我开始学习udacity深度学习课程并设置环境 . 我认为内核笔记本使用的不是来自conda环境的python . 以下是我尝试过的一些结果 .
开始了conda环境
source activate tensorflow
从linux终端到conda环境里面的python终端：
import sys
sys.executable
>>> '/home/username/anaconda2/envs/tensorflow/bin/python'
还使用python shell导入tensorflow
在conda环境中使用ipython终端，它显示相同的可执行路径 . 和tensorflow在ipython shell中导入 .
但是当我在笔记本中执行一个单元格时，使用jupyter笔记本，找不到tensorflow模块 . 从笔记本产生的终端也显示了在anaconda / bin directoty中的全局python安装的可执行路径，而不是我创建的环境，我开始从笔记本开始
'/home/username/anaconda2/bin/python'
但是shell的conda环境仍然是张量流
conda info --envs
# conda environments:
#
tensorflow * /home/username/anaconda2/envs/tensorflow
root /home/username/anaconda2
这是否意味着内核链接到此位置的python安装而不是conda env？如何链接相同？
1 回答
这个问题有一些细微差别，有待澄清 . 每个笔记本都绑定到一个特定的内核 . 随着最新的4.0版Anaconda，我们（Continuum）捆绑了一个Conda环境感知的扩展，它将尝试将Notebook与特定的Conda环境相关联 . 如果找不到，则将使用"default"环境（或"root"环境） . 在你的情况下，你有一个笔记本，我猜， asking 用于默认（或"root"）环境，因此Jupyter在该环境中启动内核，并在启动Jupyter服务器的环境中启动 not . 您可以通过转到Kernel-> Change内核菜单并选择tensorflow环境的内核来更改关联的内核，具体如下：
或者当你创建一个新的Notebook时，你可以选择当时哪个Conda环境的内核应该支持Notebook（注意一个Conda环境可以有多个内核可用，例如Python和R）：
我们知道这可能是混淆的常见原因，尤其是在共享笔记本时，因为共享它的人要么使用"default"内核（可能只是"Python"），要么他们使用的是具有不同名称的Conda环境 . 我们正在努力使这更顺畅，更少混淆，但如果您对预期/期望的行为有建议，请告诉我们（GitHub问题https://github.com/ContinuumIO/anaconda-issues/issues/new是最好的方法）