步骤 #4：使用 Jupyter Notebook 示例

要打开提取的 Jupyter Notebook，请使用页面左侧的 JupyterLab 目录导航窗格 - 双击 /workspace 目录，然后双击 FashionMNIST Notebook.ipynb 文件，该文件位于 /workspace 目录内。

应该会打开一个新的选项卡，提供对目标 notebook 的访问权限。

notebook 的开头部分主要介绍了本地系统设置 - Base Command 已经为您处理了许多步骤，例如

我们只需要运行一个使用所需容器的 Base Command 作业即可完成这些步骤。我们已经在运行 JupyterLab（通过我们用于启动作业的命令）。

我们可以跳过所有步骤，直接跳到 notebook 的步骤 5 - Fashion-MNIST Image Classification with TensorFlow。

关于 Jupyter Notebooks 使用的详尽教程超出了本实验的范围 - 但要执行 notebook 中的代码示例，您可以在单击目标代码后按 Shift+Enter - 请记住，按顺序执行代码块通常对于使示例正确运行是必要的。

当代码块成功启动时，其左侧将有一个 [*] 指示符 - 完成后，* 的位置将显示一个整数值，该值将为每个后续代码块执行递增。

在这个特定的 notebook 中，如果您单击以 # Import Tensorflow and check version 开头的代码块，并使用 Shift+Enter 运行它，完成后，您的光标焦点应转移到下一个可运行的代码块。继续使用 Shift+Enter 运行每个新的代码块。

如果成功，您应该在代码块中训练模型，运行时，该代码块显示值 [15]，如下面的屏幕截图所示。

一旦所有 15 个 epoch 完成，最后一个代码块将测试模型的验证准确率 - 正如 notebook 建议的那样，观察到的准确率接近 88%。

我们已成功使用 Base Command 启动了一个作业来启动 JupyterLab - 然后我们在 NGC Catalog 的资源库中找到了一个要使用的 Jupyter Notebook，将资源下载到我们正在运行的作业中，并使用了该 notebook！

如果需要，可以手动停止正在运行的作业，或者可以将其保留为运行完成（当达到尾随 sleep 命令指示的时间长度时）。鼓励尽早结束任务，以便为其他用户释放资源。