python3工作环境部署+spyder3+jupyter notebook

1、python3安装

1)官网去下载python3.7版本,双击安装,只要注意勾选写到PATH就行,其它直接NEXT。

2)安装完成,CMD键入 python 回车,跳出python界面就是成功。

2、spyder3安装

1)因为个人觉得spyder比pychar启动快速,调试方便,所以安装此工具,spyder还自带有Ipython。

2)windows标志上右键,运行powershell(管理员)

3)键入 pip install spyder 回车,等待安装完成。

4)安装完成,powershell 键入 spyder3 回车,跳出spyder3界面就是成功。

3、jupyter notebook安装

1)个人觉得jupyter notebook对python初学者来说是一个非常好用的简单语句测试工具,写完一句马上可以看到结果。

2)windows标志上右键,运行powershell(管理员)

3)键入 pip install jupyter 回车,等待安装完成。

4)安装完成后,powershell 键入 jupyter notebook回车,会在浏览器弹出jupyter页面就是安装成功。

5)有时因为jupyter的默认根文件目录下有很多文件,会导致操作卡顿甚至卡死 ,如出现这种情况就要修改jupyter的默认文件夹。

6)修改jupyter的默认文件夹:powershell 键入 jupyter notebook --generate-config 回车,在执行结果显示的路径下找到 jupyter_notebook_config.py 文件,打开,找到 c.NotebookApp.notebook_dir = ‘D:\\jupyter‘ 这行,将#去掉,将路径修改成你想要改的,保存再重启jupyter就可以了。

原文地址:https://www.cnblogs.com/fct-notebook/p/10678510.html

时间: 2024-10-03 14:45:32

python3工作环境部署+spyder3+jupyter notebook的相关文章

django+nginx+python3 生产环境部署

一.安装python基础环境 1.安装各类基础模块 yum install  gcc-c++ wget openssl-devel bzip2-devel expat-devel gdbm-devel readline-devel sqlite-devel libxml*  -y 2.安装python3环境 2.1)下载python3.6包 wget https://www.python.org/ftp/python/3.6.3/Python-3.6.3.tgz 2.2)解压.安装python3

在右键菜单中添加用Jupyter Notebook打开

在右键菜单中添加用Jupyter Notebook打开 为了把 Jupyter 的工作目录指定到某一个文件夹下,每次都要启动 CMD 终端, 然后激活 Anaconda 环境,再启动 Jupyter Notebook ,麻烦至极. 所以做了下面这个脚本,把启动 Jupyter 添加到右键菜单中,这样每次启动 Jupyter 通过点点鼠标就可以了. 新建一个文件,命名为open-with-jupyter.reg,文件编码选择gbk或gb2312不然肯能会出现乱码. 然后把下面的代码粘贴进去,保存后

jupyter notebook直接打开.md格式的文件

jupyter notebook是一个比较比较不错的网页版python编辑器,但是,由于很多"技术文档"都是直接以markdown(.md格式的文件)的格式编写的,而且jupyter notebook的代码文件(.ipynb)也可以转换成.md格式的文件,更为重要的是,我们从github上下载的很多学习资料也都是.md文件格式的.因此,为了能够在jupyter notebook上实现: 使用jupyter notebook浏览技术文档: 将转换成.md格式的python代码在不用转换格

pyspark 中启动 jupyter notebook

还是打算选择python学习spark编程 因为java写函数式比较复杂,scala学习曲线比较陡峭,而且sbt和eclipse和maven的结合实在是让人崩溃,经常找不到主类去执行 python以前没用过但是名声在外,可以很方便的进行数据处理 在eclipse中集成pydev插件去编写python程序已经学习过了 今天使用了一下anaconda集成一起的python开发环境,感觉很不错 尤其是ipython notebook或者称为jupyter notebook很方便的进行可视化 但是如何在

用deepin堆砌工作环境

用deepin堆砌工作环境 这篇文章记录了我用 deepin 15.5搭建工作环境的过程,供我个人在未来重装系统时参考.对于其他以 deepin 操作系统作为主要工作平台的看官,咱们是相亲相爱的一家人,可以相互交流切磋.对于使用其他发行版作为主力操作系统的同学来说,你们借鉴借鉴即可. 阅读须知: 1.鉴于服务器的工作环境部署属于专业运维人员做的事情,这里我就不抢他们的饭碗了,别人的饭碗也是饭碗,我就只介绍个人电脑的经验: 2.推荐刚刚接触Linux的人使用deepin操作系统,不推荐刚刚接触Li

ubuntu下anaconda使用jupyter notebook加载tensorflow、pytorch

1. 安装完anaconda后,其环境会为我们在base(root)这个环境下配置jupyter notebook,而我们自己配置的TensorFlow环境下是没有自动配置这个工具的,所以我们需要自己在这个环境下配置jupyter notebook工具,具体操作如下: 1 conda activate tf #首先激活自己的tensorflow环境,tf为我自己的环境名,注意更改 有的博客中 使用的是 source activate tf, 2 conda install ipython 3 c

Ubuntu18.04 + CUDA9.0 + cuDNN7.3 + Tensorflow-gpu-1.12 + Jupyter Notebook深度学习环境配置

目录 一.Ubuntu18.04 LTS系统的安装 1. 安装文件下载 2. 制作U盘安装镜像文件 3. 开始安装 二.设置软件源的国内镜像 1. 设置方法 2.关于ubuntu镜像的小知识 三.Nvidia显卡驱动的安装 1. 首先查看显卡型号和推荐的显卡驱动 2. 安装nvidia-390版本驱动 3. 重启系统,可以查看安装是否成功 四.CUDA9.0的安装 1. CUDA版本选择 2. 安装CUDA9.0 3. 设置环境变量 五.cuDNN7.3的安装 六.Tensorflow-1.12

jupyter Notebook环境搭建

1.什么是jupyter notebook jupyter notebook是一种 Web 应用,能让用户将说明文本.数学方程.代码和可视化内容全部组合到一个易于共享的文档中.它可以直接在代码旁写出叙述性文档,而不是另外编写单独的文档.也就是它可以能将代码.文档等这一切集中到一处,让用户一目了然. Jupyter这个名字是它要服务的三种语言的缩写:Julia,PYThon和R,这个名字与"木星(jupiter)"谐音.Jupyter Notebook 已迅速成为数据分析,机器学习的必备

搭建Python3的jupyter notebook服务器

摘要:搭建Python3 jupyter notebook. 激活Python3后,进入Python交互环境 1. 登陆远程服务器 2. 生成配置文件 1. $jupyter notebook --generate-config 3. 生成密码 打开ipython,创建一个密文的密码: 1. In [1]: from notebook.auth import passwd 2. In [2]: passwd() 3. Enter password: 4. Verify password: 5.