一站式AI开发环境在星图GPU上部署gte-base-zh并配置Jupyter Notebook你刚在星图GPU上部署好了gte-base-zh模型镜像看着那个命令行界面是不是有点无从下手想调试模型、写点代码、看看结果难道每次都要在终端里敲命令、写脚本吗别急今天咱们就来解决这个问题。我会带你一步步把那个“黑乎乎”的命令行环境变成一个功能齐全、界面友好的AI开发工作室。核心就是配置一个Jupyter Notebook让你能在一个网页里轻松完成模型调用、代码编写、结果可视化的所有工作。整个过程就像给你的新家gte-base-zh镜像装上一套智能家居系统操作起来既直观又高效。1. 环境准备与目标确认在开始动手之前我们先明确两件事你现在有什么以及我们最终要得到什么。你已经拥有的是一个运行在星图GPU服务器上的gte-base-zh模型环境。这个环境通常预装了Python、PyTorch等深度学习的基础框架模型本身也已经就绪。但它默认可能只是一个纯净的命令行环境。我们的目标是在这个环境里搭建一个基于网页的Jupyter Notebook服务。这样一来你就能通过浏览器访问一个交互式的编程环境在其中直接导入并使用gte-base-zh模型进行推理和测试。像在本地使用Jupyter一样编写和运行Python代码块。将代码、运行结果包括文本、图表和注释都保存在一个.ipynb文件中便于管理和分享。利用Jupyter的魔法命令和扩展提升开发效率。听起来是不是比反复在终端里操作方便多了我们这就开始。2. 安装与配置Jupyter Notebook首先我们需要进入你已经部署好的gte-base-zh容器环境。通常你可以通过星图平台提供的Web终端或者SSH方式连接进去。2.1 安装Jupyter Notebook核心组件虽然有些基础镜像可能预装了Jupyter但为了确保功能完整我们最好自己安装一次。打开终端执行以下命令pip install jupyter notebook这个命令会安装Jupyter Notebook的核心包。安装过程通常很快。完成后你可以通过jupyter --version命令来验证安装是否成功。2.2 生成Jupyter配置文件并设置密码为了安全地通过网页访问我们需要为Jupyter设置一个访问密码而不是使用默认的Token一长串字符这样更方便记忆。生成配置文件如果这是你第一次在该环境配置Jupyter需要先生成默认配置文件。jupyter notebook --generate-config这条命令会在你的用户目录下通常是~/.jupyter/生成一个名为jupyter_notebook_config.py的配置文件。设置访问密码接下来我们设置一个密码。在终端输入jupyter notebook password然后根据提示输入并确认你想要设置的密码。这个密码会被加密后存储到配置文件中。以后通过浏览器访问时就需要输入这个密码。2.3 修改关键配置项现在我们需要编辑刚才生成的配置文件告诉Jupyter如何运行。# 使用你熟悉的文本编辑器打开配置文件比如nano或vim nano ~/.jupyter/jupyter_notebook_config.py在打开的文件中找到并修改或添加以下几行配置你可以用编辑器的搜索功能快速定位# 允许所有IP访问这样你才能通过公网IP在浏览器中访问 c.NotebookApp.ip 0.0.0.0 # 设置一个固定的端口号例如8888方便记忆和访问 c.NotebookApp.port 8888 # 禁止自动打开浏览器因为我们在服务器上没有本地浏览器 c.NotebookApp.open_browser False # 设置Notebook的根目录这里我们设为用户主目录方便管理 c.NotebookApp.notebook_dir /home/your_username # 设置密码验证上一步设置密码后这里会自动生成一般无需手动修改 # c.NotebookApp.password sha1:...注意请将/home/your_username替换为你容器内实际的用户主目录路径。修改完成后保存并退出编辑器。3. 配置持久化存储与工作空间在云服务器上工作最怕的就是环境重启或容器重建导致代码和数据丢失。因此将你的工作目录挂载到持久化存储上是至关重要的一步。3.1 理解存储挂载在星图平台部署镜像时通常有一个“挂载持久化存储”的选项。你应该在部署gte-base-zh镜像时就创建一个持久化存储卷比如命名为my_workspace并将其挂载到容器内的某个路径例如/workspace。这样所有保存在/workspace目录下的文件即使容器停止或重新创建也会被永久保留。而容器内部其他路径如/tmp,/home下的部分的数据则可能丢失。3.2 设置Jupyter工作目录为了让Jupyter直接操作我们持久化的文件我们需要将它的启动目录指向这个挂载点。回到刚才的Jupyter配置文件 (jupyter_notebook_config.py)找到c.NotebookApp.notebook_dir这一行将其修改为你的持久化存储挂载路径c.NotebookApp.notebook_dir /workspace现在当你启动Jupyter后它的文件浏览器就会直接显示/workspace目录下的内容你在这里创建的所有Notebook文件和数据集都是安全的。4. 安装Python内核与常用库你的容器里可能只有一个基础的Python环境。