He instalado Anaconda (con Python 2.7), y ha instalado Tensorflow en un ambiente llamado tensorflow. Puedo importar Tensorflow con éxito en ese entorno.

El problema es que Jupyter Notebook no reconoce el nuevo entorno acabo de crear. No importa empiezo Jupyter Notebook desde la GUI del Navegador o desde la línea de comandos dentro de la tensorflow env, sólo hay un núcleo en el menú llamado Python [Root], y Tensorflow no pueden ser importados. Por supuesto, he hecho clic en la opción varias veces, archivo guardado, volvió a abrir, pero estos no son de ayuda.

Extrañamente, puedo ver las dos ambientes cuando abro el Conda ficha en la primera página de Jupyter. Pero cuando abro el Files ficha, y tratar de new una notebook, todavía me termina solo con un núcleo.

Miré a esta pregunta:
Enlace Conda medio ambiente con Jupyter Notebook
Pero no hay un directorio como ~/Library/Jupyter/kernels en mi equipo! Este Jupyter directorio sólo tiene un sub-directorio llamado runtime.

Estoy realmente confundido. Son Conda entornos supone para convertirse en núcleos de forma automática? (He seguido https://ipython.readthedocs.io/en/stable/install/kernel_install.html que configurar manualmente los granos, pero se le dijo que ipykernel no se encontró.)

  • Ejecutar conda install ipykernel en ese entorno.
  • conda install ipykernel parece a instalar jupyter en el medio ambiente… que me Estoy perdiendo algo?
  • presumiblemente ipykernel ha jupyter como una dependencia?
  • ya no parece funcionar…ver respuesta por debajo de Andreas
InformationsquelleAutor user31039 | 2016-09-20

15 Comentarios

  1. 417

    No creo que las respuestas están trabajando más, como conda detiene automáticamente la configuración de los entornos de como jupyter núcleos. Usted necesita agregar manualmente los núcleos para cada ambiente de la siguiente manera:

    source activate myenv
    python -m ipykernel install --user --name myenv --display-name "Python (myenv)"
    

    Tal como se documenta aquí:http://ipython.readthedocs.io/en/stable/install/kernel_install.html#kernels-for-different-environments
    Ver también este problema.

    Addendum:
    Usted debería ser capaz de instalar el nb_conda_kernels paquete con conda install nb_conda_kernels para agregar todos los ambientes automáticamente, consulte https://github.com/Anaconda-Platform/nb_conda_kernels

    • Es posible de alguna manera bandera es la más actualizada de la solución como la de hoy?
    • Esto funcionó para mí Dic 2017
    • Sólo esto funcionó para mí! conda instalar nb_conda – no ayuda. Gracias!
    • Esta ha sido la única solución para mí. Gracias!
    • Este es trabajo para mí, mientras que las otras respuestas son no.
    • Esta fue la única solución que funcionó para mí. Gracias.
    • Esto funcionó para mí, mientras que los otros no.
    • La instalación de nb_conda_kernels trabajó para mí de abril de 2018 (Python 3.6.4, conda 4.3.27, jupyter 4.4.0).
    • Podría uno tener diferentes Jupyter archivo de configuración por conda medio ambiente? Es decir, jupyter_notebook_config.py por el medio ambiente.
    • La apertura de la jupyter (después de hacer el comando mencionado), no se muestra el nuevo env. En jupyter, usted necesita para pasar el kernel, a continuación, cambiar de kernel, y, a continuación, seleccione el env que desee. Esto tiene que ser hecho por cada nuevo bloc de notas abrir, de lo contrario sólo el valor predeterminado env serán seleccionados por jupyter. He notado esto en ubuntu 18.04.
    • Corrección a mi comentario anterior: el nuevo env no se muestra sólo la primera vez. Después de desactivar y activar el env de nuevo, y, a continuación, abra jupyter, a continuación, se muestra correctamente.
    • Trabajó para mí. Para agregar una cosa: la necesidad de uso de coda instalar ipykernel por adelantado.
    • Si esto no funciona para usted, trate de ejecutar conda install ipykernel esta respuesta supone que ya se tiene que instalar en su entorno.
    • Además, usted también necesita ejecutar conda install jupyter. Al menos, vuelva a instalar ipykernel y jupyter funciona para mí.
    • Esto funcionó para mí. Gracias
    • Esto no está funcionando para mí. Si me carga jupyter notebook en un entorno determinado, todavía quiero tener mi Jupyter notebook ver a todos los demás conda entornos en los que he instalado. Así, dentro de Jupyter, conda kernelspec list hace la lista de mis dos ambientes. Sus respectivos kernel.json puntos, a dos de python caminos. Sin embargo, si hago jupyter notebook dentro de un cierto activado env, cualquiera que sea el kernel que estoy usando, !which python utiliza siempre que python activo en su entorno. Limitación importante para mí.

