JupyterLab部署使用

JupyterLab部署使用

JupyterLab 是 Jupyter 的下一代 Web 界面，支持 Notebook、终端、文本编辑器、数据查看器等，适用于数据科学、机器学习、深度学习等场景。本文档介绍如何部署与使用 JupyterLab，与实训平台无关。

---

快速开始

本地 Windows 环境（pip 方式）

安装：

pip install jupyterlab

启动：

python -m jupyterlab --ip=0.0.0.0 --port=8888 --no-browser

运行目录说明： JupyterLab 的根目录（文件浏览器中显示的起点）为执行上述命令时所在的当前目录。例如在 D:\projects\my-work 下执行启动命令，则 Web 界面中的文件树将以 D:\projects\my-work 为根目录。建议先 cd 到工作目录再启动。

cd D:\projects\my-work
python -m jupyterlab --ip=0.0.0.0 --port=8888 --no-browser

上传与地址映射： 文件浏览器中的路径与本地磁盘路径一一对应。在 Web 中浏览到某目录并上传文件时，文件会保存到该目录对应的本地路径。若需显式指定根目录（与当前工作目录解耦），可使用 --ServerApp.root_dir：

# 指定根目录，不受启动时 cd 位置影响
python -m jupyterlab --ip=0.0.0.0 --port=8888 --no-browser --ServerApp.root_dir="D:/projects/my-work"

此时 Web 文件树的根目录为 D:\projects\my-work，上传文件将落在此目录及其子目录下。

Docker 运行

使用官方镜像快速启动：

docker run -d \
  --name jupyterlab \
  -p 8888:8888 \
  -v "$(pwd)/work:/home/jovyan/work" \
  jupyter/scipy-notebook:latest

Windows 下 $(pwd) 改为 %cd%。首次运行会生成 token，通过 docker logs jupyterlab 查看访问地址。

---

访问地址

启动成功后，在浏览器中访问：

• http://localhost:8888/lab
• http://127.0.0.1:8888/lab

---

停止服务器

• 本地运行：在运行 JupyterLab 的终端按 Ctrl+C 停止
• Docker 运行：docker stop jupyterlab

---

自定义镜像（中文界面）

官方 jupyter/scipy-notebook:latest 默认是英文界面。如需界面语言（菜单、按钮等）为中文，可使用本目录下的 Dockerfile 构建自定义镜像，预装 jupyterlab-language-pack-zh-CN。

安装中文语言包（已运行容器内）

pip install jupyterlab-language-pack-zh-CN

安装后，在 Jupyter Lab 中：Settings → Language → 选择 Chinese (Simplified, China) 即可切换为中文界面。

构建自定义镜像

Windows：

build_image.bat

# 可选：指定镜像名和标签
build_image.bat my-jupyter 1.0

Linux / WSL：

chmod +x build_image.sh
./build_image.sh

# 可选：指定镜像名和标签
./build_image.sh my-jupyter 1.0

默认构建结果为 jupyter/scipy-notebook-zh:latest。

首次使用：切换为中文界面

构建并运行容器后，首次打开 Jupyter Lab 时：

1. 点击菜单 Settings（设置）
2. 选择 Language（语言）
3. 选择 Chinese (Simplified, China)（中文（简体，中国））
4. 页面会刷新，界面即显示为中文

---

扩展与依赖预装

基础镜像选择

镜像	预装内容	适用场景
jupyter/scipy-notebook	NumPy、SciPy、pandas、matplotlib、scikit-learn	数据科学、传统 ML，可按需装深度学习
jupyter/tensorflow-notebook	上述 + TensorFlow	以 TensorFlow 为主的深度学习
jupyter/pytorch-notebook	上述 + PyTorch	以 PyTorch 为主的深度学习
jupyter/datascience-notebook	上述 + R、Julia	多语言数据科学

建议：以 scipy-notebook 为基础，通过 pip 按需补充深度学习与大模型生态；若主用 PyTorch，可直接选用 pytorch-notebook。

推荐预装包（按场景）

场景	包名	用途
图像与视觉	opencv-python-headless	图像处理（无 GUI，适合无显示器环境）
图像与视觉	albumentations	数据增强
文本与 NLP	transformers	Hugging Face 预训练模型（BERT、GPT 等）
文本与 NLP	datasets	Hugging Face 数据集
文本与 NLP	sentence-transformers	文本向量与检索
文本与 NLP	spacy	NLP 流程（可配合中文模型）
深度学习	torch	PyTorch
深度学习	tensorflow	TensorFlow
深度学习	accelerate	大模型加载与分布式训练
深度学习	bitsandbytes	量化（8bit/4bit，节省显存）
AI 大模型	langchain	大模型应用框架
AI 大模型	gradio	快速构建 Web 演示界面
通用工具	xgboost、lightgbm	梯度提升
通用工具	plotly	交互式可视化

Dockerfile 预装示例

在 Dockerfile 中追加预装包，例如（精简版 + 中文语言包）：

RUN pip install --no-cache-dir \
    jupyterlab-language-pack-zh-CN \
    opencv-python-headless \
    torch \
    transformers \
    datasets \
    accelerate \
    sentence-transformers \
    xgboost \
    plotly \
    && fix-permissions "${CONDA_DIR}" && fix-permissions "/home/${NB_USER}"

注意事项

1. PyTorch vs TensorFlow：二者同时安装会明显增大镜像体积，可按主力框架选其一
2. GPU 支持：若需 GPU 加速，应使用带 CUDA 的 PyTorch 镜像，或基于 nvidia/cuda 构建并安装对应 CUDA 版 PyTorch
3. 中文 NLP：使用 spacy 时，可下载中文模型：python -m spacy download zh_core_web_sm
4. 镜像大小：可维护轻量版（仅基础 ML + 中文）与完整版（含深度学习与大模型）两个 Dockerfile，按场景选择构建