jt -t oceans16 -f fira -fs 13 -cellw 90% -ofs 11 -dfs 11 -T -Nhttps://blog.csdn.net/qq_41554005/article/details/109776371
代码自动补全
https://blog.csdn.net/weixin_52459924/article/details/119888207
第一步：进入命令行环境：
Win+R打开开始菜单，找到Anaconda Prompt，单击打开：
第二步：激活base环境
在命令窗口中输入activate base后回车，完成后不要关闭该窗口，因为后面的命令需要接着执行
第三步：下载nbextensions
接着上一步输入pip install jupyter_contrib_nbextensions -i https://pypi.mirrors.ustc.edu.cn/simple后点击回车等待安装，如下图所示
第四步：安装nbextensions
接着上一步输入jupyter contrib nbextension install --user后回车等待安装完成：
第五步：下载nbextensions_configurator
接着上一步输入pip install --user jupyter_nbextensions_configurator后回车等待完成
第六步：安装nbextensions_configurator
接着上一步输入jupyter nbextensions_configurator enable --user后回车等待完成
说明已经安装完成！
第七步：重启jupyter，在弹出的主页面里，能看到增加了一个Nbextensions标签页，点击Nbextensions标签页之后进入
在这个页面里，首先取消勾选最上方的复选框，再勾选Hinterland即启用了代码自动补全
接下来就可以体验代码自动补全了：
Jupyter切换环境内核
http://minglog.hzbmmc.com/2023/03/01/Jupyter切换环境内核/
家在使用Jupyter Notebook进行编程时，如果需要在不同的虚拟环境中运行Jupyter，常见的做法是首先激活虚拟环境，然后在该虚拟环境下进入Jupyter Notebook环境才行。这样会导致我们如果同时运行多个项目时，就需要同时激活多个虚拟环境进入Jupyter Notebook服务，过程十分繁琐。那有没有办法能够在不开启多个Jupyter Notebook服务的前提下切换虚拟环境呢？
答案是有的，本教程提出的主要目的是帮助开发者在使用Jupyter Notebook时，切换环境内核，建议使用conda搭建的虚拟环境。
整个步骤如下：
创建虚拟环境
激活虚拟环境
将虚拟环境写入Jupyter Notebook中的Kernel
打开Jupyter Notebook服务
更换Kernel
验证是否更换成功
搭建并激活相应项目的虚拟环境
该过程参见使用conda管理虚拟环境
将虚拟环境写入Jupyter Notebook的Kernel中
查看当前conda下的所有虚拟环境。
image-20230301150837743
image-20230301150837743
可以看到我电脑中的虚拟环境还是比较多的，一共有9个虚拟环境。
现在演示将pytroch的环境加入到Jupyter Notebook的Kernel中。
首先，查看我已经写入Kernel的虚拟环境。
jupyter kernelspec list
image-20230301152309889
image-20230301152309889
从返回的结果可以看到，我的Jupyter 中已经有了3个Kernel。
然后，现在把pytorch虚拟环境写入Kernel，注意：在写入Kernel之前必须先激活虚拟环境。
激活pytorch虚拟环境
conda activate pytorch
image-20230301152814411
image-20230301152814411
接着，使用以下命令将pytorch虚拟环境加入到Jupyter的Kernel中。
python -m ipykernel install --user --name=pytorch
image-20230301153009442
image-20230301153009442
再次查看Jupyter的Kernel列表发现pytorch虚拟环境已经完成写入。
image-20230301153118922
image-20230301153118922
PS：删除Kernel命令jupyter kernelspec remove KernelName(Kernel名称)
激活Jupyter Notebook服务
为了演示效果，在此我们先退出pytorch虚拟环境。
conda deactivate
image-20230301153237687
image-20230301153237687
输入jupyter notebook进入Jupyter服务。
image-20230301153329882
image-20230301153329882
新建一个notebook。
image-20230301153423440
image-20230301153423440
输入以下代码导入pytorch
import torch 进口火炬
image-20230301153515663
image-20230301153515663
发现基础环境中是没有torch库的，导入失败。
切换内核
点击菜单栏的Kernel菜单，在Change Kernel子菜单中选择pytorch内核。
image-20230301153614930
image-20230301153614930
观察notebook右上角看是否能够顺利激活内核。
image-20230301153752268
image-20230301153752268
我们发现此时内核已经被修改为pytorch虚拟环境。
验证是否更换成功
再次导入torch看是否能够导入成功。
image-20230301153939955
image-20230301153939955
此时发现执行导入命令已经没有报错。
同时，可以验证一下修改内核后torch的深度学习环境是否正常。【注：需在pytorch虚拟环境下提前安装好深度学习环境】
使用以下命令进行验证
torch.cuda.is_available()
image-20230301154232235
image-20230301154232235
可以发现返回的结果为True，说明深度学习环境也是正常的。
至此，已经完成了在Jupyter Notebook下的环境内核切换。
切换Tensorflow内核并查看深度学习环境是否正常
可以看到，我这里还有一个tf2.9的Kernel，该Kernel是Tensorflow-GPU2.9.1的深度学习环境，也可以切换进行演示。
image-20230301154759805
image-20230301154759805
从返回的结果也可以看出，环境切换得十分顺利，Tensorflow2.9深度学习环境也是正常的。