  2. 97

    El molesto cosa es que en su tensorflow medio ambiente, puede ejecutar jupyter notebook sin necesidad de instalar jupyter en ese entorno. Sólo tiene que ejecutar

    (tensorflow) $ conda install jupyter
    

    y la tensorflow medio ambiente deben ser visibles en Jupyter Cuadernos de comenzar en cualquiera de sus conda entornos como algo parecido a Python [conda env:tensorflow].

    • Yo tenía el mismo problema que Thomas K, y la solución compartida por Octavio resuelto mi problema así. Sin embargo, hay un inconveniente, si usted tiene Python 3 versión de Anaconda, entonces usted sería capaz de ver sólo su actual entorno activo, y debe tener su propio Jupyter. Pero si de instalar Python 2 versión de Anaconda, que puede manejar todos los ambientes.
    • usted puede hacer «conda instalar nb_conda», así como en Python2 versión de anaconda para gestionar su envs de Jupyter sí mismo.
    • es correcto. Si su ejecución Miniconda3 o Anaconda3, realizar conda install nb_conda en uno de su origen conda entornos (que ha jupyter portátil instalada). A continuación, puede cambiar kernels/conda envs en el jupyter notebook navegador.
    • Que interesante como la instalación de tensorflow con el tensorflow sitios web o las instrucciones de uso de conda instalar tensorflow tienen tanto desordenado conda en dos máquinas distintas, de dos maneras diferentes. La primera vez que he tenido problemas con jupyter y conda fue justo después de instalar tensorflow.
    • Pueden reportar este método funciona en septiembre de 2018 con Anaconda 5.2 3.6 Python
    • Parecía trabajar para mí Python 3.6 Jan 2019
    • Esto es una terrible respuesta porque se anima a los usuarios a instalar Jupyter en cada env, que es completamente innecesario. La razón por la que esto funciona es que ipykernel (que es la única cosa que realmente se necesita), es una dependencia de jupyter.

  3. 87

    Si tu entornos no están mostrando, usted probablemente no tiene nb_conda_kernels instalado en el entorno donde Jupyter está instalado. Anaconda documentación estados que

    nb_conda_kernels debe ser instalado en el entorno a partir de la cual
    ejecutar Jupyter Notebook o JupyterLab. Esta puede ser la base de conda
    medio ambiente, pero no es necesario. Por ejemplo, si el medio ambiente
    notebook_env contiene el cuaderno de paquete, a continuación, ejecute

    conda install -n notebook_env nb_conda_kernels
    

    Cualquier otro entorno que desea acceder en tu cuaderno debe tener
    un núcleo adecuado instalado el paquete. Por ejemplo, para acceder a un
    Python medio ambiente, debe tener la ipykernel paquete; por ejemplo,

    conda install -n python_env ipykernel
    

    A utilizar un entorno R, debe tener el r-irkernel paquete; por ejemplo,

    conda install -n r_env r-irkernel
    

    Para otros idiomas, sus correspondientes núcleos debe estar instalado.

    Tenga en cuenta que en el momento en que originalmente la publicación de este, había una posible causa de nb_conda que aún no apoyo a Python 3.6 entornos.

    Si otras soluciones no consiguen Jupyter a reconocer otros conda entornos, siempre se puede instalar y ejecutar jupyter desde dentro de un entorno específico. Usted no puede ser capaz de ver o cambiar a otros entornos, desde dentro de Jupyter aunque.

    $ conda create -n py36_test -y python=3.6 jupyter
    $ source activate py36_test
    (py36_test) $ which jupyter
    /home/schowell/anaconda3/envs/py36_test/bin/jupyter
    (py36_test) $ jupyter notebook
    

    Aviso que estoy ejecutando Python 3.6.1 en este cuaderno:
    Conda entornos no aparecen en Jupyter Notebook

    Tenga en cuenta que si usted hace esto con muchos entornos, el espacio de almacenamiento adicional de la instalación de Jupyter en cada entorno puede ser indeseable (dependiendo del sistema).

