Quina diferència hi ha entre "Google Cloud Datalab" i "Jupyter quaderns"?


Resposta 1:

GC DataLab es troba a la part superior de Jupyter, de manera que no hi ha diferències en la base.

La diferència serà que hi ha els paquets agrupats i el no-insignificant càlcul de fons que tingueu accés.

Per exemple, faig servir Anaconda per Python, Spyder i Jupyter. Ve amb un paquet de paquets. Però subministro els meus propis recursos de càlcul.

GC DataLab inclou paquets addicionals, per exemple, amb els quals no tingueu cap servei amb Anaconda. I obté el núvol de càlcul.

Si sabeu utilitzar Jupyter, ja sabreu com utilitzar GC DataLab.

Però GC DataLab tindrà paquets i dependències diferents ... i el núvol de càlcul!

Si esteu fent un projecte que diu “instal·lar GC DataLab”, només feu-ho! Obteniu uns crèdits de 300 dòlars per utilitzar al llarg d’un any. Així que molt lliure de provar.

Si intenteu fer la mateixa funcionalitat i no pagueu res, teniu una mica de feina per davant. Clarament veuen una oportunitat per a un producte de subscripció compatible. Haureu de duplicar aquest treball. Probablement tinguin un primer cap de cent anys d'home.


Resposta 2:

A2A: Google Cloud Datalab (que ara es troba en GA) és un banc de treball amb un cicle de vida complet que us ajuda a crear / desplegar / ampliar els vostres models de manera que els quaderns sols no puguin. El seu valor "a més de la integració" amb GCP és força "a més"; és així com dir "a més de permetre la capacitat de volar, quin és el valor de les ales en un avió?" (exageració intencionada amb finalitats il·lustratives).

Mitjançant Cloud Datalab, podeu prototipar el vostre model localment amb scikit-learning o TensorFlow, i després traslladar-lo a / entrenar-lo al núvol amb un gran conjunt de dades; també podeu utilitzar Cloud Dataflow per preprocessar les vostres dades i deixar-les pristines. Cloud Datalab també proporciona control de font i autorització d’usuaris.

Crec que el problema de fons és: si només esteu jugant o treballant en projectes personals, Jupyter funcionarà bé. Si voleu crear models de qualitat comercial i desplegar-los per a la producció, Cloud Datalab proporciona l'enfocament de cicle de vida complet que necessiteu.


Resposta 3:

Jupyter proporciona el nucli de Cloud Datalab respecte a la interfície d'usuari de l'editor; tanmateix, Cloud Datalab proporciona integracions addicionals amb Cloud Platform de manera que no cal que escrigueu aquestes integracions vosaltres mateixos i pugueu prototipar i analitzar ràpidament utilitzant aquestes integracions sense una inversió inicial. El codi de Cloud Datalab és opensource (vegeu googledatalab / datalab a GitHub), de manera que podeu comparar fàcilment el codi font amb el codi font de Jupyter i identificar les diferències per vosaltres mateixos; també podeu emmagatzemar i / o enviar sol·licituds de tirada per obtenir una funcionalitat addicional.