Jupyter Notebook配置多个kernel

Jupyter Notebook配置多个kernel

前言:

在anaconda下配置了多个环境,而Jupiter Notebook只是安装在base环境下,为了能在Jupiter Notebook中使用不同的环境,进行如下配置。

此次配置在windows10系统下

步骤

  1. 打开Anaconda Prompt
  2. 查看现有的环境conda info -e,我此时的环境如下:
    # conda environments:
    #
    base                  *  C:\Software\Anaconda3
    tensorflow-cpu           C:\Software\Anaconda3\envs\tensorflow-cpu
    tensorflow-gpu           C:\Software\Anaconda3\envs\tensorflow-gpu
  3. 转到相应的环境conda activate tensorflow-cpu
  4. 在激活的环境中安装ipykernel

    次数,若我使用conda install ipykernel都安装失败了;

    因此采用pip安装:pip3 install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple/

  5. 选择环境写入Jupiter Notebook中:
    python -m ipykernel install --user --name 要添加的环境 --display-name "展示的名字"
  6. 打开Jupiter Notebook,此时就能进行kernel 的选择。

参考

https://blog.csdn.net/tong_he/article/details/78813494

https://blog.csdn.net/u011606714/article/details/77741324

原文地址:https://www.cnblogs.com/zhuchengchao/p/11619772.html

时间: 2024-07-29 22:57:39

Jupyter Notebook配置多个kernel的相关文章

Aanconda+虚拟环境+jupyter notebook配置

windows安装Anaconda3 环境 windows10 64位 Anaconda3 5.2.0版本 windows64位 在官网下载windows版本 https://www.anaconda.com/download/#windows 安装 点击安装包,前面是选择安装路径,一步一步点击确认下来. 配置jupyter notebook 打开Windows的cmd,在cmd中输入jupyter notebook --generate-config如下图: 可以看到路径为D:\Users--

关于如何往Jupyter notebook添加可选的kernel

关于如何往Jupyter notebook添加可选的kernel 1.Anaconda知识预热 管理虚拟环境 关于如何安装Anaconda,这里就不再一一赘述,安装完Anaconda,接下来我们就可以用Anaconda来创建我们一个个独立的python环境了. activate activate 能将我们引入anaconda设定的虚拟环境中, 如果你后面什么参数都不加那么会进入anaconda自带的base环境, 你可以输入python试试, 这样会进入base环境的python解释器, 如果你

Ubuntu-16.04 R 安装及Jupyter notebook 配置

1. R 安装 通常在Terminal下直接apt-get 即可,在16.10下可以get到R-3.3.1,目前最新好像是 R-3.4.2,可以去官方网站下载源码编译 (https://www.r-project.org)? sudo apt-get install r-base 2. 在jupyter notebook中配置R的kernel 近期在Jupyter下跑python,方便边调试边记笔记.因为Jupyter也支持R语言,所以尝试添加R kernel到Jupyter中. 主要依赖 "I

转载---jupyter中添加conda环境---kernel配置

最近使用conda创建了多个虚拟环境,想到直接在jupyter notebook中进行kernel配置,网上找了许多方法,最终找到一个比较合理的,特此记录以下: 原链接: 来自 LeonHuo https://www.cnblogs.com/hgl0417/p/8204221.html 原内容如下: jupyter中添加conda环境 安装完Anaconda利用conda创建了虚拟环境,但是启动jupyter notebook之后却找不到虚拟环境. 实际上是由于在虚拟环境下缺少kernel.js

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

向jupyter notebook加入Anaconda3中已添加的虚拟环境kernel

# jupyter notebook添加Anaconda虚拟环境的kernel #  开启虚拟环境 (base) C:\Users\jiangshan>activate tensorflow #  首先向虚拟环境安装ipykernel(tensorflow) C:\Users\jiangshan>conda install -n tensorflow ipykernel # 进行配置(tensorflow) C:\Users\jiangshan>python -m ipykernel i

windows远程访问ubuntu下的jupyter notebook必要配置

0.生成配置文件(一般采用默认) jupyter notebook --generate-config 1.打开ipython, 创建一个密文密码 In [1]: from notebook.auth import passwd In [2]: passwd() Enter password: Verify password: Out[2]: 'sha1:ce23d945972f:34769685a7ccd3d08c84a18c63968a41f1140274' 2.修改默认配置 vim ~/.

使用亚马逊的云服务器EC2做深度学习(二)配置Jupyter Notebook服务器

这是<使用亚马逊的云服务器EC2做深度学习>系列的第二篇文章. (一)申请竞价实例  (二)配置Jupyter Notebook服务器  (三)配置TensorFlow Jupyter Notebook是Python中的一个开源编辑器.它的主界面就是一个网页,可以在浏览器中远程执行程序. 同时它可以方便地混杂代码和程序的说明,有许多TensorFlow的教程就是用Jupyter Notebook来编写的. 出于安全的考虑,Jupyter Notebook默认只能在本地访问,如果要远程访问需要进

配置Anaconda的jupyter notebook默认主页

1. 在Anaconda Prompt里输:jupyter notebook --generate-config 然后找到这个文件:C:\Users\{YOUR NAME}\.jupyter\jupyter_notebook_config.py, 修改这条字段:c.NotebookApp.notebook_dir = u'E:\\Programs\\notebook' 即可. 2. 如果你的机器还有其他python编译器,那么也许需要重启一下机器才会生效. 3. 我遇到的问题: 有一天我把上面配