    • Hola lo Siento para la apertura de este hilo de nuevo. Sin embargo he probado de todo, como se recomienda aquí y todavía no se ve tensorflow env en jupyter. He jupyter instalado en el tensorflow env. Tengo python 3.6.1 instalado allí. He intentado instalar conda nb_conda pero dice en conflicto con py3.6. Por lo que no se instalan resto todo lo demás que he probado y parece que no funciona. Algún consejo?
    • ok. He comprobado de nuevo. Mi problema es que mi jupyter cuando abrió con Python 3 núcleo no es capaz de importar los módulos. No estoy seguro de por qué es que. Y también no muestran otros env demasiado
    • Me di cuenta de que el mismo error. Yo quería precisar esta respuesta pero se encontró con que y no tenía tiempo para resolverlo. Creo que este es un error que debe ser reportado como un git problema.
    • Acabo de encontrar un git problema para el mismo. Al parecer nb_conda no funciona para py36 lo que significa que no podemos usar py36 env en jupyter sin nb_conda? Cualquier hack alguien sabe? github.com/ContinuumIO/anaconda-issues/issues/1423
    • Usted puede usar (yo lo hago todo el tiempo). Sólo hay que comenzar Jupyter del entorno en el que desea usar en el ordenador portátil.
    • hice eso. No funciona porque nb_conda no funciona para python 3.6
    • Acabo de recibirlo. No funciona con python 3.6 desde nb_conda no está funcionando para python 3.6. Pero uno puede crear conda env con 3.5 y funciona, a continuación,. Puede cambiar de ambiente, en jupyter
    • ver mi respuesta actualizada demostrar cómo el uso de python 3.6 en el cuaderno. Puede ejecutar python 3.6 entorno, sólo tienes que iniciar jupyter con ese entorno activo. Conda entornos puede ser pensado como autónomo python instalaciones. Si instala Jupyter en su sistema de python que de igual manera ver sólo una de python opción del kernel. nb_conda‘s finalidad es únicamente la de «[proporcionar] Conda medio ambiente y el acceso de paquete de extensión de plazo de Jupyter» no hacer lo que se puede ejecutar Jupyter de su elegido para la instalación de python.
    • En 10/4/2018 esto funcionó para mí. Ahora puedo ver mi conda entornos bajo el Nuevo desplegable de la lista de selección de jupyter web app.
    • gracias por la sugerencia sobre nb_conda_kernels. Me acaba de confirmar que funciona mediante la instalación de miniconda, la instalación de jupyter en la (base) medio ambiente, creando un nuevo entorno. Estaba, de hecho, capaz de ver el ambiente que crea.
    • gracias por abordar mi preocupación. Creo que todavía es necesario mencionar que el ipykernel necesita ser instalado en cada una de env desea utilizar como un núcleo.
    • En mis pruebas, yo en realidad no tienen ipykernel en el ambiente estoy acceder, sólo el medio ambiente donde jupyter es realmente instalado. Debe haber sido instalado como una dependencia, ya no me activamente instalarlo. Soy capaz de acceder a la no-jupyter entorno sin necesidad de ser instalado. Como [posiblemente irrelevante] nota de lado, he comprobado en la instalación de ipykernel en el «no-jupyter» env y noté que también se instalará jupyter_client, jupyter_core, libsodium, pyzmq, y zeromq.
    • Sólo estoy tratando de defender lo que es claramente en la documentación y sé por experiencia funciona de forma estable y minimiza la hinchazón envs.
    • Hmm, no estoy seguro de por qué funciona sin él. Tienes razón, afirman que debe ser instalado. He añadido que a mi respuesta. Gracias!

  4. 50

    Tenía que ejecutar todos los comandos mencionados en el top 3 respuestas a conseguir este trabajo:

    conda install jupyter
    conda install nb_conda
    conda install ipykernel
    python -m ipykernel install --user --name mykernel
    
    • Esto fue lo que funcionó para mí también, pero no tenía la necesidad de conda install nb_conda
    • Esto funcionó para mí!
    • Increíble la destilación!
    • Sólo necesitaba los 3 primeros comandos para mostrar el entorno del núcleo como una opción cuando ejecuto jupyter lab dentro de ese entorno específico
    • Trabajó también para mí. Mi dios esta fue frustrante para averiguar.
    • Usted no necesita nb_conda! 😉
    • Traté de cada respuesta de un este es el único que trabajaba. Así que, por el momento en que llegué a esta respuesta, yo ya había ejecutado las tres primeras líneas, que no trabajo, python -m ipykernel install –user –nombre de fichero de configuración mikernel es lo que hizo.

