在Jupyter Notebook中使用Conda虚拟环境

概述

Jupyter Notebook是数据科学、机器学习和教学领域中广受欢迎的交互式计算环境。它允许我们创建和共享包含实时代码、方程式、可视化和叙述文本的文档。
Conda则是一个强大的包管理和环境管理系统,能够帮助我们为不同的项目创建隔离的Python环境,避免包版本冲突。

正确地配置Conda环境与Jupyter Notebook的集成,可以带来诸多好处:

复制代码
项目隔离:为每个项目使用独立的环境,确保依赖项的纯净和可复现性

版本控制:轻松管理不同项目可能需要的不同版本的Python或库

避免冲突:防止全局Python环境因包版本不兼容而变得混乱

手动注册内核

要让Jupyter Notebook 能够识别并使用Conda环境,最关键的一步是确保Conda环境中安装了ipykernel包。这个包允许Jupyter将该环境注册为一个可用的内核 (Kernel),也就是手动将每个Conda 环境注册为Jupyter内核。

1.激活Conda环境

打开终端并激活想要使用的Conda环境

bash 复制代码
conda activate <环境名称>

2.安装ipykernel

确保当前Conda环境中安装了ipykernel。如果没有安装,可以运行以下命令安装

bash 复制代码
conda install ipykernel

3.Conda环境注册为Jupyter核

执行以下命令将当前Conda环境添加到 Jupyter Notebook 的 kernel列表中

bash 复制代码
python -m ipykernel install --user --name <内核名称> --display-name "显示名称"
python 复制代码
--user:将内核安装在用户级别,而不是系统级别

--name <内核名称>:内核的内部名称,最好与环境名一致

--display-name "显示名称":在Jupyter Notebook内核菜单中显示的名称。

4.示例

假设有一个名为myenv的Conda环境,并希望在Jupyter Notebook中显示为Python (myenv),可以执行以下命令运行

bash 复制代码
python -m ipykernel install --user --name myenv --display-name "Python (myenv)"

5.启动Jupyter Notebook

bash 复制代码
jupyter notebook

6.选择内核

在Kernel选项中选择添加的Conda环境

7. 检查当前环境

在Jupyter Notebook中可以通过以下代码检查当前环境:

bash 复制代码
import sys
print(sys.executable)

如果输出的Python路径与Conda环境的路径一致,说明环境配置成功。

8.移除Kernel内核

如果不再需要某个Conda环境的kernel,可以使用以下命令移除:

bash 复制代码
jupyter kernelspec uninstall <内核名称>

自动注册内核

自动注册需要使用nb_conda_kernels库,它会自动检测Conda环境,并将它们作为内核显示在Jupyter Notebook 中,无需为每个环境手动配置。

1.安装nb_conda_kernels

确保在启动的Jupyter环境中安装nb_conda_kernels库,以自动支持所有Conda环境内核注册

例如:新建了jupyter环境,并在其中安装了Jupyter Notebook,那么就应该在此环境中安装nb_conda_kernels

python 复制代码
conda activate jupyter 

conda install nb_conda_kernels

2.安装ipykernel

在已存在的conda环境中安装ipykernel

python 复制代码
conda activate my_project_env

conda install ipykernel

3.启动Jupyter Notebook

Jupyter Notebook启动后,nb_conda_kernels会负责发现其他含有ipykernel的环境,并自动将环境注册到Jupyter的内核中

python 复制代码
jupyter notebook

4.选择内核

在Kernel选项中选择添加的Conda环境

5.nb_conda_kernels工作原理

nb_conda_kernels通过扫描Conda环境目录 (通常是anaconda3/envs/ 或 miniconda3/envs/),寻找那些安装了 ipykernel 的环境,并自动为Jupyter生成相应的内核规范 (kernelspec) 文件。这使得我们无需为每个环境手动执行ipykernel install

相关推荐
悠哉悠哉愿意1 小时前
【电赛学习笔记】MaixCAM 的OCR图片文字识别
笔记·python·嵌入式硬件·学习·视觉检测·ocr
nbsaas-boot2 小时前
SQL Server 窗口函数全指南(函数用法与场景)
开发语言·数据库·python·sql·sql server
Catching Star2 小时前
【代码问题】【包安装】MMCV
python
摸鱼仙人~2 小时前
Spring Boot中的this::语法糖详解
windows·spring boot·python
Warren982 小时前
Java Stream流的使用
java·开发语言·windows·spring boot·后端·python·硬件工程
点云SLAM3 小时前
PyTorch中flatten()函数详解以及与view()和 reshape()的对比和实战代码示例
人工智能·pytorch·python·计算机视觉·3d深度学习·张量flatten操作·张量数据结构
爱分享的飘哥3 小时前
第三篇:VAE架构详解与PyTorch实现:从零构建AI的“视觉压缩引擎”
人工智能·pytorch·python·aigc·教程·生成模型·代码实战
进击的铁甲小宝4 小时前
Django-environ 入门教程
后端·python·django·django-environ
落魄实习生4 小时前
UV安装并设置国内源
python·uv
阿克兔4 小时前
建筑兔零基础python自学记录114|正则表达式(1)-18
python