最近在Kaggle中学习一些关于ML的方法，其提供的 kernel是一个很好的工具，非常类似于Jupyter notebook
kaggle Kernel本质上是一种jupyter笔记本，可以在浏览器中直接运行代码，并提供免费的gpu
但是遇到一个问题：如果某个训练的模型需要跑N个小时，kernel有时会由于一些原因（可能网络，也可能是无法长时间待机）导致断开；待重开打开后，模型又要重新跑了（而且是该notebook里所有代码都要重新跑）。。。
如果将代码拿到本机上跑，则太占用资源（CPU/内存），有时由于配置不够的原因，导致模型训练速度大大拉长。。
这时我才想起来可以在服务器上安装个Jupyter notebook，然后本机远程连接即可，只要网络不出问题，即可长时间的待机运行代码
安装及配置
系统：ubuntu 18.04
安装过程可参照：Installing Jupyter Notebook，个人倾向于Anaconda来安装
设置远程登录密码，先启动ipython，然后输入以下代码：
from IPython.lib import passwd
passwd()会要求输入两次密码（即之后用的登录密码），然后会生成一个sha1加密字符串'sha1:.......'，copy下来在之后的配置文件修改中会用到
接着生成配置文件jupyter_notebook_config.py（如果是root权限的，则加上--allow-config）
jupyter notebook --generate-config对配置文件进行修改（找到下面对应行，去掉#并修改）
vim ~/.jupyter/jupyter_notebook_config.py
c.NotebookApp.allow_remote_access = True #允许远程连接
c.NotebookApp.ip='*' # 设置所有ip皆可访问
c.NotebookApp.password = u'sha1:.......' #之前复制的密码
c.NotebookApp.open_browser = False # 禁止自动打开浏览器
c.NotebookApp.port =8888 #任意指定一个端口然后启动jupyter notebook（后台运行）
# jupyter notebook
nohup jupyter notebook >~/jupyter.log 2>&1 &注意事项
后来发现，其实配置文件没有必要一定要修改，通过jupyter notebook --help-all可发现其提供了多个参数来控制配置文件，比如用--ip来指定可访问的ip，--no-browser来设置禁止自动打开浏览器，--port来指定端口等等
jupyter notebook --ip=0.0.0.0 --no-browser --port 8888如果做了上述操作后，还是无法访问Jupyter notebook，记得看下是否将端口加入到服务器的防火墙白名单里（对于这个坑。。。我折腾了好一会才发现）
参考资料
安装教程（二）：Ipython Notebook的远程访问设置
jupyter notebook的安装与基本操作
ubuntu安装jupyter 并设置远程访问
Ubuntu安装Jupyter notebook——开启远程访问
本文出自于http://www.bioinfo-scrounger.com转载请注明出处