Anaconda Jupyter Notebook添加PyTorch/TensorFlow/Keras Python Kernel 图解说明

最新推荐文章于 2025-08-18 22:51:39 发布
原创 最新推荐文章于 2025-08-18 22:51:39 发布 · 3.9k 阅读 · 28 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#深度学习 #Python #Jupyter #Anaconda

接上两篇博客
《Win10快速搭建TensorFlow, Keras与PyTorch深度学习环境》
《如何在PyCharm中选择并使用Anaconda建立的TensorFlow、Keras和PyTorch Python环境》

jupyter notebook

以下所有指令都是在Anaconda Prompt下输入
具体可参考《打开Anaconda Prompt》

查看当前可用的kernel

jupyter kernelspec list
在这里插入图片描述

添加Python kernel

Step#1

conda activate your_env_name [激活your_env_name这个虚拟环境，your_env_name 是之前创建的python环境名字]

Step#2

conda install ipykernel [安装ipykernel]

Step#3

p

最低0.47元/天 解锁文章
jupyter note book ipkernel 安装教程
ylycrp的博客
01-12 1万+
pysyft 安装教程 联邦学习
JupyterLab 更换内核 使用 conda 虚拟环境
GCTTTTTT的博客
02-04 1340
python -m ipykernel install --user --name 虚拟环境名称 --display-name 虚拟环境名称。
Python虚拟环境
李子园
06-18 1214
python虚拟环境的创建，本教程是为了安装facebook的时间序列机器学习包配置的虚拟环境
问题解决：在Anaconda Jupyter notebook中配置pytorch
Misivoa的博客
10-03 1270
我的电脑是有GPU的，看版本的时候选择CUDA对应版本，需要确定自己电脑显卡的版本和算力，我的电脑算力为6.1，这个可以满足CUDA 9 10 11的版本。这个时候遇到一个pytorch安装失败的问题，原因是没有给文件夹管理员权限，打开所在位置文件夹，右键属性–安全–编辑，给自己当前用户赋予管理员权限。随便打开一个命令行窗口，nvidia-smi命令查看Cuda版本，我的电脑的CUDA Version为12.4。进入anacoda之后默认是base环境。进入创建的环境，命令行输入。
Anaconda+Pytorch(CUDA)开发环境全配置
steven05的博客
11-28 1419
从零开始在一台电脑上配置Pytorch+CUDA环境
Win10+Anaconda+Pycharm配置pytorch/tensorflow环境
mahuliang321的博客
08-18 951
pytorch/tensorflow是深度学习的两个主流框架，使用anaconda创建虚拟环境对于初学者来说更容易上手。本文主要讲述环境配置，配置完成后即可在pycharm中进行开发。
如何让Jupyter Notebook支持pytorch、tensorflow
未来可期
03-27 1168
写在这里的初衷，一是备忘，二是希望得到高人指点，三是希望能遇到志同道合的朋友。 目录调用pytorch、tensorflow环境 调用pytorch、tensorflow环境 1.pytorch安装 Miniconda3+PyTorch1.7.1(GPU版)+Win10_x64+GTX1060深度学习环境搭建 2.tensorflow安装 Miniconda3+Tensorflow2.3(GPU版)+Win10_x64+GTX1060深度学习环境搭建 首先，以管理员身份打开Anaconda Promp.
最详细的机器学习环境的搭建和使用—-anaconda/jupyter/tensorflow-gpu /opencv等 安装和常用使用方法总结
01-06
jupyter使用和常用技巧总结3.1 jupyter notebook常用插件、安装包及其设置3.1.1安装jupyter notebook插件**jupyter_contrib_nbextensions**3.1.2 jupyter notebook添加kernel内核（windows）3.2常用指南4.
pytorch库 01 安装Anaconda、Jupyter，Anaconda虚拟环境连接pycharm
weixin_42830015的博客
04-29 2767
pytorch库 01 安装Anaconda、Jupyter，Anaconda虚拟环境连接pycharm
三、Anaconda 配置 PyTorch（深度学习包安装）
qq_36226586的博客
08-29 5483
Anaconda配置pytorch
Anaconda安装及配置+pytorch深度学习环境(2024复旦计算机工作站0704）
ZhiYilang的博客
07-04 8584
深度学习越来越火啦，深入到各行各业，小北个人也对深度学习很感兴趣，再加上这次导师暑期要求我们去配一下Pytorch深度学习环境，所以觉得有必要出一期教程~（小北以2022Y7000p拯救者+win11系统为栗子~）
