Jupyter切换环境内核
Jupyter切换环境内核
大家在使用Jupyter Notebook进行编程时，如果需要在不同的虚拟环境中运行Jupyter，常见的做法是首先激活虚拟环境，然后在该虚拟环境下进入Jupyter Notebook环境才行。这样会导致我们如果同时运行多个项目时，就需要同时激活多个虚拟环境进入Jupyter Notebook服务，过程十分繁琐。那有没有办法能够在不开启多个Jupyter Notebook服务的前提下切换虚拟环境呢？
答案是有的，本教程提出的主要目的是帮助开发者在使用Jupyter Notebook时，切换环境内核，建议使用conda搭建的虚拟环境。
整个步骤如下：
- 创建虚拟环境
- 激活虚拟环境
- 将虚拟环境写入Jupyter Notebook中的Kernel
- 打开Jupyter Notebook服务
- 更换Kernel
- 验证是否更换成功
搭建并激活相应项目的虚拟环境
该过程参见使用conda管理虚拟环境
将虚拟环境写入Jupyter Notebook的Kernel中
查看当前conda下的所有虚拟环境。
可以看到我电脑中的虚拟环境还是比较多的，一共有9个虚拟环境。
现在演示将pytroch的环境加入到Jupyter Notebook的Kernel中。
首先，查看我已经写入Kernel的虚拟环境。
jupyter kernelspec list
从返回的结果可以看到，我的Jupyter 中已经有了3个Kernel。
然后，现在把pytorch虚拟环境写入Kernel，注意：在写入Kernel之前必须先激活虚拟环境。
激活pytorch虚拟环境conda activate pytorch
接着，使用以下命令将pytorch虚拟环境加入到Jupyter的Kernel中。
再次查看Jupyter的Kernel列表发现pytorch虚拟环境已经完成写入。
PS：删除Kernel命令jupyter kernelspec remove KernelName(Kernel名称)
激活Jupyter Notebook服务
为了演示效果，在此我们先退出pytorch虚拟环境。
输入jupyter notebook进入Jupyter服务。
新建一个notebook。
输入以下代码导入pytorch
import torch
发现基础环境中是没有torch库的，导入失败。
切换内核
点击菜单栏的Kernel菜单，在Change Kernel子菜单中选择pytorch内核。
观察notebook右上角看是否能够顺利激活内核。
我们发现此时内核已经被修改为pytorch虚拟环境。
验证是否更换成功
再次导入torch看是否能够导入成功。
此时发现执行导入命令已经没有报错。
同时，可以验证一下修改内核后torch的深度学习环境是否正常。【注：需在pytorch虚拟环境下提前安装好深度学习环境】
使用以下命令进行验证
torch.cuda.is_available()
可以发现返回的结果为True，说明深度学习环境也是正常的。
至此，已经完成了在Jupyter Notebook下的环境内核切换。
切换Tensorflow内核并查看深度学习环境是否正常
可以看到，我这里还有一个tf2.9的Kernel，该Kernel是Tensorflow-GPU2.9.1的深度学习环境，也可以切换进行演示。
正常
可以看到，我这里还有一个tf2.9的Kernel，该Kernel是Tensorflow-GPU2.9.1的深度学习环境，也可以切换进行演示。
[外链图片转存中…(img-fu1BsUxD-1679378722084)]
从返回的结果也可以看出，环境切换得十分顺利，Tensorflow2.9深度学习环境也是正常的。