、tensorflow、sklearn
• 用 from google.colab import files 上传/下载文件
• 用 from google.colab import drive; drive.mount('/content/drive') 进行持久化存储
• 免费版会话在 90 分钟无活动后超时

使用它

Notebook 与脚本：何时使用谁

规则：在 notebook 中探索，在脚本中交付。

常见的 AI 工作流程：

1. 在 notebook 中探索数据
2. 在 notebook 中原型化模型
3. 一旦能工作，就把代码移到 .py 文件
4. 把这些 .py 文件重新导入 notebook 进行进一步实验

常见陷阱

乱序执行。 你先运行 cell 5，再运行 cell 2，然后 cell 7。在你的机器上能跑通，但别人从上到下运行时就会崩溃。修复：分享前执行 Kernel > Restart & Run All。

隐藏状态。 你删除了一个 cell，但它创建的变量仍在内存中。Notebook 看起来很干净，却依赖一个「幽灵 cell」。修复：定期重启 kernel。

内存泄漏。 加载 4GB 数据集、训练模型、再加载另一个数据集。没有任何东西被释放。修复：del variable_name 和 gc.collect()，或者重启 kernel。

交付它

本节课产出：

• outputs/prompt-notebook-helper.md —— 调试 notebook 问题

练习

1. 打开 JupyterLab，创建一个 notebook，用 %timeit 对比「列表推导式」与 numpy 生成 100,000 个随机数的速度
2. 创建一个同时包含 markdown cell 和代码 cell 的 notebook，加载 CSV、显示 dataframe 并绘制图表。然后执行 Kernel > Restart & Run All，验证它能从上到下正常运行
3. 把 code/notebook_tips.py 的代码粘贴到 Colab notebook 中，并用免费 GPU 运行

提示

练习 1。 用 jupyter lab 启动 JupyterLab，然后把每个版本放在各自以 %timeit 开头的 cell 中。两个 cell 使用相同的 100,000 规模，这样两次测量才是相同工作量。

练习 2。 用 pd.read_csv 读取数据，把 dataframe 作为 cell 的最后一行显示，并用 df.plot() 或 matplotlib 绘图。执行 Kernel > Restart & Run All 后，每个 cell 都必须显示执行序号，且不能有 cell 报错。

练习 3。 在 Colab 中，粘贴代码前先选择 运行时 > 更改运行时类型 > GPU。当 code/notebook_tips.py 中的每个函数都打印出对应部分，并且某个 cell 中 torch.cuda.is_available() 返回 True 时，运行正确。

关键术语

延伸阅读

• JupyterLab 文档，了解完整功能
• Google Colab 常见问题，了解 Colab 的限制与功能
• 28 个 Jupyter Notebook 技巧，了解高级快捷键