Środowiska Conda nie pojawiają się w Notatniku Jupyter

Zainstalowałem Anacondę (z Python 2.7) i zainstalowałem Tensorflow w środowisku o nazwie tensorflow. Mogę z powodzeniem zaimportować Tensorflow w tym środowisku.

Problem polega na tym, że Jupyter Notebook nie rozpoznaje nowego środowiska, które właśnie utworzyłem. Bez względu na to, czy uruchamiam Jupyter Notebook z GUI Navigator lub z linii poleceń w środowisku tensorflowenv, w menu jest tylko jedno jądro o nazwie Python [Root], a Tensorflow nie może zostać zaimportowany. Oczywiście kliknąłem tę opcję wiele razy, zapisałem plik, otworzyłem ponownie, ale te nie pomogły.

O dziwo, widzę dwa środowiska, kiedy otwieram Condazakładkę na pierwszej stronie Jupytera. Ale kiedy otwieram Fileskartę i próbuję newzeszytu, wciąż mam tylko jedno jądro.

Spojrzałem na to pytanie: Połącz środowisko Conda z Jupyter Notebook Ale nie ma takiego katalogu jak ~/Library/Jupyter/kernelsna moim komputerze! Ten katalog Jupyter ma tylko jeden podkatalog o nazwie runtime.

Jestem naprawdę zdezorientowany. Czy środowiska Conda powinny automatycznie stać się jądrem? (Postępowałem zgodnie z https://ipython.readthedocs.io/en/stable/install/kernel_install.html, aby ręcznie skonfigurować jądra, ale powiedziano mi, że ipykernelnie znaleziono.)

Nie sądzę, aby inne odpowiedzi już działały, ponieważ conda przestała automatycznie konfigurować środowiska jako jądra jupyter. Musisz ręcznie dodać jądra dla każdego środowiska w następujący sposób:

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

Jak udokumentowano tutaj: http://ipython.readthedocs.io/en/stable/install/kernel_install.html#kernels-for-different-environments Zobacz także ten problem .

Dodatek: Powinieneś być w stanie zainstalować nb_conda_kernelspakiet, conda install nb_conda_kernelsaby automatycznie dodawać wszystkie środowiska, patrz https://github.com/Anaconda-Platform/nb_conda_kernels

Jeśli twoje środowiska się nie wyświetlają, prawdopodobnie nie masz nb_conda_kernelszainstalowanego w środowisku, w którym jest zainstalowany Jupyter. Dokumentacja Anakondy stwierdza, że

nb_conda_kernelspowinien być zainstalowany w środowisku, w którym uruchamiasz Jupyter Notebook lub JupyterLab. To może być twoje podstawowe środowisko conda, ale nie musi tak być. Na przykład, jeśli środowisko notebook_env zawiera pakiet notesu, uruchomiłbyś się

conda install -n notebook_env nb_conda_kernels

Każde inne środowisko, do którego chcesz uzyskać dostęp w swoich notebookach, musi mieć zainstalowany odpowiedni pakiet jądra. Na przykład, aby uzyskać dostęp do środowiska Python, musi on mieć pakiet ipykernel; na przykład

conda install -n python_env ipykernel

Aby korzystać ze środowiska R, musi on mieć pakiet r-irkernel; na przykład

conda install -n r_env r-irkernel

W przypadku innych języków należy zainstalować odpowiadające im jądra .

Zwróć uwagę, że w momencie pierwotnego publikowania tej wiadomości mogła istnieć przyczyna nb_condabraku obsługi środowisk Python 3.6 .

Jeśli inne rozwiązania nie pozwolą Jupyterowi rozpoznać innych środowisk conda, zawsze możesz zainstalować i uruchomić jupyterz określonego środowiska. Jednak możesz nie być w stanie zobaczyć lub przełączyć się na inne środowiska z poziomu Jupyter.

$ 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

Zauważ, że korzystam z Pythona 3.6.1 w tym notesie:

Pamiętaj, że jeśli zrobisz to w wielu środowiskach, dodatkowe miejsce do przechowywania po zainstalowaniu Jupytera w każdym środowisku może być niepożądane (w zależności od systemu).

Irytujące jest to, że w twoim tensorflowśrodowisku możesz działać jupyter notebook bez instalowania jupyterw tym środowisku . Po prostu biegnij

(tensorflow) $ conda install jupyter

a tensorflowśrodowisko powinno być teraz widoczne w Notatnikach Jupyter uruchomionych w dowolnym condaśrodowisku jako coś w rodzaju Python [conda env:tensorflow].

