jupyter notebook 多环境conda kernel配置方式
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)
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脚本之家。
相关文章
手把手教你快速安装gpu版本的pytorch(详细图文教程)
在Windows 10上安装PyTorch时,通常默认安装的是CPU版本,且下载速度较慢,本文提供了一个详细的安装指南,包括如何检查CUDA版本、选择合适的PyTorch、torchvision和torchaudio版本,并通过pip而非conda进行安装,文中通过图文介绍的非常详细,需要的朋友可以参考下2024-09-09
最新评论