Estoy usando Jupyter Lab y tengo problemas para agregar un entorno conda . La idea es lanzar Jupyter Lab desde mi entorno base y luego poder elegir mis otros entornos de conda como núcleos.
Instalé el paquete nb_conda_kernels que se supone que hace exactamente eso, pero no funciona como quiero. De hecho, supongamos que creo un nuevo entorno Conda, luego lanzo jupyter lab desde la base, no puedo ver el nuevo entorno como un kernel disponible.
He encontrado una "solución", que siempre funciona pero no es conveniente en absoluto. Si instalo Jupyter Notebook en mi nuevo entorno, luego ejecuto un jupyter notebook desde este nuevo entorno, lo cierro, vuelvo al entorno base y luego ejecuto Jupyter Lab desde el entorno base, mi nuevo entorno está disponible como kernel en Jupyter Lab.
Si sabes como hacer que funcione sin este "arreglo", te lo agradecería mucho.
Suponiendo que su conda-env se llame cenv , es tan simple como:
$ conda activate cenv # . ./cenv/bin/activate in case of virtualenv (cenv)$ conda install ipykernel (cenv)$ ipython kernel install --user --name=<any_name_for_kernel> (cenv)$ conda deactivateSi reinicia su jupyter notebook/lab, podrá ver el nuevo kernel disponible. Para las versiones más nuevas de jupyter, kernel aparecerá sin reiniciar la instancia. Simplemente actualice presionando F5.
PD: si está utilizando virtualenv, etc., los pasos anteriores son válidos.
Una solución usando nb_conda_kernels . Primero, instálelo en su entorno base:
(base)$ conda install -c conda-forge nb_conda_kernels Luego, para obtener un kernel para conda_env cenv :
$ conda activate cenv (cenv)$ conda install ipykernel (cenv)$ conda deactivate Obtendrá un nuevo kernel llamado Python [conda env:cenv] en su próxima ejecución de jupyter lab / jupyter notebook
Nota: si ha instalado nb_conda_kernels y desea crear un nuevo entorno conda y tenerlo accesible de inmediato, entonces
conda create -n new_env_name ipykernelhará el trabajo.
Probé las dos soluciones anteriores y no me funcionaron del todo. Luego encontré este artículo mediano que lo resolvió: https://medium.com/@jeremy.from.earth/multiple-python-kernels-for-jupyter-lab-with-conda-c67e50de3aa3
Esencialmente, después de ejecutar conda install ipykernel dentro de su entorno cenv , también es bueno ejecutar python -m ipykernel install --user --name cenv dentro del entorno cenv ; de esa manera, nos aseguramos de que la versión de python que se utiliza dentro del entorno de jupyter está el de cenv . ¡Salud!