为了获得更好的开发体验特别是如果你习惯使用Anaconda管理环境我们可以安装ipykernel来让Jupyter识别特定的Python环境并安装一些常用库。4.1 安装ipykernelipykernel是Jupyter与Python交互的核心。确保它已被安装pip install ipykernel4.2 可选创建并注册独立的Conda环境如果你希望工作环境更干净、依赖管理更清晰可以使用Anaconda如果镜像已预装或Miniconda创建一个独立环境。# 1. 创建一个名为“gte-dev”的新环境并指定Python版本 conda create -n gte-dev python3.9 # 2. 激活这个环境 conda activate gte-dev # 3. 在这个环境中安装ipykernel并将其注册到Jupyter python -m ipykernel install --user --name gte-dev --display-name Python (gte-dev)完成这一步后当你启动Jupyter Notebook在新建Notebook时就可以选择“Python (gte-dev)”这个内核了它会使用你conda环境里安装的所有包。4.3 安装模型依赖与实用工具确保gte-base-zh模型所需的包已安装通常在基础镜像里已包含如sentence-transformers。此外建议安装一些数据分析可视化常用库方便在Notebook里查看结果# 如果使用conda环境请先激活环境 conda activate gte-dev pip install numpy pandas matplotlib seaborn # 如果需要更强大的交互式图表 # pip install plotly5. 启动服务与访问验证所有配置都已完成现在是见证成果的时刻。5.1 启动Jupyter Notebook服务在终端中直接运行jupyter notebook你会看到类似下面的输出其中包含了一个带有Token的URL例如http://0.0.0.0:8888/?tokenabc123...。因为我们设置了密码所以可以忽略这个Token记住IP和端口号0.0.0.0:8888即可。更推荐的方式后台运行为了让服务在你关闭终端后也能持续运行可以使用nohup或将其放到后台nohup jupyter notebook jupyter.log 21 这样服务会在后台运行日志输出到jupyter.log文件。你可以用tail -f jupyter.log查看实时日志。5.2 通过浏览器访问打开你的本地电脑浏览器。在地址栏输入http://你的星图服务器公网IP地址:8888页面会跳转到密码输入界面输入你在第2.2步设置的密码。登录成功后你就进入了熟悉的Jupyter Notebook文件管理界面左侧文件列表显示的就是/workspace或你设置的目录下的内容。5.3 创建你的第一个AI测试Notebook在Jupyter界面右上角点击“New” - “Python (gte-dev)”如果你配置了conda内核或“Python 3”默认内核创建一个新的Notebook。在第一个代码单元格中尝试导入gte-base-zh模型并运行一个简单的句子编码示例# 单元格 1: 导入模型 from sentence_transformers import SentenceTransformer model SentenceTransformer(your/path/to/gte-base-zh) # 请替换为模型在容器内的实际路径 print(模型加载成功) # 单元格 2: 进行编码 sentences [今天天气真好, 这是一个测试句子] embeddings model.encode(sentences) print(f句子向量维度{embeddings.shape}) print(f第一个句子的向量前10维{embeddings[0][:10]})依次运行这两个单元格如果看到模型加载信息和向量输出恭喜你一站式AI开发环境已经成功搭建并运行起来了6. 总结与后续建议走完整个流程你会发现原本需要通过命令行复杂操作的环境现在变成了一个通过浏览器就能轻松驾驭的集成工作站。你可以在Notebook里分步骤地调试模型参数、编写数据处理流水线、可视化嵌入向量的效果甚至撰写详细的实验笔记所有工作都集中在一个地方极大地提升了开发迭代的效率。实际用下来这种方式的优势很明显尤其是对于需要反复实验和记录的AI项目开发。模型和环境在强大的GPU服务器上而操作界面就在你手边的浏览器里体验非常流畅。这里还有几个小建议或许能让你的体验更好探索Jupyter扩展可以安装jupyter_contrib_nbextensions里面有很多实用插件比如代码折叠、目录生成、变量检查器等。版本控制别忘了将/workspace下的重要代码用Git管理起来这是团队协作和代码回溯的基石。资源监控在运行大型模型或数据处理时可以在Notebook里用!nvidia-smi这样的命令查看GPU使用情况做到心中有数。现在你的gte-base-zh模型已经不再是一个孤立的工具而是一个连接了强大算力和便捷交互的AI开发中心。接下来就尽情在这个环境里探索文本嵌入的更多可能性吧。获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。