7.5 KiB
| title | date | updated | tags | categories | keywords | description | top_img | comments | cover | toc | toc_number | toc_style_simple | copyright | copyright_author | copyright_author_href | copyright_url | copyright_info | katex | highlight_shrink | aside |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| jupyter notebook的使用 | 2020-11-11 18:13:00 | 2020-12-21 21:39:21 | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | <nil> | true | <nil> | <nil> |
安装
conda install jupyter notebook
修改主目录
Jupyter Notebook 默认的主目录是“我的文档”，
jupyter notebook --generate-config 显示配置文档所在位置
打开jupyter_notebook_config.py，查找NotebookApp.notebook_dir,后面文件夹改为指定目录。大概在393行
快捷方式属性，删除%USERPROFILE%
利用conda创建了虚拟环境，但是启动jupyter notebook之后却找不到虚拟环境。实际上是由于在虚拟环境下缺少kernel.json文件。
- 使用anaconda安装ipykernel，很简单，只需执行一条命令：
$ conda install ipykernel
- 添加配置好的环境到jupyter notebook的kernel中：
$ python -m ipykernel install --user --name env --display-name "给kernel添加的名称
如果经常用到jupyter notebook，可以在创建虚拟环境的时候安装好ipykernel：
conda create -n 环境名称 python=3,9 ipykernel
jupyter 增加和删除kernel
- 查看当前 jupyter 中有哪些 kernel
jupyter kernelspec list
- 删除指定 kernel
jupyter kernelspec remove kernel_name
- 增加指定 kernel
- 先进入相应的虚拟环境
conda activate name - 然后再用
which python找到当前虚拟环境下的 python 位置
(pytorch) user-name@406:~$ which python
/home/user-name/anaconda3/envs/pytorch/bin/python
- 然后再输入，其中 XXXX 是你想要的 kernel name，由于权限问题可能要加 sudo
sudo /home/user-name/anaconda3/envs/pytorch/bin/python -m ipykernel install --name XXXX
注意：这里不能直接使用 sudo python 因为这样会对应到默认的python，而不是虚拟环境中的 python，因此直接输入虚拟环境的具体位置
改指定工作目录
右键属性, 目标后面的字串改成需要指定的工作空间路径
魔法函数
下面我们简单介绍几个最常见的魔法函数。 https://blog.csdn.net/u011213419/article/details/81299282
%lsmagic函数
%lsmagic函数可以列出（list，简写ls）所有魔法函数。如果我们想使用一个魔法函数，却忘记函数名如何写时，就可以使用%lsmagic来查询（在代码框内输入%lsmagic后按Shift+Enter组合键执行即可），如图1-29所示。
图1-29 Jupyter中的各种魔法函数
%matplotlib inline函数
图1-22的第16行代码中出现过%matplotlib inline函数，它的含义就是告诉IPython，我们的绘图模式是内嵌（inline）模式，即将绘图直接显示在当前的网页上。 有了这个魔法函数，图1-22所示代码的第21行plt.show()其实是可以省略的，读者朋友将其用注释形式去掉，然后尝试再次运行代码，可查看结果有无变化。 其实，这个魔法函数的后置参数“inline”有一个“对标”参数—qt，如果我们使用这个参数，即%matplotlib qt，则表示代码构造的图形是通过独立窗口显示的。在独立窗口中可支持图形的缩放、拖曳及被另存为多种格式的图形文件（如.jpg、.png和.pdf等）。读者朋友可将图1-22中的第16行代码修改为的%matplotlib qt并再次运行，感性认识这两个参数带来的不同。
%timeit函数
魔法函数%timeit的功能是为某行代码的执行提供计时服务[1]，这在评估机器学习算法的性能（特别是评估运行时间）时特别有用。例如，如果我们想对图1-22中的第14行代码的运行时间进行计时，则可以如下操作。
%timeit area = (40 * np.random.rand(20))**2
按Shift+Enter组合键执行，结果如下。
6.6 µs ± 1.28 µs per loop (mean ± std. dev. of 7 runs, 100000 loops each)
上述输出结果的意思是，对于代码“area = (40 * np.random.rand(20))**2”运行7轮，每轮运行1000个循环，然后求得均值为6.6微秒，方差为1.28微秒[2]。 如果我们想运行10轮而非7轮，该怎么办呢？这时就需要为魔法函数添加参数了，具体如下。
%timeit –n10 out = sess.run(a)
需要注意的是，参数选项“-n10”中的“-n”和“10”中间并没有空格。图1-29列出了如此多魔法函数，我们怎么才能知道某个魔法函数的具体用法呢？最简单的办法就是在Jupyter中创建一个新的单元格，然后输入该魔法函数，最后追加一个问号（?），注意函数名和问号之间没有空格，如下所示。
%timeit?
然后按Ctrl+Enter组合键运行这个单元格。 假设某个代码块正好就是一个算法的实现，现在我们想对整个代码块的运行进行计时，而不是对某一行代码的运行计时，该如何做呢？ 这时，就需要利用%timeit的姊妹函数—块魔法函数%%timeit，即timeit前面有两个%。如前所述，它的适用范围是整个代码块，因此通常会把这个魔法函数放在某个代码块的首行。
%%writefile函数
我们知道，Jupyter是一个集才华（代码编写）和颜值（图文文档显示）于一身的编程工具。但有时，如在生产环境中，我们还想把调试好的Python代码单独拎出来操作，这时该怎么办呢？ 当然，我们可以采用复制的方式，把Jupyter代码块中的代码一块一块地复制到一个IDE（如Spyder）的新建文件中，然后保存为我们所需要的Python源文件。 但实际上，Jupyter已经替我们考虑到这个需求。魔法函数%%writefile就是做这项工作的。见名知意，这个魔法函数的主要功能是把整个代码块中的Python代码保存为一个.py文件。 通过该魔法函数前端的两个百分号（%%）就可以看出，这是一个作用域为整块代码的魔法函数。%%writefile后面跟的参数是一个具体的Python文件名。假设我们想保存图1-22所示的代码块中的Python代码，就可以在代码块的首行添加如下代码。
%%writefile myFirstBook.py # 这里，myFirstBook.py是任意你想保存的文件名
然后，按Ctrl+Enter组合键运行单元格，这个myFirstBook.py源文件就默认保存在与*.ipynb（Jupyter文件）相同的路径下。当然，我们可以为其添加一个非默认路径，如%%writefile/Users/yhilly/ Documents/myFirstBook.py. 在这种情况下，单元格执行之后，myFirstBook.py就被存储在“/Users/yhilly/Documents/”路径下。读者也可以单击Jupyter的菜单栏【File】->【Download as】，有多种文件格式可供选择，可将编写好的代码保存到本地。
其他常用的魔法函数
下面我们列出其他常用的魔法函数，如表1-1所示，更多详细使用方法，可参阅IPython的官方文档。
表1-1 其他常用的魔法函数
