墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
300+累计阅读
305平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
pip install -U ipykernel # 为了新建kernel
pip install -U ipywidgets # 为了这个kernel能更好地展示如tqdm进度条之类的东西
python -m ipykernel install --user --name <虚拟环境名> --display-name <展示在jupyter notebook中的虚拟环境名>
Linux 下安装和使用 Jupyter Notebook
本文介绍如何在虚拟环境安装使用Jupyter，并提供脚本一键操作。
【环境配置】Jupyter Notebook配置多个kernel内核（基于conda)
@[toc](conda显示虚拟环境_Jupyter Notebook切换虚拟conda环境(Kernel)) 查看JupyterNotebook的kernel及存放位置 在cmd中键入ipython kernelspec list： C:\Users\goatbishop>ipython kernelspec list [TerminalIPythonApp] WARNING | Subcommand `ipython kernelspec` is deprecated and will be re
Jupyter Notebook默认路径修改：原理、配置与高效工作流实践
在数据科学和机器学习项目中，高效的项目文件管理与开发环境配置是提升生产力的关键。Jupyter Notebook作为交互式编程的核心工具，其启动路径的配置直接影响到工作流的顺畅度。通过理解其配置文件机制，用户可以修改默认启动目录，实现从任意指定位置直接进入工作区，从而减少导航时间，优化项目结构。这一操作不仅涉及配置文件`jupyter_notebook_config.py`中`c.NotebookApp.notebook_dir`参数的调整，更与虚拟环境管理、版本控制集成等工程实践紧密结合。掌握Jupyte
【大数据学习篇13】在linux上安装jupyter
1.2 进入自己的安装目录，安装anaconda一直按回去车然后按yes就好了。
远程服务器部署 Jupyter Notebook 完整指南
Jupyter Notebook 是 Python 数据科学领域最常用的交互式开发环境，其本质是一个基于 Web 的 Notebook 服务，依赖 Python 内核与网络通信机制。要实现远程访问，需突破默认仅绑定 localhost 的安全限制，理解 IP 绑定、端口监听、防火墙策略及 SSH 隧道等核心原理。技术价值在于支持跨设备协作、GPU 资源复用与生产环境复现；典型应用场景包括 AI 工程师在 Linux 服务器上调试模型、数据科学家远程访问集群算力、团队共享统一计算环境。本文聚焦远程部署中环境隔
Debian 10 部署 Jupyter Notebook 的系统级适配指南
Jupyter Notebook 是一个基于 Web 的交互式计算环境，其核心依赖 Python 运行时、内核管理（如 ipykernel）和系统服务集成。在 Debian 10 等稳定发行版中，由于默认 Python 版本（3.7.3）、systemd --user 权限模型及 apt 包版本冻结等系统级约束，直接安装常导致‘jupyter notebook无法运行’‘jupyter notebook跳转不到浏览器’等典型故障。这些问题本质是发行版哲学与科学计算栈动态需求之间的张力体现。通过 venv +
【Linux】jupyter简介，搭建和部署jupyter
Jupyter我们简称常指早出的Jupyter Notebook，用于创建Jupyter Notebook文档的基于Web的交互式计算环境。它支持多种语言，例如Python（IPython），Julia，R等，并且广泛用于数据分析，数据可视化以及进一步的交互式探索性计算。JupyterLab是最新的基于 Web 的笔记本、代码和数据交互式开发环境（例如HTML，Text，Markdowns等）作为选项卡。其灵活的界面允许用户配置和安排数据科学、科学计算、计算新闻和机器学习的工作流程。
远程服务器配置Jupyter Notebook完整指南：从环境搭建到SSH隧道实战
在数据科学和机器学习领域，Python的交互式编程环境是核心工具。Jupyter Notebook以其独特的单元格交互模式，成为数据分析、模型调试和结果可视化的首选。其核心原理是基于Web的客户端-服务器架构，允许用户在浏览器中编写和执行代码片段，并即时查看输出。这种交互性极大地提升了开发效率和探索性数据分析的体验。然而，当处理大规模数据集或复杂深度学习模型时，本地计算资源往往成为瓶颈。此时，将计算任务迁移到性能更强的远程服务器成为关键技术方案，这不仅能利用云端算力，还能实现环境统一与协作共享。通过SSH隧
jupyter notebook 安装 C/C++ kernel
jupyter notebook 安装 C/C++ kernel 如果你想在jupyter notebook中交互式编写C以及C++，那么本文是为你而写_ 1. 准备工作 为了减少安装过程中不必要的烦恼，影响你美美的心情，请确保目标机器上已经安装了Anaconda，下载地址：https://www.anaconda.com/distribution/#download-section。如已安...