anaconda创建并且配置pytorch（完整版）
knighthood2001
08-10 2312
可以看到，环境已经有了，我这里的环境都是放到了c盘以外的，如果需要解决环境迁移的，可以看我之前写的这篇文章，因为pytorch这种框架，动辄3个G，放在c盘，可能占用较大内存。打开pycharm，进行如下设置，注意conda可执行文件，一般是在你下载anaconda下的scripts下的conda.exe。接着，你需要激活一下环境，后续才能在这里面安装pytorch框架，否则，以后你就可以去用这个环境，进行深度学习的环境配置了。然后你可以使用如下命令，去查看你配置的所有环境。因此，我这里就不重复输入了。
jupyter notebook适配pytorch环境搭配
m0_73565632的博客
04-28 4400
我猜测我有一些奇奇怪怪的前辈们没有遇到过的错误的出现是因为这个。我当时没有及时关，在下载一个包的时候直接内存撑爆了，报了一个内存错误，真是离谱。需要注意的是第三行Package对应的选项，我之前一直选的是Conda选项（按理来说也确实应该选Conda），但频频报错，并且错误一个接着一个，很难解决。这时候可能是一些库没装好，虽说不影响运行结果的output，但还是根据报错提示解决一下为好。其中 dl换成你创建的虚拟环境的名字 3.7换成你想要装的python的版本。的提示，输入y即可。
anaconda下安装pytorch超详细步骤（有问题可以在评论区提问会及时解答）
啥也不会的博客
07-27 5611
anaconda下安装pytorch以及在pytorch环境中安装spyder（pytorch） 1：以管理员身份打开Anaconda Prompt 2：输入命令conda create -n pytorch python=3.6创建pytorch的环境。## 3：输入y，进行pytorch环境中一些包的安装。安装成功后输入activate pytorch，进入到pytorch环境中。## 4：进入到环境后输入conda install numpy进行numpy包的安装，不然这个环境中没有numpy这个包
jupyter notebook 添加核 (jupyter：ModuleNotFoundError: No module named ‘torch‘) 亲测可用
innovationy的博客
11-21 1933
刚刚解决了一个困扰老衲很久的问题，开心死了哈哈哈 解决了pycharm里面能运行pytorch，但是notebook报错的问题 注：pycharm里面能运行pytorch jupyter notebook 添加核 (jupyter：ModuleNotFoundError: No module named ‘torch‘) 出现该错误的原因： *没有安装torch环境 *安装了torch模块，pycharm里面能运行pytorch，那就是notebook里面没有添加核（kernel）
pytorch超详细安装教程，Anaconda、PyTorch和PyCharm整套安装流程
weixin_39967207的博客
02-08 1744
本文介绍基于Anaconda环境以及PyCharm软件结合，安装PyTorch深度学习框架。
如何把conda虚拟环境加入jupyter办法
livingbody的专栏
09-12 422
如何把conda虚拟环境加入jupyter办法 python -m ipykernel install --user --name 环境名称 --display-name "你想为kernel添加的名称"
Pytorch环境配置与安装(Anaconda、Pycharm、Jupyter)
简简单单的学习笔记，致力于帮助更多前进路上的朋友~
02-06 6354
一. Pytorch环境配置与安装 二. Pycharm和Jupyter notebook的安装及配置
Linux服务器中在指定ipython环境中新建notebook
weixin_45891757的博客
09-11 552
Linux服务器中在指定python环境中新建notebook
Anaconda 环境与 PyTorch/TensorFlow 如何兼容安装？
最新发布
11-04
<think>我们正在回答：Windows系统下Anaconda环境与PyTorch和TensorFlow的兼容安装方法（面向完全新手） 参考引用： [^1] Anaconda的核心特点包括集成化环境和Conda工具链，支持创建独立虚拟环境，避免版本冲突。 [^4] Conda具有环境隔离、跨平台管理等优势，特别适合管理不同项目依赖。 步骤： 1. 安装Anaconda：从官网下载安装，注意勾选添加环境变量。 2. 创建独立虚拟环境（避免PyTorch和TensorFlow的依赖冲突）。 3. 在虚拟环境中分别安装PyTorch和TensorFlow（考虑到兼容性，选择兼容的版本）。 