Jupyter Notebook二次开发的经验(一)——安装开发版本

本文介绍了Jupyter Notebook的二次开发过程,包括搭建开发环境,安装Node.js和npm,以及Notebook-dev。详细讲解了如何配置notebook和ipython,特别是如何启动服务并监听js修改。同时,文章提到了前端模板的修改,如tree.html和notebook.html,适合希望自定义Notebook界面的开发者。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

搭建开发环境

安装Node.js和npm

参考:https://www.runoob.com/nodejs/nodejs-install-setup.html

安装Notebook-dev

使用Python虚拟环境或者默认环境执行下面的操作:

git clone https://github.com/jupyter/notebook
cd notebook
pip install -e .

完成后,使用pip list查看发现,notebook 5.5.0.dev0会指向一个路径。
启动服务jupyter notebook,此时notebook服务端会运行你正在编辑的源代码。
前端使用jinja2模板编写,页面加载了大量的js,并需要使用npm构建。
运行npm run build:watch监听js的修改及时构建。
另外,服务端的调试模式为jupyter notebook --debug

配置文件

notebook

执行jupyter notebook --generate-config在用户目录生成配置文件~/.jupyter/jupyter_notebook_config.py
常用配置如下:

# 解决跨域问题
c.NotebookApp.tornado_settings = {
      'headers&
### Jupyter Notebook 安装报错解决方案 在 Windows 系统下使用 Conda 环境时,如果遇到 Jupyter Notebook安装或运行问题,可以按照以下方法排查并解决问题。 #### 、nb_conda 和 Python 版本冲突 当 nb_conda 插件与当前使用的 Python 版本不兼容时,可能会引发各种异常行为。可以通过更新 `nb_conda` 或重新创建环境来解决此问题[^1]: ```bash conda update nb_conda ``` 如果上述命令未能解决问题,则建议删除现有环境中可能引起冲突的包,并尝试重建虚拟环境: ```bash conda remove --name your_env_name nb_conda conda create -n new_env python=3.x jupyter notebook conda activate new_env ``` 其中 `your_env_name` 是指代旧环境名称;而 `new_env` 则是你希望新建的个干净无污染的新环境名。 #### 二、针对 TensorFlow 报错的具体处理方式 对于特定情况下,在 Terminal 中能够成功导入 Tensorflow 而于 Jupyter Notebook 内却失败的现象(如因缺少 CUDA 库文件导致),需确认 GPU 驱动程序已正确配置完毕后再执行如下操作[^2]: 1. **验证 NVIDIA 显卡驱动状态** 执行 nvidia-smi 命令查看显卡驱动版本号及其支持状况。 2. **调整路径变量设置** 将缺失动态链接库所在目录加入到系统的 PATH 变量里去。例如 `/usr/local/cuda/lib64/`. 3. **强制指定依赖项位置** 修改启动脚本或者直接通过代码设定 LD_LIBRARY_PATH 参数指向实际存在的 .so 文件地址: ```python import os os.environ['LD_LIBRARY_PATH'] += ":/path/to/correct/library" ``` 以上措施有助于缓解由于共享对象丢失所造成的加载失败情形. #### 三、完全卸载并重置 Jupyter Notebook 假如常规手段均告失效的话,那么采取更为激进的方式——即彻底清除原有组件再重新部署可能是必要的选择之: ```bash # 卸载现有的Jupyter相关软件包 pip uninstall ipython-genutils traitlets decorator jedi parso pygments prompt_toolkit tornado jsonschema entrypoints mistune nbconvert nbformat notebook widgetsnbextension qtconsole ipykernel ipython ipywidgets pandas matplotlib seaborn scipy scikit-learn numpy sympy cython pillow lxml beautifulsoup4 requests flask django keras tensorflow # 清理残留数据 rm -rf ~/.jupyter/ rm -rf ~/Library/Jupyter/ # 使用Conda再次安装最新版Jupyter Notebook conda install jupyterlab ``` 完成这些步骤之后重启计算机然后再试次应该就可以恢复正常运作了。 ### 总结 综上所述,无论是因为插件间的适配度不够还是外部资源未被正确定位等原因引起的 Jupyter Notebook 故障都可以依据实际情况选用不同的修复策略加以应对。当然除了文中提及的方法之外还有很多其他的技巧可供探索实践。
评论 8
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值