  5. 44

    Sólo tiene que ejecutar conda install ipykernel en su nuevo entorno, sólo entonces se puede obtener un kernel con esta env. Esto funciona incluso si usted tiene diferentes versiones instaladas en cada envs y no instalar jupyter notebook nuevo. Usted puede comenzar a youe un notebook de cualquier env usted será capaz de ver recién agregado núcleos.

    • Esta es la mejor respuesta a partir de 2018. Jupyter debe auto-descubre tu kernel en el arranque si simplemente conda install ipykernel en el interior de su conda medio ambiente. Peor de los casos, puede utilizar python -m ipykernel install --user --name mykernel a generar manualmente el kernel, pero no quiero hacer esto si ya se auto-descubierto, o aparecerá dos veces en la lista del kernel.
    • esto también va a instalar Júpiter y todas sus dependencias. Funciona, pero de alguna manera no óptima
  6. 9

    Hemos luchar mucho con este problema, y he aquí lo que funciona para nosotros. Si utiliza el conda-forge canal, es importante asegurarse de que usted está usando los paquetes de actualización de conda-forge, incluso en su Miniconda entorno de las raíces.

    Para instalar Miniconda y, a continuación, hacer:

    conda config --add channels conda-forge --force
    conda update --all  -y
    conda install nb_conda_kernels -y
    conda env create -f custom_env.yml -q --force
    jupyter notebook

    y su entorno personalizado que se mostrará en Jupyter como un kernel disponible, siempre y cuando ipykernel estaba en la lista para la instalación en su custom_env.yml archivo, como por ejemplo esta:

    name: bqplot
    channels:
    - conda-forge
    - defaults
    dependencies:
    - python>=3.6
    - bqplot
    - ipykernel
    

    Sólo para demostrar que trabajando con un conjunto de entornos personalizados, aquí está una pantalla de agarrar de Windows:

    Conda entornos no aparecen en Jupyter Notebook

  7. 9

    Resumen (tldr)

    Si quieres el ‘python3’ kernel para que se ejecute siempre la instalación de Python desde el ambiente en donde se puso en marcha, eliminar el Usuario ‘python3’ núcleo, que es la toma precedencia sobre lo que el entorno actual es con:

    jupyter kernelspec remove python3
    

    Solución Completa

    Lo que voy a publicar una alternativa y la solución más simple para el siguiente caso:

    • Ha creado un conda entorno
    • Este entorno ha jupyter instalado (que también instala ipykernel)
    • Cuando se ejecuta el comando jupyter notebook y crear un nuevo bloc de notas, haga clic en «python3′ en el ‘Nuevo’ del menú desplegable, que notebook ejecuta python desde el entorno de base y no desde el entorno actual.
    • A usted le gusta lo que el lanzamiento de un nuevo bloc de notas con ‘python3’ dentro de cualquier entorno que se ejecuta la versión de Python de que el medio ambiente y NO a la base

    Voy a usar el nombre de ‘test_env’ del medio ambiente, para el resto de la solución. También, tenga en cuenta que ‘python3’ es el nombre del kernel.

    La actualidad la parte superior de votación de respuesta funciona, pero hay una alternativa. Dice lo siguiente:

    python -m ipykernel install --user --name test_env --display-name "Python (test_env)"
    

    Esto le dará la opción de usar el test_env medio ambiente, independientemente de lo que el ambiente de lanzamiento de jupyter notebook de. Pero, el lanzamiento de un portátil con ‘python3’ seguirá utilizando la instalación de Python desde el entorno de base.

    Lo que probablemente sucede es que hay un usuario python3 kernel que existe. Ejecute el comando jupyter kernelspec list a la lista de todos sus ambientes. Por ejemplo, si usted tiene un mac, usted será devuelto el siguiente (mi nombre de usuario es Ted).

    python3       /Users/Ted/Library/Jupyter/kernels/python3
    

    Lo Jupyter está haciendo aquí es la búsqueda a través de tres rutas diferentes, buscando kernels. Va de Usuario, a Env, a Sistema. Ver este documento para más detalles sobre los caminos de búsquedas para cada sistema operativo.

    Los dos núcleos anteriores, ambos están en la ruta de acceso del Usuario, lo que significa que estará disponible independientemente del entorno en el que se inicia una jupyter cuaderno de. Esto también significa que, si hay otro ‘python3’ kernel en el entorno de nivel, entonces usted nunca será capaz de acceder a él.

