jupyter notebook 多环境conda kernel配置方式

 更新时间:2020年04月10日 10:43:13   作者:dby_freedom  
这篇文章主要介绍了jupyter notebook 多环境conda kernel配置方式,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧

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)

    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
  • 几款好用的python工具库(小结)

    几款好用的python工具库(小结)

    这篇文章主要介绍了几款好用的python工具库(小结),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-10-10
  • python仿抖音表白神器

    python仿抖音表白神器

    这篇文章主要教大家制作python抖音表白神器,仿制抖音表白小软件,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2019-04-04
  • Python OpenCV中的图像处理物体跟踪效果

    Python OpenCV中的图像处理物体跟踪效果

    我们知道怎样将一幅图像从 BGR 转换到 HSV 了,我们可以利用这一点来提取带有某个特定颜色的物体,这篇文章主要介绍了Python OpenCV中的图像处理物体跟踪,需要的朋友可以参考下
    2023-08-08
  • Python多分支if语句的使用

    Python多分支if语句的使用

    这篇文章主要介绍了Python多分支if语句的使用,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-09-09
  • 这3个Python实时可视化工具包来帮你了解性能瓶颈

    这3个Python实时可视化工具包来帮你了解性能瓶颈

    由于Python的动态性和多功能性,它比其他语言的速度要慢.有时复杂的计算或算法需要大量时间才能在Python中执行.因此需要跟踪代码的执行流,深入了解性能瓶颈,需要的朋友可以参考下
    2021-06-06
  • Python执行外部命令subprocess的使用详解

    Python执行外部命令subprocess的使用详解

    subeprocess模块是python自带的模块,无需安装,主要用来取代一些就的模块或方法,本文通过实例代码给大家分享Python执行外部命令subprocess及使用方法,感兴趣的朋友跟随小编一起看看吧
    2021-05-05
  • python3读取csv文件任意行列代码实例

    python3读取csv文件任意行列代码实例

    这篇文章主要介绍了python3读取csv文件任意行列代码实例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-01-01
  • python如何以表格形式打印输出的方法示例

    python如何以表格形式打印输出的方法示例

    这篇文章主要介绍了python如何以表格形式打印输出的方法示例,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
    2019-06-06
  • 详解Django ORM引发的数据库N+1性能问题

    详解Django ORM引发的数据库N+1性能问题

    这篇文章主要介绍了详解Django ORM引发的数据库N+1性能问题,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-10-10

最新评论