ML und Data Science: JupyterLab 3.0 lässt sich einfacher erweitern

Die Weboberfläche für Jupyter Notebooks bietet nun einen visuellen Debugger und läuft auf dem neuen Jupyter Server.

In Pocket speichern vorlesen Druckansicht 4 Kommentare lesen

(Bild: Pixels Hunter / shutterstock.com)

Lesezeit: 2 Min.
Von
  • Matthias Parbel

Als webbasierte Nutzeroberfläche dient JupyterLab vor allem Data Scientists und Fachleuten für maschinelles Lernen für die komfortable Arbeit mit interaktiven Jupyter Notebooks, in denen sich Text, Code, Visualisierungen und Formeln kombinieren und im Browser darstellen lassen. Die nun veröffentlichte Version JupyterLab 3.0 bietet verschiedene Neuerungen, die Anwendern unter anderen den Umgang mit Erweiterungen sowie das Debuggen erleichtern sollen.

Der im vergangenen Frühjahr erstmals vorgestellte visuelle Debugger ist ab sofort fester Bestandteil von JupyterLab 3.0. Wie in gängigen Entwicklungsumgebungen üblich, erlaubt der Debugger das Setzen von Breakpoints sowie die schrittweise Prüfung des Codes. Voraussetzung dafür ist allerdings ein Kernel mit Debugging-Unterstützung – dann lässt sich der visuelle Debugger entweder beim Start von JupyterLab aktivieren oder anschließend über den zugehörigen Menüeintrag.

Entwicklerinnen und Entwicklern, die JupyterLab-Anwendern vorgefertigte Erweiterungen zur Verfügung stellen wollen, können Upgrades der darin enthaltenen Python-Pakete nun mit dem neuen Skript python -m jupyterlab.upgrade_extension automatisieren. Das Skript aktualisiert alle relevanten Abhängigkeiten und ergänzt den notwendigen Boilerplate-Code für das Package. Bei Erweiterungen, die bereits Python Packages enthalten, werden die Dateien allerdings nicht überschrieben, sodass zumindest ein Teil des Inhalts manuell kopiert werden muss.

Mehr zum Thema

Auch für Anwender wird die Arbeit mit Erweiterungen in JupyterLab dadurch komfortabler. Bisher war es häufig notwendig die Weboberfläche neu zu starten, wenn Extensions hinzugefügt werden sollten. Die von Entwicklern als Python-Pakete bereitgestellten Erweiterungen lassen sich jetzt jedoch einfach über pip oder conda installieren.

Mit Veröffentlichung von Version 3.0 vollzieht das Entwicklerteam hinter JupyterLab außerdem den Wechsel vom bisherigen Notebook-Server auf den neuen Jupyter Server. Das neue Back-end für sämtliche Jupyter-Webanwendungen stellt die Core Services, APIs und REST-Endpunkte bereit und ersetzt den bisher in Jupyter Notebooks verwendeten Tornado Web Server. Anwendern von JupyterLab 3.0 rät das Entwicklerteam daher, vor allem Server-Erweiterungen zu aktualisieren. Ein Migration Guide soll bei den notwendigen Maßnahmen für den Umstieg auf den neuen Server helfen.

Eine Zusammenfassung aller wichtigen Änderungen in JupyterLab 3.0 bietet das Changelog. Eine vollständige Liste aller Pull Requests und der abgeschlossenen Aufgaben findet sich auf GitHub.

(map)