Anoconda遇到的问题——如何把jupyter notebook切换到其他配置好的conda虚拟环境

在深度学习实验过程中,肯定会涉及到不同的环境配置,比如说python3和python2的不同环境,比如不同版本的tensorflow的环境,这都要求切换环境,直接切换conda环境的方法很简单,直接在cmd上可以用conda activate adda来切换到adda的环境,也可以从conda的可视化界面上切换。

但是自己尝试了下在jupyter notebook上的切换,在网上查到了很多方法,试下来都不行,自己折腾了一个晚上终于搞定了,下面把一些细节记录下来。

最主要的目标可以总结为,为jupyter notebook添加一个hernel,让jupyter notebook知道可以从那边读取虚拟环境。

具体来说,首先要切换到想要添加的环境中来,比如说【adda】,然后在这个环境中,使用ipykernel的命令来添加环境到jupyter notebook中

首先可以看一下自己在conda里面配置了哪些环境,使用conda env list

  1.在cmd中切换到想要的环境,比如说adda

  2.在adda环境中中安装好ipykernel

  3.python -m ipykernel install --name adda

执行完这个语句之后,会自动在目录【C:\ProgramData\jupyter\kernels】(类似)生成一个【adda】文件夹,里面有kernel.json文件

 

现在打开jupyter notebook,里面就会显示有这个虚拟环境了

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: Anaconda是一种用于数据科学、机器学习和大规模数据处理的开源软件包管理系统。它包含了许多用于这些领域的流行的 Python 库,并且可以轻松地在不同的环境中安装和管理这些库。Anaconda 还包括了用于创建和管理虚拟环境的工具,可以帮助用户在不同的项目之间切换并管理不同版本的库。Anaconda 还提供了一个用于交互式数据分析的图形化界面——Jupyter Notebook。 ### 回答2: Anaconda是一种用于科学计算和数据分析的Python发行版。它是由Continuum Analytics公司开发和管理的,提供了一整套针对数据分析和科学计算所需的工具和库。 Anaconda在Python的基础上,集成了很多常用的科学计算和数据分析的第三方库,如NumPy、Pandas、SciPy等。这些库提供了丰富的函数和工具,用于数学计算、数据处理、机器学习、人工智能等领域的开发和研究。 使用Anaconda可以方便地搭建和管理Python的开发环境。它提供了一个环境管理器Conda,可以帮助用户创建、管理和切换不同的Python环境。每个环境可以有独立的Python版本和安装的第三方库,这样可以避免不同项目之间的依赖冲突。 此外,Anaconda还提供了一套自己的集成开发环境(IDE)Anaconda Navigator,以及命令行工具Anaconda Prompt,方便用户进行代码编写、运行、调试以及管理项目。 总之,Anaconda是一个强大且方便的工具,为科学计算和数据分析提供了丰富的库和环境管理功能,使得Python的使用者能够更加高效地进行科学研究和数据分析工作。 ### 回答3: Anaconda是一个用于科学计算和数据科学的开源 Python 发行版,由Continuum Analytics公司开发。它提供了一个简单方便的环境,用于安装和管理 Python 及相关包和依赖项。Anaconda集成了一系列常用的数据科学和机器学习的包,如NumPy、Pandas、Matplotlib和Scikit-learn等。 Anaconda的一个主要特点是它包含了一个名为Conda的包管理系统。Conda可以帮助用户快速方便地安装、升级和管理各种Python包和依赖项。Conda还可以创建和管理独立的虚拟环境,这样可以在不同项目中使用不同版本的Python和包,避免了包冲突的问题。同时,Anaconda还提供了一个图形用户界面(Anaconda Navigator),使得用户可以通过点击按钮来安装、卸载和管理包。 另外,Anaconda也包含了Jupyter Notebook,这是一个非常强大的开发环境,可以帮助用户进行数据分析和交互式编程。Jupyter Notebook允许用户在网页中编写和运行代码,并能够将代码、可视化图表和文档内容整合在一个文档中,非常适合数据科学家和研究人员进行数据探索和实验。 总而言之,Anaconda是一款功能强大的Python发行版,为科学计算和数据科学提供了一站式的解决方案。它的优势在于集成了众多常用的数据科学包、强大的包管理系统以及友好的用户界面,极大地简化了Python开发环境的配置和管理,使得用户能够更加高效地进行数据分析和机器学习工作。
评论
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