    Para mí, tiene más sentido que la elección de la ‘python3’ núcleo del entorno en el que puso en marcha el cuaderno de debe ejecutar Python desde ese entorno.

    Usted puede comprobar para ver si usted tiene otro ‘python3 de medio ambiente buscando en el Env de la ruta de búsqueda de su sistema operativo (ver el enlace a la documentación anterior). Para mí (en mi mac), yo emitió el siguiente comando:

     ls /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels
    

    Y yo tenía de hecho un ‘python3’ kernel que aparece allí.

    Gracias a este GitHub cuestión comentario (mira la primera respuesta), puede eliminar el Usuario » python3 de medio ambiente con el siguiente comando:

    jupyter kernelspec remove python3
    

    Ahora al ejecutar jupyter kernelspec list, suponiendo que el test_env aún está activa, aparecerá el siguiente:

    python3       /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels/python3
    

    Aviso de que esta ruta se encuentra dentro de la test_env directorio. Si se crea un nuevo entorno, instale jupyter, activarlo, y la lista de los núcleos, recibirá otra ‘python3’ núcleo situado en su entorno path.

    El Usuario ‘python3’ núcleo se toma precedencia sobre cualquier de los Env ‘python3’ núcleos. Quitando esto, el entorno activo ‘python3’ núcleo fue expuesto y capaz de ser elegido en cada momento. Esto elimina la necesidad de crear manualmente los granos. También tiene más sentido en términos de desarrollo de software donde uno quiera aislarse en un entorno único. Ejecutando un kernel que es diferente del entorno de host no parece natural.

    También parece que este Usuario ‘python3’ no está instalado para todo el mundo por defecto, por lo que no todo el mundo se enfrentan a este problema.

  8. 8
        $ conda install nb_conda_kernels
    

    (en el conda entorno donde se ejecuta el jupyter notebook) tomará todas conda envs disponibles de forma automática. Para el acceso a otros entornos, los respectivos núcleos debe ser instalado. Aquí está el ref.

  9. 7

    Me encontré con este mismo problema en mi nuevo conda medio ambiente, myenv, no podía ser seleccionado como un núcleo o un nuevo bloc de notas. Y ejecución de jupter notebook desde dentro de la env dio el mismo resultado.

    Mi solución, y lo que he aprendido acerca de cómo Jupyter cuadernos reconoce conda-envs y núcleos:

    La instalación de jupyter y ipython para myenv con conda:

    conda install -n myenv ipython jupyter
    

    Después de que, la ejecución de jupter notebook fuera de cualquier env mencionados myenv como un núcleo junto con mi anterior entornos.

    Python [conda env:old]
    Python [conda env:myenv]
    

    Ejecución de la notebook una vez que he activado el medio ambiente:

    source activate myenv
    jupyter notebook
    

    oculta el resto de mi entorno de núcleos y sólo muestra mi idioma núcleos:

    python 2
    python 3
    R
    
  10. 4

    Mientras @coolscitist la respuesta trabajado para mí, no es también una manera que no recargar el núcleo de entorno con la completa jupyter paquete+deps.
    Se describe en el ipython docs y es (sospecho) sólo es necesario si usted ejecute el cuaderno de servidor en un no-entorno de base.

    conda activate name_of_your_kernel_env
    conda install ipykernel
    python -m ipykernel install --prefix=/home/your_username/.conda/envs/name_of_your_jupyter_server_env --name 'name_of_your_kernel_env'

    Usted puede comprobar si funciona usando

    conda activate name_of_your_jupyter_server_env 
    jupyter kernelspec list
    • en realidad, la actualización de jupyter y el uso de conda install nb_conda_kernels funciona mejor.
    • Sólo tenga en cuenta que python -m ipykernel install es la ruta tradicional de registrar un env, y las obras de otros (no-Conda) envs. La idea detrás de nb_conda_kernels es que usted no tiene que hacer de forma manual de hacerlo, siempre y cuando se instale ipykernel.
    • Sí! Me volví a este comentario en esta respuesta independiente.
  11. 3

    Esto ha sido tan frustrante, Mi problema era que dentro de un recién construido conda python36 medio ambiente, jupyter se niega a cargar «seaborn» – aunque seaborn fue instalado dentro de ese ambiente. Parecía ser capaz de importar un montón de otros archivos desde el mismo entorno — por ejemplo numpy y pandas, pero simplemente no seaborn. He intentado muchas de las correcciones sugeridas aquí y en otros hilos sin éxito. Hasta que me di cuenta de que Jupyter no se ejecuta el núcleo de python desde dentro de ese ambiente, pero el sistema de python como núcleo. Aunque un aspecto decente kernel y kernel.json ya estaban presentes en el medio ambiente. Fue sólo después de la lectura de esta parte de la ipython documentación:
    https://ipython.readthedocs.io/en/latest/install/kernel_install.html#kernels-for-different-environments
    y el uso de estos comandos:

    source activate other-env
    python -m ipykernel install --user --name other-env --display-name "Python (other-env)"
    

    Yo era capaz de conseguir todo va muy bien. (Que en realidad no se utiliza la variable de usuario).

