Jupyter notebook--配置与使用【安装过程+环境配置+运行实例】

前言

Jupyter Notebook 是一个开放源代码的 Web 应用程序,它允许创建和共享包含实时代码、方程式、可视化和叙述性文本的文档。

主要功能:

  1. 交互式计算:用户可以直接在浏览器中编写和执行代码。
  2. Markdown 支持:使用 Markdown 格式来添加文本,包括标题、列表、链接等,使得文档更具有可读性和解释性。
  3. 代码可视化:可以直接在 Notebook 中展示图表和其他可视化元素。
  4. 版本控制:支持将 Notebook 文件放入版本控制系统(如 Git)中进行版本管理。
  5. 分享与协作:可以通过各种途径分享你的 Notebook,例如通过 nbviewer.jupyter.org 查看 Notebook 文件而无需运行环境,或者使用类似 Binder 的服务直接在线运行。

一、初步理解Jupyter 

Jupyter Notebook可以理解为一个类似于pycharm的编辑器,为啥选择使用Jupyter呢,我个人感觉jupyter可以更好的帮助我们理解代码,对于大型的数据处理计算,jupyter可以实时呈现结果,让我们快速知道哪里出现问题,理解代码中间过程。

Jupyter支持多个语言,常见的编程语言Jupyter中都可以实现,对于不同的编译环境,需要给Jupyter配置一个不同的内核(kernels),所谓内核,大家可以理解为给Jupyter配置一个处理代码信息的大脑,不同的内核可以理解不同的代码。本文主要带着带着大家配置python的编译环境。

下面是一些常见语言与对应内核:

  • Python - 默认支持,通过 ipykernel 内核。
  • R - 通过 IRKernel 或 Repr 内核。
  • Julia - 通过 IJulia 内核。
  • Scala - 通过 Tino 或 ScalaKernel 内核。
  • Swift - 通过 SwiftKernel。
  • JavaScript - 通过 node-jupyter。
  • Ruby - 通过 ruby-kernel。
  • Go - 通过 go-ipython 或 gokernel。
  • C/C++ - 通过 cppkernel 或 litestella。
  • SQL - 通过 sqlkernel。

二、安装配置Jupyter环境

首先大家需要安装Anaconda,主要是为给我们的Jupyter创建一个虚拟环境,安装相应的软件包,在Jupyter中编写代码就可以直接调用了。

2.1 环境配置

打开命令提示符:Win + R,输入cmd,按下回车键打开命令提示符窗口。

在命令栏输入

conda --version

3d9d82458d73421894dcc4429f4aa38e.png

显示上述结果说明安装成功。

2.1.1 创建虚拟环境

输入指令,创建一个新的虚拟环境,这里的jupyter_learn是环境变量命名,大家可以自行命名。

conda create --name jupyter_learn

查看环境是否创建成功。

conda env list

31df3e94f26c4506a49f625ba5653619.png

如果环境列表中出现刚刚创建的环境名称,表明安装成功。

 安装需要的库,因为本次带着大家了解深度学习基础的张量计算,所以带着大家安装一下深度学习需要的库,一般默认安装最新版本。

下载:pytorch库

pip install torch

 

查看是否安装成功:

pip list

34d74bc0391b4923b9d6869968b315d4.png

里面都是已经下好的库和软件包,右边显示的版本号。如果能找到torch这个库表示安装成功。

2.1.2 安装Jupyter Notebook

可以直接使用pip下载

pip install jupyter notebook

 2.1.3 将环境注册为内核

6bef789d58c6493ab1af10d55fa30e06.png

在命令行里面如果左边出现刚刚安装的环境,表示在当前环境下,如果没有出现,就输入以下指令。

conda activate jupyter_learn

表示激活当前环境,输入该指令后,左边就能出现刚刚创建的环境名称了。

 下载python所需的内核

pip install ipykernel

`ipykernel` 包允许 Jupyter Notebook 或 JupyterLab 识别和使用 Conda 环境作为内核

在jupyter中注册内核

    python -m ipykernel install --user --name=myenv --display-name="ipykernel_name"

这里:
    

  •     `--user` 表示安装是针对当前用户的;
  •     `--name=myenv` 指定了内核的名称,应与你的 Conda 环境名称一致;
  •     `--display-name="My Environment"` 设置了在 Jupyter Notebook 或 JupyterLab 的下拉菜单中显示的内核名称。

db058391736c4f379ce02fdff5755405.png

大家只需要把myenv改为刚刚创建的环境名称,和ipykernel_name改为自己喜欢的内核名称就好了。

后续我们配置内核的时候就会使用我们刚刚创建的内核名称。

2.2 启动jupyter notebook

输入指令:

jupyter notebook

配置成功会出现下面情形:

248624adf2774e1a9a2087b00fd7befa.png

 启动它们通常会打开一个本地服务器,并在你的默认网络浏览器中自动打开一个特定的 URL 地址。这个 URL 通常是形如 http://localhost:8888/ 或者 http://127.0.0.1:8888/ 的形式,后面跟着具体的路径。8888表示端口号,如果端口被占用就会出现8889等等。

