【JupyterLab】在 conda 虚拟环境中 JupyterLab 的安装与使用

【JupyterLab】在 conda 虚拟环境中 JupyterLab 的安装与使用

  • 1 JupyterLab 介绍
  • 2 安装
    • 2.1 Jupyter Kernel 与 conda 虚拟环境
  • 3 使用
    • 3.1 安装中文语言包(Optional)
    • 3.2 启动
    • 3.3 常用快捷键
      • 3.3.1 命令模式下
    • 3.4 远程访问个人计算机
      • 3.4.1 局域网下

1 JupyterLab 介绍

官方文档: Link

JupyterLab 是 Project Jupyter 旗下其他笔记本编写应用程序(如 Jupyter Notebook 和 Jupyter Desktop)的同胞兄弟。与 Jupyter Notebook 相比,JupyterLab 提供了更先进、功能更丰富、可定制的体验。

2 安装

官方文档: Link

pip install jupyterlab

2.1 Jupyter Kernel 与 conda 虚拟环境

本人目前的建议是:在每个虚拟环境中都完整地安装 jupyterlab在运行前一定要激活所需的虚拟环境)。

在使用时,用这个默认的 Kernel 即可,它调用的就是所在虚拟环境的 Python Interpreter。

在这里插入图片描述
可以用下面的代码运行验证一下:

import os
import sys
print(f"Python 版本信息: {sys.version}")
print(f"\n解释器路径: {sys.executable}")
print(f"\n当前工作目录: {os.getcwd()}")

此外,这篇问答 How to use Jupyter notebooks in a conda environment? 给出了 3 种不同的使用方式,想要尝试的话可以参考。

3 使用

3.1 安装中文语言包(Optional)

官方文档: Link

pip install jupyterlab-language-pack-zh-CN

将页面切换为中文

在这里插入图片描述

3.2 启动

  • --no-browser: 禁止启动时自动打开浏览器
  • --ip=<Unicode>: Jupyter 服务器监听的 IP 地址,默认为 localhost
  • --port=<Int>: Jupyter 服务器监听的端口
  • --notebook-dir=<Unicode>: 工作目录(顶层)
  • --app-dir=<Unicode>: 启动时所在的目录(包含于 notebook-dir)
  • --pylab=<Unicode>: 默认为 disabled,需要在 notebook 中使用 %pylab%matplotlib 来启用 matplotlib
jupyter lab --notebook-dir=E:/ --preferred-dir E:/Documents/Somewhere/Else

3.3 常用快捷键

  • ESC: 切换到命令模式
  • ENTER: 切换到编辑模式
  • Ctrl + Enter: 运行 Cell
  • Shift + Enter: 运行 Cell,并切换至下一个 Cell

3.3.1 命令模式下

  • a: 上方插入新 Cell
  • b: 下方插入新 Cell
  • y: 将 Cell 转为 Code
  • m: 将 Cell 转为 Markdown
  • d + d: Restart Kernel

3.4 远程访问个人计算机

默认情况下,Jupyter 服务器在本地运行,地址为 127.0.0.1:8888,只能从 localhost 访问。

3.4.1 局域网下

jupyter lab --notebook-dir=E:/ --preferred-dir E:/Documents/Somewhere/Else --ip="192.168.31.177" --port=12345 --no-browser

待更ing

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/416972.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

PMIC 基础知识浅析(四)

PMIC 后端研究现状&#xff1a; 现今针对便携式移动平台的电源管理芯片仍以传统分离型 PMIC为主。 根据后端设计的特点&#xff0c;传统分离型 PMIC 又可分三大类。 控制芯片与开关 MOSFET 分离型&#xff0c;MOSFET 外置于PCB上&#xff0c;芯片仅提供智能控制功能。 此类IC…

20240116使用Firefly的AIO-3399J的预编译的Android10固件确认RT5640声卡信息

20240116使用Firefly的AIO-3399J的预编译的Android10固件确认RT5640声卡信息 2024/1/16 17:55 百度&#xff1a;RK3399 ALC5640 RK3399 RT5640 BING&#xff1a;RK3399 ALC5640 LINE-IN接麦克风不会有声音的。 耳机只有右边有声音&#xff0c;但是偏小&#xff0c;可以通过音量…

