用户管理的笔记本简介

利用 Vertex AI Workbench 用户管理的笔记本实例，您可以创建和管理预封装了 JupyterLab 的深度学习虚拟机 (VM) 实例。

用户管理的笔记本实例中预安装了一套深度学习软件包，包括 TensorFlow 和 PyTorch 框架支持。您可以配置仅限 CPU 的实例或支持 GPU 的实例。

用户管理的笔记本实例受 Google Cloud 身份验证和授权功能的保护，并且可以通过用户管理的笔记本实例网址提供。用户管理的笔记本实例还与 GitHub 集成，并且可以与 GitHub 代码库同步。

用户管理的笔记本实例可为您选择的框架提供经过验证、优化与测试的映像，因此您不必费力地创建和配置深度学习虚拟机。

预装软件

您可以将用户管理的笔记本实例配置为包含以下内容：

JupyterLab（查看版本详细信息）
Python 3，其中包含关键软件包：
- numpy
- sklearn
- scipy
- pandas
- nltk
- pillow
- TensorFlow 2.3 和 2.4 用户管理的笔记本实例的 fairness-indicators
- 其他
R 4.x 版，具有关键软件包：
- xgboost
- ggplot2
- caret
- nnet
- rpy2（用于访问 Python 笔记本中的 R 的 R 软件包）
- randomForest
- 其他许多软件包
Anaconda
Nvidia 软件包，其中包含适用于支持 GPU 的实例的最新 Nvidia 驱动程序：
- CUDA 11.x 和 12.x
- CuDNN 7.x
- NCCL 2.x

默认情况下，JupyterLab 3.x 预安装在新的用户管理的笔记本实例上。对于在 M80 Deep Learning VM 版本之前创建的实例，系统会预安装 JupyterLab 1.x。

如需创建更早版本的用户管理的笔记本实例，请参阅创建特定版本的用户管理的笔记本实例。

VPC Service Controls 可为用户管理的笔记本实例提供额外的安全保障。如需了解详情，请参阅 VPC Service Controls 概览。如需在服务边界内使用用户管理的笔记本，请参阅在服务边界内使用用户管理的笔记本实例。

您可以升级环境以使用新功能，并从框架更新、软件包更新和 bug 修复中获益。您可以手动升级环境，也可以通过自动更新设置升级环境。如需了解详情，请参阅升级用户管理的笔记本实例的环境。

Dataproc 中心是自定义的 Jupyterhub服务器。管理员可以创建 Dataproc 中心实例，这些实例可以生成单用户 Dataproc 集群来托管用户管理的笔记本环境。如需了解详情，请参阅配置 Dataproc hub。

您可以在流水线中使用用户管理的笔记本，然后在 Dataflow 上运行流水线。如需了解如何创建可与 Dataflow 配合使用的 Apache Beam 用户管理的笔记本实例，请参阅使用 Apache Beam 笔记本进行交互开发。

在规划项目时，请考虑用户管理的笔记本的以下限制：

用户管理的笔记本实例具有高度可自定义性，非常适合需要大量控制环境的用户。因此，与代管式笔记本实例相比，用户管理的笔记本实例可能需要更多时间来设置和管理。对于不需要大量控制环境的用户，代管式笔记本实例更为理想。如需了解详情，请参阅代管式笔记本简介。
不支持第三方 JupyterLab 扩展程序。
用户管理的笔记本不支持 Dataproc JupyterLab 插件，但您可以在 Vertex AI Workbench 实例中使用该插件。请参阅创建已启用 Dataproc 的实例。
对于 Dataproc Hub 用户管理的笔记本实例，不支持停用从 JupyterLab 界面下载文件。即使您在创建实例时未选择启用从 JupyterLab 界面下载文件，使用 Dataproc Hub 框架的用户管理笔记本实例也会允许文件下载。
使用 Access Context Manager 和 BeyondCorp Enterprise 通过情境感知访问权限控制保护代管式笔记本实例时，系统会在每次用户向实例进行身份验证时评估其访问权限。例如，系统会在用户首次访问 JupyterLab 时评估访问权限，还会在之后每次访问时评估访问权限（如果用户网络浏览器的 Cookie 过期）。

如需开始使用用户管理的笔记本，请执行以下操作：创建用户管理的笔记本实例，打开 JupyterLab，然后尝试教程文件夹中的一个示例。

JupyterLab 文件浏览器中的教程文件夹。