Musiałem uruchomić wszystkie polecenia wymienione w 3 najlepszych odpowiedziach, aby to zadziałało:

conda install jupyter
conda install nb_conda
conda install ipykernel
python -m ipykernel install --user --name mykernel

Po prostu uruchom conda install ipykernelw nowym środowisku, tylko wtedy dostaniesz jądro z tym środowiskiem. Działa to nawet wtedy, gdy masz różne wersje zainstalowane w każdym środowisku i nie instaluje ponownie notesu jupyter. Możesz uruchomić swój notatnik z dowolnego środowiska, w którym będzie można zobaczyć nowo dodane jądra.

Podsumowanie (tldr)

Jeśli chcesz, aby jądro „python3” zawsze uruchamiało instalację Pythona ze środowiska, w którym zostało uruchomione, usuń jądro użytkownika „python3”, które ma pierwszeństwo przed tym, co ma obecne środowisko:

jupyter kernelspec remove python3

Pełne rozwiązanie

Zamierzam opublikować alternatywne i prostsze rozwiązanie dla następującego przypadku:

• Utworzyłeś środowisko conda
• W tym środowisku zainstalowano jupyter (który również instaluje ipykernel)
• Po uruchomieniu polecenia jupyter notebooki utworzeniu nowego notesu poprzez kliknięcie „python3” w menu rozwijanym „Nowy” ten notebook wykonuje python ze środowiska podstawowego, a nie z bieżącego.
• Chciałbyś, aby uruchomienie nowego notebooka z 'python3' w dowolnym środowisku uruchamiało wersję Pythona z tego środowiska, a NIE z bazy

Mam zamiar używać nazwy „test_env” dla środowiska do końca rozwiązania. Zauważ też, że „python3” to nazwa jądra.

Obecnie najczęściej głosowana odpowiedź działa, ale istnieje alternatywa. Mówi, aby wykonać następujące czynności:

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

To da ci możliwość korzystania ze środowiska test_env bez względu na to, z jakiego środowiska uruchomisz jupyter notebook. Jednak uruchomienie notebooka z „python3” nadal będzie korzystało z instalacji Pythona ze środowiska podstawowego.

Prawdopodobnie dzieje się tak, że istnieje jądro użytkownika python3. Uruchom polecenie, jupyter kernelspec listaby wyświetlić listę wszystkich środowisk. Na przykład, jeśli masz komputer Mac, otrzymasz następujące informacje (moja nazwa użytkownika to Ted).

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

To, co robi tutaj Jupyter, to przeszukiwanie trzech różnych ścieżek w poszukiwaniu jąder. Przechodzi od użytkownika , do środowiska , do systemu . Zobacz ten dokument aby uzyskać więcej informacji na temat ścieżek, które wyszukuje dla każdego systemu operacyjnego.

Dwa powyższe jądra znajdują się na ścieżce użytkownika, co oznacza, że ​​będą one dostępne niezależnie od środowiska, z którego uruchamiany jest notatnik jupyter. Oznacza to również, że jeśli na poziomie środowiska istnieje inne jądro „python3”, nigdy nie będzie można uzyskać do niego dostępu.

Dla mnie bardziej sensowne jest, że wybranie jądra „python3” ze środowiska, z którego uruchomiłeś notebooka, powinno uruchomić Pythona z tego środowiska.

Możesz sprawdzić, czy masz inne środowisko „python3”, patrząc na ścieżkę wyszukiwania Env dla swojego systemu operacyjnego (patrz link do dokumentów powyżej). Dla mnie (na moim komputerze Mac) wydałem następujące polecenie:

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

I rzeczywiście miałem tam wymienione jądro „python3”.

Dzięki temu komentarzowi do wydania GitHub (spójrz na pierwszą odpowiedź) możesz usunąć środowisko użytkownika „python3” za pomocą następującego polecenia:

jupyter kernelspec remove python3

Teraz, gdy uruchomisz jupyter kernelspec list, zakładając, że test_env jest nadal aktywny, otrzymasz:

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

Zauważ, że ta ścieżka znajduje się w katalogu test_env. Jeśli utworzysz nowe środowisko, zainstalujesz jupyter, aktywujesz je i wyświetlisz listę jąder, otrzymasz kolejne jądro „python3” znajdujące się na ścieżce środowiska.

Jądro użytkownika „python3” miało pierwszeństwo przed jakimkolwiek jądrem Env „python3”. Po usunięciu jądro aktywnego środowiska „python3” zostało ujawnione i można je było wybrać za każdym razem. Eliminuje to potrzebę ręcznego tworzenia jąder. Ma to również większy sens w zakresie tworzenia oprogramowania, w którym chciałoby się odizolować w jednym środowisku. Uruchamianie jądra innego niż środowisko hosta nie wydaje się naturalne.

