jupyter notebook 多环境conda kernel配置方式

Flavia ·

更新时间:2024-09-20

· 635 次阅读

一直记不住在jupyter notebook配置多环境编译器技巧，今总结于此，也希望对其他小伙伴有所帮助，如果有用请点赞！

1.对windows用户，win+R，输入cmd进去进入命令行，激活环境：

2.首先，确定自己是否安装包‘ipykernel'，若是没有安装，则进行安装；已安装进行下一步。

3.然后输入命令：

python -m ipykernel install --user --name deeplearningproject --display-name "deeplearningproject"

注：上述两个 deeplearningproject，前者是自身环境名称，不能变化；后者是在jupyter notebook的显示名称，可修改。

4.至此，完成所有操作，输入jupyter notebook进行验证

5.大功告成

至此，完成所有操作。

补充知识：Python Jupyter notebook 运行 multiprocessing 跑不了的问题

最近工作中为了解决python支持多核cpu，遇到一个Jupyter notebook跑不了multiprocessing的问题。

网上找了些multiprocessing的例子，Pycharm可以跑，但是在Jupyter notebook上跑了就只有In[*]，error log：

AttributeError: Can't get attribute 'task' on <module '__main__' <built-in>>

最后找到一个解决方案：把方法写到临时文件里，再读出来。


from multiprocessing import Pool
from functools import partial
import inspect
def parallal_task(func, iterable, *params):
  with open(f'./tmp_func.py', 'w') as file:
    file.write(inspect.getsource(func).replace(func.__name__, "task"))
  from tmp_func import task
  if __name__ == '__main__':
    func = partial(task, params)
    pool = Pool(processes=8)
    res = pool.map(func, iterable)
    pool.close()
    return res
  else:
    raise "Not in Jupyter Notebook"


def long_running_task(params, id):
  # Heavy job here
  return params, id
data_list = range(8)
for res in parallal_task(long_running_task, data_list, "a", 1, "b"):
  print(res)

传送门：https://stackoverflow.com/questions/47313732/jupyter-notebook-never-finishes-processing-using-multiprocessing-python-3?r=SearchResults

以上这篇jupyter notebook 多环境conda kernel配置方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持软件开发网。

您可能感兴趣的文章:jupyter notebook实现显示行号Jupyter notebook运行Spark+Scala教程jupyter notebook清除输出方式jupyter notebook参数化运行python方式解决jupyter notebook打不开无反应浏览器未启动的问题使用jupyter notebook直接打开.md格式的文件在jupyter notebook 添加 conda 环境的操作详解解决jupyter notebook 前面书写后面内容消失的问题

notebook conda kernel jupyter

1024 个赞