SQL SERVER无法连接到服务器解决过程记录

很久没用sql server了&#xff0c;这几天打算更新SQL SERVER数据库&#xff1a;SQL看这一篇就看够了&#xff08;附详细代码及截图&#xff09; 这篇文章&#xff0c;发现连接不上服务器。 找一下解决办法。 一、打开服务界面 在键盘上按“WINR”快捷键&#xff0c;打开运行…

6.4.3合并文件

6.4.3合并文件 有时候需要把多个SWF文件合并成同一个视频文件&#xff0c;利用Swf2VideoConverter2可以轻松实现这一功能。 1&#xff0e;单击“添加”按钮&#xff0c;在弹出的下拉菜单中选择“添加文件”&#xff0c;在弹出的“Open Swf Files(打开Swf文件)”窗口中选择swf…

MySQL中SELECT字句的顺序以及具体使用

目录 1.SELECT字句及其顺序 2.使用方法举例 3.HAVING和WHERE 1.SELECT字句及其顺序 *下表来自于图灵程序设计丛书&#xff0c;数据库系列——《SQL必知必会》 2.使用方法举例 *题目来源于牛客网 题目描述 现在运营想要查看不同大学的用户平均发帖情况&#xff0c;并期望结…

优化微信小程序更新体验:异步更新与强制更新方案解析

在微信小程序的开发和迭代过程中&#xff0c;新版本覆盖率的问题一直备受关注。由于小程序采用异步更新机制&#xff0c;在用户首次打开或冷启动时才会检查并下载新版本&#xff0c;导致部分用户无法及时应用上最新版本。为了解决这一问题&#xff0c;微信团队经过深入研究和讨…

触想E款工位机迭代出新,助力制造企业突围制胜!

新品概要 新年之初&#xff0c;触想智能上线全新E款工位机系列TPC-A14.这是一款服务于制造企业&#xff0c;助力生产现场数据管理及流程监控的可视化工具。TPC-A14搭载RK3399高性能处理器&#xff0c;集成读卡、扫码/摄像头/指示灯等典型现场应用&#xff0c;支持对接MES、ERP等…

【数据结构】二叉树的介绍和二叉树堆

前言 &#x1f493;作者简介&#xff1a; 加油&#xff0c;旭杏&#xff0c;目前大二&#xff0c;正在学习C&#xff0c;数据结构等&#x1f440; &#x1f493;作者主页&#xff1a;加油&#xff0c;旭杏的主页&#x1f440; ⏩本文收录在&#xff1a;再识C进阶的专栏&#x1…

大模型:我也会自监督学习~

前言 当下大模型的能力已经很强了&#xff0c;但是将来我们想要的是能力更强的大模型&#xff0c;其最好能够处理各种复杂问题也即强对齐模型。 之前大模型训练的监督信号主要来源于人类反馈&#xff0c;但是如果想要训练一个强对齐模型必然就需要一个对应的强监督信号&#…

分类预测 | Matlab实现ISSA-SVM基于多策略混合改进的麻雀搜索算法优化支持向量机的数据分类预测

分类预测 | Matlab实现ISSA-SVM基于多策略混合改进的麻雀搜索算法优化支持向量机的数据分类预测 目录 分类预测 | Matlab实现ISSA-SVM基于多策略混合改进的麻雀搜索算法优化支持向量机的数据分类预测分类效果基本描述程序设计参考资料 分类效果 基本描述 基于多策略混合改进的麻…

做完十年数据分析后的思考与总结

种一棵树最好的时间是十年前&#xff0c;其次是现在。十年了&#xff0c;本次分享大多来自工作中的日常所思所想&#xff0c;欢迎自取。 01 数据分析的本质 数据是基础&#xff0c;分析才是重点。 行业内有专门的统计岗&#xff0c;就是只负责做好数据统计就可以了&#xff0…

LLM:Training Compute-Optimal Large Language Models

论文&#xff1a;https://arxiv.org/pdf/2203.15556.pdf 发表&#xff1a;2022 前文回顾&#xff1a; OpenAI在2020年提出《Scaling Laws for Neural Language Models》&#xff1a;Scaling Laws(缩放法则&#xff09;也一直影响了后续大模型的训练。其给出的结论是最佳计算效…