如果没有自动打开浏览器,我们可以复制上述黄色对应的浏览器网址,使用我们本地浏览器进行打开。

dfb2ec8f270047de9c0f6d535d989eb4.png

打开之后就会出现这个页面。这里默认打开的是C盘目录,大家可以在这里创建文件进行编写,也可以打开一个指定目录。

三、完整实操

打开指定目录方便大家文件管理,可以在本地计算机快速找到文件位置。 

带大家完整实操

14a60cf668ee4a07a057f6b8eb4bc290.png

激活环境后,打开我们需要打开的文件目录。

 bf24bec81f714da0bbf41168a4e1610b.png

这里,我将文件放在F盘jupyter work目录下。然后在该目录打开jupyter notebook。

 bc79d0d2474d49278eda625fc1d10c61.png

同样复制网址用浏览器打开。

 8a4d404fb1234bd79f1afc463c463bbd.png

这里,就是我的工作目录啦。

将注册好的内核配置进去 

创建新的工作文件

038177d2c4124dda86dbf927b4d85725.png

选择内核,这里用我们刚刚注册的内核

950a93ae093d42da8f42d6d50fce3686.png

更改文件名称

2e70c02630aa4669b28f168998f1f1e6.png

cb60abff37c9415eb31010d01240c899.png

下面就可以编写代码了。

 5c63feb24ae14e3aa73d486b75e1a832.png

 此时,我们可以在本地计算机找到该文件。

fd31d8e1b9b746f699ebe2469b0f2bd6.png

3.1  注意事项

大家还在启用jupyter后,不要着急关闭命令提示符,如果关掉的话就会显示如下:

9758a7d9adae4c1db3dbafe87b6863dd.png

无法建立笔记本服务器的连接。

三、运行实操

4bbaf442f4f34fd8ada650007595bd40.png

首先,同其他编译环境操作一样,导入所需的库,导入的前提是我们注册的内核(原来创建的虚拟环境注册为jupyter内核)必须已经下载安装好了该库。

如果没有提前安装,就会出现下述情况。6c51c51d2a6d4b2dbfadd085afa061f3.png

 

代码显示没有该模块,解决办法还是回到命令提示符,激活该环境进行下载。过程如上述下载pytorch相同。

8e8707a7150549ca8d260db3467e38e6.png

定义一个全局变量A,为0-11的一维矩阵,按下回车键,书写下一行代码,输入变量A,点击SHIFT+ENTER,就可以输出显示A的结果了,这里和python内置的编译环境idle有些相似,但是这个页面看着就更加舒服。

通过这个功能,我们在编写代码中可以按照代码块进行编写,然后运行显示结果,方便我们理解代码,排查报错。还有更多的功能等待大家自己发掘,这里就先教大家如何上手使用。

四、常用快捷键

这里给大家提供一些jupyter中的常用快捷键,jupyter内支持markdown语法,可以方便我们边记录边书写代码,对于喜欢做笔记的同学非常友好。

e270e1cd09b04c5da604f9343d73fcdf.png

以上就是常用代码块了,大家可以浅记一下,编写代码非常方便。 

已完结

制作不易,希望能点赞关注,支持一下!!

9f0ec0bffb504322bf52e2e2df38481b.jpeg

 

### 配置Anaconda中的Jupyter Notebook环境 为了确保能够在Anaconda环境中顺利使用Jupyter Notebook并解决可能遇到的问题,以下是详细的配置方法。 #### 创建和激活Conda虚拟环境 创建一个新的Conda环境可以有效防止不同项目之间的依赖冲突。通过命令`conda create --name myenv python=3.x`来创建名为myenv的新环境,并指定Python版本[^2]。接着,在Anaconda Prompt中输入`activate myenv`(Windows) 或 `source activate myenv`(macOS/Linux),以激活该环境。 #### 安装Jupyter Notebook到特定环境 一旦进入所需的Conda环境之后,可以通过执行`conda install jupyter`或`pip install jupyter`来进行Jupyter Notebook安装操作[^1]。这一步骤会将Jupyter Notebook及其所有必要的组件下载至当前活动的Conda环境中。 #### 将新环境注册给Jupyter Kernel 为了让Jupyter识别新的Conda环境作为内核选项之一,需先安装ipykernel包(`conda install ipykernel`),随后运行如下指令完成注册过程: ```bash python -m ipykernel install --user --name=myenv --display-name "Python (myenv)" ``` 上述命令将会把名为`myenv`的Conda环境添加为可用Kernel列表里的一个条目,显示名称自定义为"Python(myenv)"[^3]。 #### 启动Jupyter Notebook/Lab服务 最后,在已激活的目标环境下启动Jupyter的服务端程序即可正常使用关联于各独立环境下的库文件工具集了。对于大多数情况而言,只需简单地键入`jupyter notebook`或是更现代化界面支持的`jupyter lab`就能实现在浏览器里访问对应实例的目的。
评论 9
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值