conda 中配置 jupyter notebook 环境 踩过的坑

Posted 2023-04-27

参考技术A 这个过程仅需要两步：

（注：本人使用过程中，特别慢导致最后出现“Time Out”的超时错误，故在后面添加了豆瓣源，可以加快升级速度），建议使用如下命令：python -m pip install --upgrade pip -i https://pypi.douban.com/simple/
成功后可以输入 pip --version 查看pip版本。

输入命令：pip install tensorflow-cpu==2.2.0 -i https://pypi.douban.com/simple/
等待安装结束即可完成安装。

安装完成后，可以输入"python"命令进入python环境，再输入命令：import tensorflow，没有报错即说明安装成功。
查看tensorflow版本，如下方式：

输入exit()，即可退出python环境。
也可以在(base)中输入 jupyter notebook，在jupyter环境中输入命令查看。

前奏：自行安装anaconda，并创建虚拟环境

首先安装ipykernel
在terminal下执行命令行：conda install ipykernel
在虚拟环境下创建kernel文件
在terminal下执行命令行：conda install -n 环境名称 ipykernel
比如我的虚拟环境叫python27（后面举例都默认这个虚拟环境），那么我的就是：conda install -n python27 ipykernel

激活conda环境
在terminal下执行命令行：
windows版本:activate 环境名称 我的命令是：activate python27
linux版本:source activate 环境名称我的命令是：activate python27

将环境写入notebook的kernel中
python -m ipykernel install --user --name 环境名称 --display-name "在jupyter中显示的环境名称"

这里引号里面的名称自己可以随便起，用于在jupyter里面做标识，这里我仍然在jupyter里面叫python27，所以我的命令是：python -m ipykernel install --user --name python27 --display-name "python27"

打开notebook服务器
在terminal下执行命令行jupyter notebook

上面的相关步骤就可以完成jupyter的相关配置，但是如果经常需要用jupyter notebook，那么最好在创建虚拟环境的时候便安装好ipykernel
命令：conda create -n 环境名称 python=3.5 ipykernel

另外删除kernel环境：
jupyter kernelspec remove 环境名称

1、 解决anaconda中jupyter无法import已安装模块问题

最全指南如何在 Jupyter Notebook 中切换/使用 conda 虚拟环境？

服务器上配置有多个 conda 虚拟环境，在使用jupyter notebook时需要使用其中的一个环境，但是其默认还是使用 base 环境。

我们该怎么切换环境呢。

Jupyter 在一个名为 kernel 的单独进程中运行用户的代码。kernel 可以是不同的 Python 安装在不同的 conda 环境或虚拟环境，甚至可以是不同语言（例如 Julia 或 R）的解释器。

简而言之，如何使用 conda 环境和 Jupyter 有三种选择：

文章目录

• • 1.在 conda 环境中运行 Jupyter 服务器和内核
  • 2 为 conda 环境创建特殊内核
  • 3 使用 nb_conda_kernels 添加所有环境

1.在 conda 环境中运行 Jupyter 服务器和内核

conda create -n my-conda-env   # creates new virtual env
conda activate my-conda-env    # activate environment in terminal
conda install jupyter     # install jupyter + notebook
jupyter notebook       # start server + kernel

推荐指数： ⭐️⭐️

这种方法就是为每一个 conda 环境 都安装 jupyter。

Jupyter 将完全安装在 conda 环境中。不同版本的 Jupyter 可用于不同的 conda 环境，但此选项可能有点矫枉过正。

在环境中包含内核就足够了，内核是运行代码的封装 Python 的组件。Jupyter notebook 的其余部分可以被视为编辑器或查看器，并且没有必要为每个环境单独安装它并将其包含在每个 env.yml 文件中。

因此，接下来的两个选项之一可能更可取，但这是最简单的一个，绝对没问题。

2 为 conda 环境创建特殊内核

conda create -n my-conda-env    # creates new virtual env
conda activate my-conda-env     # activate environment in terminal
conda install ipykernel      # install Python kernel in new conda env
ipython kernel install --user --name=my-conda-env-kernel  # configure Jupyter to use Python kernel
jupyter notebook      # run jupyter from system

只有 Python 内核会在 conda 环境中运行，系统中的 Jupyter 或不同的 conda 环境将被使用——它没有安装在 conda 环境中。

通过调用ipython kernel install将 jupyter 配置为使用 conda 环境作为内核.

具体的操作 可查看我之前的教程。windows/mac/linux jupyter notebook 切换默认环境

推荐指数： ⭐️⭐️⭐️⭐️

3 使用 nb_conda_kernels 添加所有环境

第二种方法其实也挺不错的。有个缺点是，你新建一个环境，就要重复操作一次。

而这个方法就是一键添加所有 conda 环境，且不妙哉！

conda activate my-conda-env    # this is the environment for your project and code
conda install ipykernel
conda deactivate

conda activate base      # could be also some other environment
conda install nb_conda_kernels
jupyter notebook

推荐指数： ⭐️⭐️⭐️⭐️⭐️

注意：这里的 conda install nb_conda_kernels 是在 base 环境下操作的。

安装好后，打开 jupyter notebook 就会显示所有的 conda 环境啦，点击随意切换。

当然，并不是每个人都能一帆风顺。可能存在的问题可以参考链接：

conda 环境问题

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连