手把手教你配置JupyterLab 环境

简介: 手把手教你配置JupyterLab 环境

JupyterLab


Python 代码编辑器怎么选?PyCharm、VS Code、Jupyter Notebook 都各有特色。对于大型代码库,最好还是用传统的 IDE 比较靠谱,但是数据分析等需要可视化操作的场景下,Jupyter Notebook比较适合。


老胡比较喜欢的是JupyterLab,这是Jupyter目前主打的最新数据科学生产工具,你可以使用它编写notebook、操作终端、编辑markdown文本、打开交互模式、查看csv文件及图片等。


640.png


JupyterLab的安装配置还是有一些麻烦的,这里分享一下小经验,希望大家少走弯路。


安装 jupyterlab


建议采用conda方式安装,以管理员身份运行Anaconda Prompt


conda install -c conda-forge jupyterlab


静待片刻,安装完成!


设置工作路径/取消密码


一般而言,JupyterLab默认工作目录是安装路径,但这可能是大多数人都不希望如此,更改的方法是在cmd中执行如下命令:


jupyter notebook --generate-config


会生成一个配置文件,成功后会显示文件路径


640.png


打开路径显示的.py文件,定位到如下图的位置,删除前面#号,修改为:


c.NotebookApp.notebook_dir = 'D:\PyProject'


某些情况下也会出现需要输入密码的情况


640.png


这样就太麻烦了,在配置文件中找到#c.NotebookApp.token这一行,改一下就好了


c.NotebookApp.password = ''


修改以后保存


添加JupyterLab快捷方式


启动JupyterLab可以在cmd命令下键入jupyter lab,会自动弹开浏览器进入jupyter lab界面。


640.png


640.png


但是这样稍微有点麻烦,可不可以直接在桌面或是开始菜单新建快捷方式呢?


可以,只需三步:


1、首先打开jupyter notebook快捷方式的文件位置

640.png


2、然后复制一个jupyter notebook快捷方式的副本,重命名为Jupyter Lab


3、右键查看副本的属性,将目标框中的..\jupyter-notebook-script.py替换为..\jupyter-lab-script.py


640.png


快捷方式就建好了,会自动出现在开始菜单,也可以发送到桌面快捷方式,以后启动jupyter lab就方便多了。


640.png

相关文章
|
存储 网络安全 文件存储
内网穿透:实现公网访问内网群晖NAS的方法
内网穿透:实现公网访问内网群晖NAS的方法
|
机器学习/深度学习 算法 机器人
Windows anaconda python 3.9环境安装dlib
Windows anaconda python 3.9环境安装dlib
3494 0
Windows anaconda python 3.9环境安装dlib
|
人工智能 运维 自然语言处理
2025保姆级JupyterLab 4.0安装指南|全平台部署+AI编程环境配置
JupyterLab 是下一代交互式计算开发环境,2025年发布的4.0版本新增多语言内核支持(Python/R/Julia/JavaScript一键切换)、实时协作功能、AI辅助编程(集成GPT-5代码补全与错误诊断)和可视化调试器等特性。本文详细介绍其技术定位、跨平台安装方案、安装流程、高阶功能配置、典型应用场景及故障排查指南,帮助用户高效使用JupyterLab进行开发。
|
机器学习/深度学习 数据采集 计算机视觉
《深度学习:图像质量提升的魔法钥匙》
在数字化时代,图像质量常受噪声、雾气等因素影响。深度学习通过卷积神经网络(CNN)、自动编码器和生成对抗网络(GAN)等技术,为图像去噪、去雾和增强提供了高效解决方案。CNN自动提取特征,去除噪声和雾气;自动编码器通过低维表示重构图像;GAN通过对抗训练生成高质量图像。实践中需注重数据预处理、选择合适架构、模型训练及评估优化,以提升图像质量。深度学习正不断推动图像处理技术的进步。
562 21
|
大数据
“你朋友圈的真面目,大数据都知道!”——用社交网络分析看透人情世故
“你朋友圈的真面目,大数据都知道!”——用社交网络分析看透人情世故
517 16
|
Ubuntu JavaScript 开发工具
远程服务器ubuntu安装Jupyter Lab详细教程
远程服务器ubuntu安装Jupyter Lab详细教程
2784 0
|
机器学习/深度学习 人工智能 编解码
《深度剖析:生成对抗网络中生成器与判别器的高效协作之道》
生成对抗网络(GAN)通过生成器与判别器的对抗学习,实现了数据生成和处理的革命性变革。生成器从噪声中创造逼真样本,判别器则判断数据真假。两者在训练中不断优化,最终达到纳什均衡。影响协作效率的关键因素包括网络架构设计、损失函数选择和超参数设置。采用先进的架构如DCGAN、优化损失函数如WGAN,并动态调整训练策略,可显著提升生成器与判别器的协作效果,推动GAN在图像生成、风格迁移等领域的应用发展。
650 5
|
机器学习/深度学习 编解码 人工智能
Vision Mamba:将Mamba应用于计算机视觉任务的新模型
Mamba是LLM的一种新架构,与Transformers等传统模型相比,它能够更有效地处理长序列。就像VIT一样现在已经有人将他应用到了计算机视觉领域,让我们来看看最近的这篇论文“Vision Mamba: Efficient Visual Representation Learning with Bidirectional State Space Models,”
1458 7
|
敏捷开发 算法 数据建模
『软件工程2』详解软件工程和软件过程模型
该文章深入解析了软件工程的概念及其过程模型,包括软件生命周期的不同阶段和常见的软件开发模型如瀑布模型、敏捷开发等,并探讨了各自的特点与适用场景。
『软件工程2』详解软件工程和软件过程模型
|
开发框架 人工智能 前端开发
【GitHub】github学生认证,在vscode中使用copilot的教程
【GitHub】github学生认证,在vscode中使用copilot的教程
7947 4

热门文章

最新文章