一直记不住在jupyter notebook配置多环境编译器技巧，今总结于此，也希望对其他小伙伴有所帮助，如果有用请点赞！
1.对windows用户，win R，输入cmd进去进入命令行，激活环境：
2.首先，确定自己是否安装包‘ipykernel’，若是没有安装，则进行安装；已安装进行下一步。
3.然后输入命令：
python -m ipykernel install –user –name deeplearningproject –display-name “deeplearningproject”
注：上述两个 deeplearningproject，前者是自身环境名称，不能变化；后者是在jupyter notebook的显示名称，可修改。
4.至此，完成所有操作，输入jupyter notebook进行验证
5.大功告成
至此，完成所有操作。
补充知识：Python Jupyter notebook 运行 multiprocessing 跑不了的问题
最近工作中为了解决python支持多核cpu，遇到一个Jupyter notebook跑不了multiprocessing的问题。
网上找了些multiprocessing的例子，Pycharm可以跑，但是在Jupyter notebook上跑了就只有In[*]，error log：
AttributeError: Can’t get attribute ‘task’ on <module ‘__main__’ <built-in
最后找到一个解决方案：把方法写到临时文件里，再读出来。
代码语言：javascript复制from multiprocessing import Pool
from functools import partial
import inspect
def parallal_task(func, iterable, *params):
with open(f'./tmp_func.py', 'w') as file:
file.write(inspect.getsource(func).replace(func.__name__, "task"))
from tmp_func import task
if __name__ == '__main__':
func = partial(task, params)
pool = Pool(processes=8)
res = pool.map(func, iterable)
pool.close()
return res
else:
raise "Not in Jupyter Notebook"def long_running_task(params, id):
# Heavy job here
return params, id
data_list = range(8)
for res in parallal_task(long_running_task, data_list, "a", 1, "b"):
print(res) 传送门：https://stackoverflow.com/questions/47313732/jupyter-notebook-never-finishes-processing-using-multiprocessing-python-3?r=SearchResults
以上这篇jupyter notebook 多环境conda kernel配置方式就是小编分享给大家的全部内容了，希望能给大家一个参考。