Wydaje się również, że ten użytkownik „python3” nie jest domyślnie instalowany dla wszystkich, więc nie wszyscy mają do czynienia z tym problemem.

    $ conda install nb_conda_kernels

(w środowisku conda, w którym uruchamiasz notatnik jupyter), wszystkie środowiska conda będą dostępne automatycznie. Aby uzyskać dostęp do innych środowisk, należy zainstalować odpowiednie jądra. Oto ref .

Dużo zmagamy się z tym problemem i oto, co nam odpowiada. Jeśli korzystasz z kanału conda-forge , ważne jest, aby upewnić się, że używasz zaktualizowanych pakietów conda-forge, nawet w Minicondaśrodowisku root.

Więc zainstaluj Miniconda , a następnie wykonaj:

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

a twoje niestandardowe środowisko pojawi się w Jupyter jako dostępne jądro, o ile ipykernelbyło wymienione do instalacji w twoim custom_env.ymlpliku, jak w tym przykładzie:

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

Aby tylko udowodnić, że działa z wieloma niestandardowymi środowiskami, oto zrzut ekranu z systemu Windows:

nb_conda_kernelsPakiet jest najlepszym sposobem korzystania jupyterz conda. Przy minimalnych zależnościach i konfiguracji pozwala używać innych środowisk conda z notebooka jupyter działającego w innym środowisku. Cytując swoją dokumentację :

Instalacja

Ten pakiet jest przeznaczony do zarządzania wyłącznie przy użyciu conda. Powinien być zainstalowany w środowisku, w którym uruchamiany jest Jupyter Notebook lub JupyterLab. To może być twoje baseśrodowisko conda, ale nie musi tak być. Na przykład, jeśli środowisko notebook_envzawiera pakiet notebooka, uruchomiłbyś się

conda install -n notebook_env nb_conda_kernels

Każde inne środowisko, do którego chcesz uzyskać dostęp w swoich notebookach, musi mieć zainstalowany odpowiedni pakiet jądra. Na przykład, aby uzyskać dostęp do środowiska Python, musi on mieć ipykernelpakiet; na przykład

conda install -n python_env ipykernel

Aby korzystać ze środowiska R, musi on mieć pakiet r-irkernel; na przykład

conda install -n r_env r-irkernel

W przypadku innych języków należy zainstalować odpowiadające im jądra .

Następnie wystarczy uruchomić serwer notebooka jupyter:

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

Pomimo mnóstwa odpowiedzi i starań @ merv o ich poprawę, nadal trudno znaleźć dobrą. Zrobiłem ten CW, więc proszę głosować na górę lub poprawić!

Natrafiłem na ten sam problem, w którym moje nowe środowisko conda myenvnie mogło zostać wybrane jako jądro lub nowy notatnik. I biegniejupter notebook z env dała ten sam wynik.

Moje rozwiązanie i to, czego dowiedziałem się o tym, jak notebooki Jupyter rozpoznają enkopy Conda i jądra:

Instalowanie jupyter i ipython myenvz conda:

conda install -n myenv ipython jupyter

Następnie działam jupter notebookpoza środowiskiem env wymienionym myenvjako jądro wraz z moimi poprzednimi środowiskami.

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

Uruchamianie notebooka po aktywowaniu środowiska:

source activate myenv
jupyter notebook

ukrywa wszystkie moje inne jądra środowiska i pokazuje tylko moje jądra językowe:

python 2
python 3
R

Działa to dla mnie w systemie Windows 10 i najnowszym rozwiązaniu:

1) Wejdź do tego środowiska conda (aktywuj swoją nazwę_env)

2) conda install -n twoja_nazwa_IP ipernern

3) python -m ipykernel install --user --name build_central --display-name "twoja_nazwa_nazwy”

(UWAGA: uwzględnij cudzysłowy wokół „twoja_nazwa_vv”, w kroku 3)

Było to tak frustrujące, że moim problemem było to, że w nowo zbudowanym środowisku conda python36 jupyter odmówił załadowania „dna morskiego” - nawet jeśli dno morskie zostało zainstalowane w tym środowisku. Wydawało się, że jest w stanie zaimportować wiele innych plików z tego samego środowiska - na przykład numpy i pandy, ale po prostu nie ma dna morskiego. Próbowałem wielu poprawek sugerowanych tutaj i w innych wątkach bez powodzenia. Dopóki nie zdałem sobie sprawy, że Jupyter nie uruchomił Pythona jądra z tego środowiska, ale uruchomił pytona systemowego jako jądro. Chociaż przyzwoicie wyglądające jądro i kernel.json były już obecne w środowisku. Dopiero po przeczytaniu tej części dokumentacji ipython: https://ipython.readthedocs.io/en/latest/install/kernel_install.html#kernels-for-different-environments i użyciu następujących poleceń:

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

Udało mi się wszystko dobrze załatwić. (Właściwie nie użyłem zmiennej —user).

