Jupyter 在一个名为 kernel 的单独进程中运行用户的代码。kernel 可以是不同的 Python 安装在不同的 conda 环境或虚拟环境,甚至可以是不同语言(例如 Julia 或 R)的解释器。
安装:
1. 安装jupyter服务
pip install jupyter # 最好用pip3
2.1生成配置文件
在输入以下内容
jupyter notebook --generate-config
就会自动在根目录下生成文件(~/.jupyter/jupyter_notebook_config.py),这里可以用vim或者用相关ftp工具下载下来修改再覆盖,或者vscode ssh远程连接直接修改
2.2修改配置文件
建议先把jupyter_notebook_config.py文件传输到本地修改完成再上传
找到以下字符串进行修改
c.NotebookApp.ip='*' # 如果这里修过过后启动服务报错 则修改为c.NotebookApp.ip='0.0.0.0'
c.NotebookApp.password=u'sha1****' #就之前保存的验证密码
c.NotebookApp.open_browser =False # 设置是否自动打开浏览器
c.NotebookApp.port =8888 # 设置端口
c.NotebookApp.allow_remote_access = True
1, 如何查询当前环境下的python 版本
运行
import sys
print(sys.executable)
%pwd
import sys; print(sys.executable)
2, 如何切换环境?
很多人安装完以后发现即便通过anaconda创造了新的虚拟环境,但是在jupyter 中并没有体现出来。
解决方法:
首先,在命令窗口中activate你创造的那个新环境。
然后,安装ipykernel
conda install ipykernel
简而言之,如何使用 conda 环境和 Jupyter 有三种选择:
conda create -n my-conda-env # creates new virtual env
conda activate my-conda-env # activate environment in terminal
conda install jupyter # install jupyter + notebook
jupyter notebook # start server + kernel
推荐指数: ⭐️⭐️
这种方法就是为每一个 conda 环境 都安装 jupyter。
Jupyter 将完全安装在 conda 环境中。不同版本的 Jupyter 可用于不同的 conda 环境,但此选项可能有点矫枉过正。
在环境中包含内核就足够了,内核是运行代码的封装 Python 的组件。Jupyter notebook 的其余部分可以被视为编辑器或查看器,并且没有必要为每个环境单独安装它并将其包含在每个 env.yml 文件中。
因此,接下来的两个选项之一可能更可取,但这是最简单的一个,绝对没问题。
2 为 conda 环境创建特殊内核
conda create -n my-conda-env # creates new virtual env
conda activate my-conda-env # activate environment in terminal
conda install ipykernel # install Python kernel in new conda env
ipython kernel install --user --name=my-conda-env-kernel # configure Jupyter to use Python kernel
jupyter notebook # run jupyter from system
ipython kernel install --user --name=my-conda-env-kernel # configure Jupyter to use Python kernel
my-conda-env-kernel:可以自己修改
只有 Python 内核会在 conda 环境中运行,系统中的 Jupyter 或不同的 conda 环境将被使用——它没有安装在 conda 环境中。
通过调用ipython kernel install
将 jupyter 配置为使用 conda 环境作为内核.
具体的操作 可查看我之前的教程。windows/mac/linux jupyter notebook 切换默认环境
推荐指数: ⭐️⭐️⭐️⭐️
示例二:
3.2,在环境中手动