Ubuntu 22.04部署Jupyter Notebook实战指南
Jupyter Notebook是数据科学与深度学习的核心交互式开发环境，其本质是基于Web的Python内核执行平台，依赖Python解释器、包管理器、网络栈及GUI输入法框架的协同工作。在Ubuntu 22.04 LTS这一广泛用于服务器与AI开发的长期支持版本中，系统级变更（如systemd-resolved DNS策略、GNOME/IBus输入法机制、APT仓库Python版本锁定）导致标准安装流程频繁失效。技术价值在于构建隔离、安全、可复现的生产级环境：通过Miniconda精准控制Python版
Jupyter Notebook虚拟环境内核配置与管理实战指南
在Python开发与数据科学项目中，环境隔离是保障项目依赖独立性和可复现性的核心机制。其原理是通过创建独立的虚拟环境，为每个项目提供专属的Python解释器和第三方库集合，从而避免版本冲突。这一技术对于现代软件工程和机器学习工作流具有重要价值，它能确保开发、测试与部署环境的一致性。在实际应用场景中，无论是进行数据清洗、模型训练，还是Web应用开发，都需要依赖特定的库版本组合。通过将虚拟环境配置为Jupyter Notebook的内核，可以实现交互式编程环境与项目运行环境的精准对接。本文聚焦于**Conda*
bash_kernel终极指南：如何在Jupyter中运行强大的Bash命令
想要在Jupyter环境中轻松运行Bash命令吗？bash_kernel正是您需要的解决方案！这个强大的工具让您能够在Jupyter Notebook、JupyterLab和Jupyter控制台中直接使用Bash shell，为数据科学家、系统管理员和开发者提供了无缝的Shell脚本体验。本完整指南将带您从安装到高级使用，掌握这个改变游戏规则的Jupyter内核。 ## 🌟 为什么选择bash
Jupyter Notebook工程化实践：构建可复现、可协作、可交付的AI项目文档
Jupyter Notebook本质上是一种计算叙事工具，其核心价值在于记录可追溯、可复现、可协作的完整实验过程。它通过cell执行顺序、kernel元数据、输出快照等机制，实现代码、数据、结果与上下文的时空耦合。在AI工程落地中，Jupyter已超越交互式开发环境，演变为承载模型验证、特征分析、效果评估与技术交付的‘活体文档协议’。本文聚焦真实项目高频痛点——环境不一致、路径硬编码、随机性失控、变量作用域混乱及Git不可读等问题，系统梳理基于Jupyter的七层防御体系，并融合notebook工程化、AI
Jupyter Notebook 从零安装到高效配置：新手与开发者的完整指南
交互式计算环境是现代数据分析和科学计算的核心工具，它允许用户在同一个文档中无缝集成代码、可视化结果和文本叙述，极大地提升了探索性工作的效率和可复现性。其底层原理是基于客户端-服务器架构，通过Web浏览器提供界面，并由独立的内核执行代码。这种设计带来了显著的技术价值，包括支持多种编程语言、促进可重复研究以及便于教学与协作。在应用场景上，它广泛覆盖了数据清洗、统计分析、机器学习模型开发以及学术论文的撰写。本文聚焦于Jupyter Notebook这一具体实现，详细解析了通过Anaconda和pip两种主流路径进
linux 安装jupyter notebook的解决方案
1. 安装Anaconda 2. 生成和设置配置文件 2.1 生成配置文件 2.2 生成秘钥和证书 2.2.1 设置秘钥 2.2.2 设置SSL证书 2.3 设置配置文件 3. 连接jupyter notebook 3.1 产生notebook进程 3.2 使用本机浏览器进行访问 3.3 检查网络 3.4 关闭防火墙 4. 在notebook中安装新的kernel 4.1 安装并激活新的虚拟环境 4.2 安装kernel 4.3 重新激活虚拟环境可能的错误