Jednej rzeczy, której jeszcze nie wymyśliłem, to jak ustawić domyślnego Pythona na „Python (other-env)”. Obecnie istniejący plik .ipynb otwarty z ekranu głównego będzie używać systemowego pytona. Muszę użyć menu jądra „Zmień jądro”, aby wybrać python środowiska.

Podczas gdy odpowiedź @ coolscitist działała dla mnie, istnieje również sposób, który nie zaśmieca środowiska jądra pełnym pakietem jupyter + deps. Jest to opisane w dokumentacji ipython i jest (podejrzewam) konieczne tylko wtedy, gdy uruchamiasz serwer notebooka w środowisku innym niż podstawowy.

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'

Możesz sprawdzić, czy działa, używając

conda activate name_of_your_jupyter_server_env 
jupyter kernelspec list

Miałem podobny problem i znalazłem rozwiązanie, które działa na komputery Mac, Windows i Linux. Wymaga kilku kluczowych składników, które znajdują się w powyższej odpowiedzi:

Aby zobaczyć conda env w notatniku Jupyter, potrzebujesz:

• następujący pakiet w twojej bazie env:
  conda install nb_conda

• następujący pakiet w każdej tworzonej env:
  conda install ipykernel

• sprawdź konfigurację jupyter_notebook_config.py
  pierwszego sprawdzania, czy masz jupyter_notebook_config.pylokalizację podaną przez, jupyter --paths
  jeśli nie istnieje, utwórz ją, uruchamiając polecenie jupyter notebook --generate-config
  add lub upewnij się, że:c.NotebookApp.kernel_spec_manager_class='nb_conda_kernels.manager.CondaKernelSpecManager'

Env, który możesz zobaczyć w swoim terminalu:

W Jupyter Lab możesz zobaczyć tę samą env jak powyżej zarówno Notatnika, jak i Konsoli:

Możesz wybrać env, gdy masz otwarty notatnik:

Bezpiecznym sposobem jest utworzenie specyficznej env, z której uruchomisz przykładowąjupyter lab komendę env . Aktywuj swoje środowisko. Następnie dodaj przykład rozszerzenia jupyter lab przykład rozszerzenia jupyter lab . Potem możesz biec jupyter lab

Postępuj zgodnie z instrukcjami w dokumentacji iPython, aby dodać różne środowiska conda do listy jąder do wyboru w Jupyter Notebook. Podsumowując, po instalacji ipykernelmusisz aktywować każde środowisko conda jeden po drugim w terminalu i uruchomić polecenie python -m ipykernel install --user --name myenv --display-name "Python (myenv)", gdzie myenvjest środowisko (jądro), które chcesz dodać.

Możliwy problem związany z kanałem

Miałem ten problem (ponownie) i okazało się, że zainstalowałem z kanału Conda-Forge ; usunięcie go i ponowna instalacja z kanału anakondy zamiast tego naprawiło to dla mnie.

Aktualizacja : ponownie miałem ten sam problem z nową env, tym razem instalowałem nb_conda_kernelsz kanału anakondy , ale mój jupyter_clientbył z kanału conda-forge . Odinstalowanie nb_conda_kernelsi ponowne zainstalowanie zaktualizowało to do kanału o wyższym priorytecie.

Upewnij się więc, że masz zainstalowane właściwe kanały :)

W moim przypadku przy użyciu systemu Windows 10 i Conda 4.6.11, uruchamiając polecenia

conda install nb_conda

conda install -c conda-forge nb_conda_kernels

z terminala przy aktywnym środowisku nie wykonało zadania po otwarciu Jupytera z tego samego wiersza poleceń przy użyciu conda jupyter notebook.

Rozwiązaniem było najwyraźniej otwarcie Jupyter z Anaconda Navigator, przechodząc do mojego środowiska w środowiskach: Otwórz Anaconda Navigator, wybierz środowisko w środowiskach, naciśnij przycisk „Odtwórz” w wybranym środowisku i wybierz „otwórz za pomocą Jupyter Notebook”.

Środowiska w Anaconda Navigator do uruchamiania Jupyter z wybranego środowiska