简介
ipyjana 是一款基于 TypeScript 开发的用于在浏览器中集成 Jupyter Notebooks 的 npm 包。它能够帮助开发者在前端项目中快速集成 Jupyter Notebooks,并且可以兼容大部分浏览器。
安装
你可以通过 NPM 安装 ipyjana:
--- ------- ------- ------
也可以通过 Yarn 安装:
---- --- -------
快速开始
创建一个新的 Jupyter Notebook
在 HTML 中,你需要一个元素来承载 Notebook。默认情况下,ipyjana 将使用 CreateJS 作为回调库,因此你不需要使用其他库来加载 Notebook:
--------- ----- ------ ------------- ------ ---- -------------------- ------- ----------------------------------------- -------- ----- -------- - ------------------------ ---------- ----------------------------------- --- --------- ------- -------
这将在浏览器中创建一个新的 Notebook,其中包含一个新的代码单元格。
执行代码
为了通过 ipyjana 运行代码,你需要调用 eval
方法:
--------------- ------------ -------- ---
获取输出
你可以使用 onOutput
方法来获取代码单元格的输出:
-------------------------- ------- -- - -------------------- ---
加载 Notebook
你可以使用 loadNotebook
方法来加载一个 Notebook 文件:
----------------------------------------
保存 Notebook
使用 saveNotebook
方法可以将修改后的 Notebook 保存到服务器:
----------------------------------------
示例代码
在 Notebook 中使用 D3.js
以下示例演示了如何从 Jupyter Notebook 中使用 D3.js。首先,我们需要安装 D3.js:
--- ------- -- ------
然后,我们需要在 Notebook 中导入 D3:
------ --------------- -- ------- ---- ------------------ ------ ------------------- -------------------- --- ----------------- ----------------------- ------------------------------------------- -----------
现在,在 Notebook 中,我们可以使用 D3.js:
------------ ----- ---- - --- -- --- --- --- ---- ----------------- --------------- ----------- -------- ------------ ----------------- - ------ ---- ------ - - - - ---- ---
这将在 Notebook 中显示一组数字,类似于这样:
--- ------ -- --- ------ -- --- ------ --- --- ------ --- --- ------ --- --- ------ ---
在 Notebook 中使用 TensorFlow.js
以下示例演示了如何从 Jupyter Notebook 中使用 TensorFlow.js。首先,我们需要安装 TensorFlow.js:
--- ------- ---------------- ------
然后,我们需要在 Notebook 中导入 TensorFlow.js:
------ --------------- -- ------- ---- ------------------ ------ ------------------- -------------------- --- ----------------- ----------------------- -------------------------------------------------------------------------------------- -----------
现在,在 Notebook 中,我们可以使用 TensorFlow.js:
------------ ----- -------- --------- - ----- ----- - --------------- ------- ----------------------------- ------ ------ --- ----------- --------- ----------------------- --- ----------- ------------ --- ----- -------------------- -------------------------- ---------- --------- ------ ------ - ----- ----- - ----- ----------
这将在 Notebook 中创建一个简单的神经网络模型,其中包含一个密集层,并在最后添加一个 softmax 分类器。
来源:JavaScript中文网 ,转载请联系管理员! 本文地址:https://www.javascriptcn.com/post/60067381890c4f727758423a