音频格式之AAC：（2)AAC封装格式ADIF,ADTS,LATM，extradata及AAC ES存储格式
本文主要1-3部分介绍AAC封装格式ADIF,ADTS和LATM，同时因为从mp4等封装容器有extradata模式，故也第4部分介绍extradata模式。最后第5部分介绍AAC压缩数据存储方式。
Jupyter Notebook安装配置与高效使用指南
Jupyter Notebook作为交互式计算环境，通过将代码、文本和可视化结果整合在单一文档中，极大提升了数据分析和科学计算的效率。其核心原理基于IPython内核，支持40多种编程语言，采用单元格(cell)作为基本执行单元。技术价值体现在即时反馈的探索式编程体验，特别适合数据清洗、机器学习模型开发和结果可视化等场景。在安装配置方面，推荐使用Anaconda发行版一键部署Python数据科学环境，避免依赖冲突问题。实际应用中，掌握命令模式与编辑模式的切换、快捷键体系以及Markdown与代码的混合编排技
基于Ultralytics RT-DETR的工业缺陷检测实战：从NEU-DET数据集准备到模型部署
本文详细介绍了基于Ultralytics框架和RT-DETR模型进行工业缺陷检测的完整实战流程。内容涵盖从NEU-DET数据集准备、YOLO格式转换、环境配置，到模型训练、关键参数调优、性能验证与可视化分析，最后提供了ONNX等格式的模型部署方案，为工业质检场景提供了一套高效、可落地的AI解决方案。
Anaconda与Jupyter Notebook：构建高效数据科学工作流的黄金组合
在数据科学和机器学习领域，Python虚拟环境和交互式开发环境是两大基础技术概念。虚拟环境通过隔离项目依赖，解决了不同项目间包版本冲突的核心痛点，确保了代码的可复现性。而交互式笔记本则提供了代码、文档和可视化结果一体化的探索性工作方式，极大提升了数据分析和模型原型开发的效率。Anaconda作为集成的Python发行版，其核心工具Conda实现了高效的虚拟环境与包管理，而Jupyter Notebook则是最流行的交互式计算环境。两者的技术价值在于，Anaconda为Jupyter提供了稳定、可控的后台执行
Frenet坐标系下动态街道场景的最优轨迹生成
本文详细解读了Lattice Planner
国产HDMI2.0芯片GSV2011怎么选？手把手教你用它设计音视频采集卡（附FPGA/海思对接指南）
本文详细解析国产HDMI2.0芯片GSV2011在音视频采集卡设计中的应用，涵盖芯片选型、硬件设计要点及与FPGA/海思平台的对接指南。GSV2011凭借4K@60Hz支持、音频提取嵌入功能和高集成度，成为音视频设备的核心选择，助力开发者快速实现高性能采集卡设计。
Anaconda与Jupyter Notebook：数据科学环境搭建与高效使用指南
在Python数据科学和机器学习领域，环境管理与交互式开发是两大基础且关键的技术环节。环境管理通过虚拟化技术解决不同项目间的依赖冲突问题，其核心原理是为每个项目创建独立的Python运行环境，确保库版本隔离与项目可复现性。这一技术价值在于大幅提升了开发效率与协作可靠性，广泛应用于数据分析、模型训练和科学计算等场景。而交互式开发工具则通过将代码、可视化结果和文档整合在同一界面，实现了探索性数据分析与快速原型验证的高效工作流。本文聚焦于Anaconda这一集成了环境管理工具conda和Jupyter Noteb
手把手教你用STM32CubeMX配置WS2812的PWM+DMA驱动（附完整代码）
本文详细介绍了如何使用STM32CubeMX配置PWM+DMA驱动WS2812全彩灯带，包括硬件选型、STM32F103C8T6的时钟配置、定时器与PWM设置、DMA传输优化等关键步骤，并提供了完整的代码实现和常见问题解决方案，帮助开发者高效控制WS2812灯带。
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
3813
扫一扫
