你想修改 Jupyter Notebook 的内核(本质是切换 Notebook 使用的 Python 环境),核心步骤是先在目标 conda 环境中安装内核相关包,再在 Notebook 中选择对应的内核 ,下面给你分步详细操作。全程基于已有的 pytorch-2.6.0-gpu 环境。
Jupyter Notebook 的内核和 conda 环境是分离的:Notebook 默认只会识别安装了 ipykernel 包的 Python 环境,因此第一步必须给目标 conda 环境安装该包。
步骤 1:激活目标 conda 环境(你要设置为内核的环境)
打开 Anaconda PowerShell,先激活 pytorch-2.6.0-gpu 环境(这是你要作为 Notebook 内核的环境):
conda activate pytorch-2.6.0-gpu
步骤 2:在目标环境中安装 ipykernel 包(关键,让 Notebook 识别该环境)
ipykernel 是连接 Jupyter Notebook 和 Python 环境的核心包,执行以下命令安装:
# 用conda安装(推荐,和环境兼容性更好)
conda install ipykernel -y
# 若conda安装失败,可改用pip安装
# pip install ipykernel
步骤 3:将目标环境注册为 Notebook 内核
安装完成后,执行以下命令将当前激活的 pytorch-2.6.0-gpu 环境注册到 Jupyter Notebook 的内核列表中:
# 核心命令:--name 后面是「内核在Notebook中显示的名称」(可自定义,建议和环境名一致)
# --display-name 后面是「Notebook中显示的友好名称」(可选,方便识别)
python -m ipykernel install --user --name pytorch-2.6.0-gpu --display-name "Python (pytorch-2.6.0-gpu)"
--user:表示仅当前用户可见,避免权限问题,推荐使用。- 执行成功后,终端会提示
Installed kernelspec xxx in xxx,说明内核注册成功。
步骤 4:启动 Jupyter Notebook 并切换内核
-
保持环境激活状态,执行命令启动 Jupyter Notebook: bash
jupyter notebook -
启动后会自动打开浏览器,分两种场景切换内核:
- 新建 Notebook 时选择内核 :点击右上角「New」,下拉列表中会看到你注册的
Python (pytorch-2.6.0-gpu),点击它即可创建使用该环境的 Notebook。 - 修改已有 Notebook 的内核 :打开已有的
.ipynb文件,点击顶部菜单栏「Kernel」→「Change Kernel」,在下拉列表中选择Python (pytorch-2.6.0-gpu)即可切换。
- 新建 Notebook 时选择内核 :点击右上角「New」,下拉列表中会看到你注册的
步骤 5:(可选)删除无用的内核(清理冗余)
如果有不需要的旧内核,可先查看所有已注册内核,再删除指定内核:
# 1. 查看所有Notebook内核列表
jupyter kernelspec list
# 2. 删除指定内核(替换为你要删除的内核名称,即步骤3中 --name 后面的名称)
jupyter kernelspec remove pytorch-2.6.0-gpu
常见问题排查
-
Notebook 中看不到新注册的内核:
- 排查 1:是否在目标环境中安装了
ipykernel,且注册命令执行成功。 - 排查 2:关闭当前 Jupyter Notebook,重新启动(内核注册后需要重启 Notebook 才能识别)。
- 排查 3:注册命令是否加了
--user,若无则可能存在权限问题,重新执行带--user的注册命令。
- 排查 1:是否在目标环境中安装了
-
切换内核后运行代码报错(如模块不存在):
- 原因:目标环境中未安装对应的模块(如 PyTorch、numpy)。
- 解决:在激活的
pytorch-2.6.0-gpu环境中,用conda install或pip install安装缺失的模块,再重启 Notebook 即可。
总结
- 修改 Notebook 内核的核心是「给目标 conda 环境装 ipykernel → 注册内核 → Notebook 中选择」。
- 关键命令:
conda install ipykernel(安装内核包)、python -m ipykernel install --user --name 环境名(注册内核)。 - 切换内核后,Notebook 将使用对应 conda 环境的 Python 解释器和已安装模块,确保环境一致性。