2.jupyter切换使用conda虚拟环境的最佳方法

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：

• 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 和 2操作复杂，第一种方法要为每个conda环境都要装jupyter；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。

方法1：

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

方法2：

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

方法3（推荐）：

而这个方法就是一键添加所有 conda 环境，且不妙哉！

1. 激活项目环境并安装 IPython 内核

conda activate my-conda-env    # 激活名为 my-conda-env 的 Conda 环境，这是你项目的主环境
conda install ipykernel        # 在该环境中安装 ipykernel，它允许 Jupyter 连接到这个环境的 Python 解释器
conda deactivate               # 退出当前环境，回到基础环境或之前的环境

作用：将项目环境注册为 Jupyter 可用的内核，以便在 Notebook 中选择该环境的 Python。

2. 在基础环境中安装 nb_conda_kernels 并启动 Jupyter

conda activate base            # 激活 Conda 的基础环境（也可以是其他已安装 Jupyter 的环境）
conda install nb_conda_kernels # 安装 nb_conda_kernels 插件，它会自动识别所有 Conda 环境并添加到 Jupyter 的内核列表中
jupyter notebook               # 启动 Jupyter Notebook 服务器，此时可以在浏览器中选择不同环境的内核

作用：在 Jupyter 中添加对所有 Conda 环境的支持，使你能够在同一个 Notebook 界面中切换不同环境的 Python 内核。

工作原理

1. ipykernel：每个 Conda 环境需要安装 ipykernel 才能作为 Jupyter 内核被识别。
2. nb_conda_kernels：在 Jupyter 所在环境（通常是 base）中安装该插件后，它会自动扫描所有 Conda 环境，并将已安装 ipykernel 的环境添加到 Jupyter 的内核选择菜单中。
3. 内核切换：启动 Jupyter 后，在 Notebook 的顶部菜单中选择 Kernel → Change kernel，即可切换到不同 Conda 环境的 Python。