    Una cosa que todavía no he descubierto cómo ajustar el defecto de python para ser el «Python (otros-env)» uno. En la actualidad una ya existente .ipynb archivo que se abre desde la pantalla de Inicio utilizando el sistema de python. Tengo que usar el Kernel de menú «Cambiar de kernel» para seleccionar el entorno de python.

  12. 1

    La nb_conda_kernels paquete es la mejor manera de utilizar jupyter con conda. Con un mínimo de configuración y dependencias, se permite el uso de otros conda entornos, desde una jupyter portátil que se ejecuta en un entorno diferente. Citando su documentación:

    Instalación

    Este paquete está diseñado para ser administrado únicamente el uso de conda. Debe ser instalado en el entorno desde el que se ejecuta Jupyter Notebook o JupyterLab. Esta podría ser su base conda medio ambiente, pero no es necesario. Por ejemplo, si el entorno notebook_env contiene el cuaderno de paquete, a continuación, ejecute

    conda install -n notebook_env nb_conda_kernels

    Cualquier otro entorno que desea acceder en tu cuaderno debe tener un núcleo adecuado instalado el paquete. Por ejemplo, para tener acceso a un ambiente Python, debe tener la ipykernel paquete; por ejemplo,

    conda install -n python_env ipykernel

    A utilizar un entorno R, es
    debe tener el r-irkernel paquete; por ejemplo,

    conda install -n r_env r-irkernel

    Para otros idiomas, sus correspondientes núcleos debe estar instalado.

    Entonces todo lo que necesita hacer es iniciar el jupyter notebook servidor:

    conda activate notebook_env  # only needed if you are not using the base environment for the server
    # conda install jupyter # in case you have not installed it already
    jupyter
    

    Conda entornos no aparecen en Jupyter Notebook


    A pesar de la gran cantidad de respuestas y @merv esfuerzos para mejorar ellos, sigue siendo difícil encontrar una buena. He hecho de este uno de CW, así que por favor vote a la parte superior o mejorarlo!

  13. 1

    Esto funcionó para mí en windows 10 y la última solución :

    1) Ir dentro de esa conda medio ambiente ( activar your_env_name )

    2) conda instalar -n your_env_name ipykernel

    3) python -m ipykernel install –user –nombre build_central –display-name «your_env_name»

    (NOTA : Incluir las comillas alrededor de «your_env_name», en el paso 3)

  14. 0

    Siga las instrucciones en la documentación iPython para la adición de diferentes conda ambientes a la lista de kernels para elegir en Jupyter Notebook. En resumen, después de instalar ipykernel, debe activar cada conda entorno de uno por uno en un terminal y ejecutar el comando python -m ipykernel install --user --name myenv --display-name "Python (myenv)", donde myenv es el medio ambiente (kernel) que desea agregar.

  15. -1

    En mi caso, el uso de Windows 10 y conda 4.6.11, mediante la ejecución de los comandos

    conda install nb_conda
    
    conda install -c conda-forge nb_conda_kernels
    

    de la terminal, mientras que el entorno de activos no hacer el trabajo después de que abrí Jupyter de la misma línea de comandos, utilizando conda jupyter notebook.

    La solución fue que al parecer se abrió Jupyter de la Anaconda Navigator yendo a mi entorno en los Entornos: Abrir Anaconda Navegador, seleccione el medio ambiente en los Entornos, pulse en el botón «play» en la elección de medio ambiente, y seleccione «abrir con Jupyter Notebook’.

    Entornos en Anaconda Navegador para ejecutar Jupyter desde el entorno seleccionado

    Conda entornos no aparecen en Jupyter Notebook

    • Eche un vistazo a documentación sobre cómo usar Conda núcleos. Iniciar Jupyter de la env que ha Jupyter; instalar ipykernel en todos los envs que desea utilizar en Jupyter como núcleos.

Dejar respuesta

Please enter your comment!
Please enter your name here