anaconda Jupyter配置多内核和pycharm配置Jupyter

说明

• 本文只是简单记录，作为初学者的我简单配置和使用Jupyter的方法。
• 更详细的方法可以参看Anaconda 安装与 Jupyter Notebook 环境配置完整指南，不过我在尝试的过程中方法二遇到卡住的问题。
• 内容很基础，专注基本配置和使用。

传统方法

1. 安装内核包并命名

#进入环境，安装内核包，注册Python环境为Jupyter的一个内核，并命名
conda activate [env_name]
conda install ipykernel
python -m ipykernel install --user --name [env_name]--display-name [env_name]

2. 重启Jupyter，使用浏览器打开文件，即可查看添加的内核
   

Pycharm的配置

1. 右键新建Jupyter格式文件
   
2. 选择虚拟环境即可
   
3. 编辑代码进行测试

import torch# 检查 CUDA 是否可用
print(torch.cuda.is_available())if torch.cuda.is_available():# 获取可用的 CUDA 设备数量print("可用的 CUDA 设备数量:", torch.cuda.device_count())# 获取当前使用的 CUDA 设备索引print("当前 CUDA 设备索引:", torch.cuda.current_device())# 获取指定索引 CUDA 设备的名称print("当前 CUDA 设备名称:", torch.cuda.get_device_name(0))# 创建一个张量并将其移动到 CUDA 设备上x = torch.tensor([1.0, 2.0]).cuda()y = torch.tensor([3.0, 4.0]).cuda()z = x + yprint("在 CUDA 上计算的结果:", z)
else:print("CUDA 不可用")