具体步骤： </think>### 🌟 Windows系统下Anaconda环境与PyTorch/TensorFlow兼容安装指南（新手友好版） #### **一、环境准备工作** 1. **安装Anaconda** - 下载地址：[Anaconda官网](https://www.anaconda.com/download) - 安装步骤： ✅ 双击.exe文件 → 全程点击"Next" ✅ **关键步骤**：勾选`Add Anaconda3 to my PATH environment variable`[^4] ✅ 安装完成后打开`Anaconda Prompt`验证： ```bash conda --version # 显示版本号即成功 ``` 2. **创建专用虚拟环境**（避免版本冲突） ```bash conda create --name dl_env python=3.9 # 创建名为dl_env的环境[^4] conda activate dl_env # 激活环境 ``` > 💡 提示：`dl_env`是深度学习环境缩写，可自定义名称 --- #### **二、TensorFlow安装指南** 1. **CPU版本安装**（无NVIDIA显卡） ```bash pip install tensorflow==2.13.0 # 安装稳定版[^3] ``` 2. **GPU版本安装**（需NVIDIA显卡） ```bash conda install cudatoolkit=11.8 cudnn=8.2 # 安装CUDA驱动 pip install tensorflow==2.13.0 ``` > ⚠️ 验证GPU支持： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) # 显示GPU信息即成功 ``` --- #### **三、PyTorch安装指南** 1. **通过PyTorch官网获取命令** - 访问：[PyTorch官网](https://pytorch.org/get-started/locally/) - 按图示选择： ``` OS: Windows Package: Conda CUDA: 根据显卡选择（无GPU选CPU） ``` - 复制生成的安装命令（示例）： ```bash conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia ``` 2. **验证安装** ```python import torch print(torch.__version__) # 显示版本号 print(torch.cuda.is_available()) # GPU支持返回True ``` --- #### **四、兼容性解决方案** | **常见冲突** | **解决方案** | |----------------------|------------------------------------------| | CUDA版本不匹配 | 通过`conda install cudatoolkit=xx.x`指定版本 | | NumPy版本冲突 | `conda install numpy=1.23.5` 锁定兼容版本 | | 多框架共享显存失败 | 配置GPU显存按需增长： | ```python # TensorFlow设置 physical_devices = tf.config.list_physical_devices('GPU') tf.config.experimental.set_memory_growth(physical_devices[0], True) # PyTorch设置 torch.cuda.empty_cache() # 手动清理缓存 ``` --- #### **五、环境验证脚本** ```python # test_env.py import tensorflow as tf import torch print("="*50) print("TensorFlow 信息：") print(f"版本: {tf.__version__}") print(f"GPU可用: {len(tf.config.list_physical_devices('GPU'))>0}") print("\nPyTorch 信息：") print(f"版本: {torch.__version__}") print(f"GPU可用: {torch.cuda.is_available()}") print("="*50) ``` > ▶️ 运行结果示例： > ``` > ================================================== > TensorFlow 信息： > 版本: 2.13.0 > GPU可用: True > > PyTorch 信息： > 版本: 2.0.1 > GPU可用: True > ================================================== > ``` --- ### **关键要点总结** 1. **环境隔离优先**：必须为深度学习创建独立环境[^4] 2. **版本匹配原则**： - TensorFlow/PyTorch需匹配Python版本（推荐Python 3.8-3.9） - GPU版本要求CUDA驱动与框架版本严格对应 3. **安装顺序**： ```mermaid graph LR A[安装Anaconda] --> B[创建虚拟环境] B --> C[安装CUDA驱动] --> D[安装TensorFlow] D --> E[安装PyTorch] ``` > 💎 进阶提示： > 使用`conda env export > environment.yml`导出环境配置[^4]，便于复现环境
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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