无法使用和运行python和jupyter notebook，折叠电脑

Deepwave 为 PyTorch 提供了波传播模块，适用于地震成像、地震反演等应用场景。repo地址：https://github.com/ar4/deepwave 在昇腾NPU jupyterbook中安装使用时报错如下：$ pip install deepwave >>> import deepwave Traceback (most recent call last): File "<stdin>", line 1, in <module> File "/home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.10/site-packages/deepwave/__init__.py", line 25, in <module> dll_cpu = ctypes.CDLL( File "/home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.10/ctypes/__init__.py", line 374, in __init__ self._handle = _dlopen(self._name, mode) OSError: /home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.10/site-packages/deepwave/libdeepwave_cpu_linux_x86_64.so: cannot open shared object file: No such file or directory (PyTorch-2.1.0) [ma-user 057]$ls /home/ma-user/anaconda3/envs/PyTorch-2.1.0/lib/python3.10/site-packages/deepwave/lib libdeepwave_cpu_linux_x86_64.so libdeepwave_cpu_macos_x86_64.dylib libdeepwave_cuda_linux_x86_64.so libgomp.so.1 libdeepwave_cpu_macos_arm64.dylib libdeepwave_cpu_windows_x86_64.dll libdeepwave_cuda_windows_x86_64.dll libiomp5md.dllEuler系统是aarch64架构，如何支持该模块运行？

​一、技术定位与核心优势JupyterLab 是下一代交互式计算开发环境，2025年发布的4.0版本新增以下特性：多语言内核支持：Python/R/Julia/JavaScript一键切换实时协作功能：类似Google Docs的多人协同编码AI辅助编程：集成GPT-5代码补全与错误诊断可视化调试器：支持变量追踪与执行流可视化二、跨平台安装方案1. 系统兼容性矩阵平台最低要求推荐环境Windows10 21H2WSL2 + Ubuntu 22.04macOSMonterey 12.3+M2芯片+16GB内存LinuxKernel 5.15+Docker容器化部署2. 前置依赖管理Python环境：建议使用pyenv管理多版本# 安装Python 3.12（当前LTS版本） pyenv install 3.12.4 pyenv global 3.12.4虚拟环境：创建独立沙盒避免依赖冲突python -m venv ~/.jupyterenv source ~/.jupyterenv/bin/activate三、安装流程详解（以Windows为例）步骤1：通过pip安装核心组件pip install jupyterlab==4.0.0 \ jupyterlab-lsp \ # 语言服务器协议支持 jupyterlab-git \ # 版本控制集成 jupyterlab-ai \ # AI辅助扩展 jupyterlab-vim \ # Vim键位绑定 jupyterlab-drawio # 流程图绘制工具步骤2：配置优化（修改~/.jupyter/jupyter_lab_config.py ）c.ServerApp.root_dir = '/mnt/d/JupyterProjects' # 项目存储路径 c.LabApp.collaborative = True # 启用实时协作 c.AICodeCompletion.model = 'gpt-5-turbo' # 指定AI模型步骤3：启动服务并访问jupyter lab --port 8888 --no-browser 浏览器打开 http://localhost:8888 并输入token认证四、高阶功能配置1. GPU加速支持（需NVIDIA显卡）pip install cupy-cuda12x jupyterlab-cuda-dashboard nvidia-smi --jupyter-integration2. 数据库直连扩展安装PostgreSQL内核并配置连接池：# 在notebook中执行 !pip install jupyterlab-sql %load_ext sql %sql postgresql://user:password@localhost/mydb3. 三维可视化集成import ipyvolume as ipv ipv.quickvolshow(np.random.rand(128,128,128))五、典型应用场景案例1：机器学习全流程开发# 数据加载 -> 特征工程 -> 模型训练 -> 可视化评估 import polars as pl from sklearn.inspection import DecisionBoundaryDisplay df = pl.read_parquet("data.parquet") display(DecisionBoundaryDisplay.from_estimator(model, X, alpha=0.5))案例2：交互式地理数据分析import geemap Map = geemap.Map(center=(40, -100), zoom=4) Map.add_basemap('SATELLITE') Map六、故障排查指南Q1：内核启动失败检查虚拟环境激活状态重装ipykernel：pip install --force-reinstall ipykernelQ2：AI辅助无响应确认API密钥设置：jupyter lab --AIToken=sk-xxxx切换备用模型：c.AICodeCompletion.fallback_model = 'claude-3'Q3：扩展安装冲突使用conda/mamba解决依赖：mamba install -c conda-forge jupyterlab=4.0.0七、效能提升技巧快捷键自定义：通过Settings > Keyboard Shortcuts绑定常用操作主题优化：安装jupyterlab-material-night提升暗色模式体验预加载内核：在配置中启用c.KernelManager.autorestart = True八、延伸学习路径Jupyter官方文档声明：本教程使用JupyterLab 4.0版本制作，原创内容转载请注明来源。

进入活动链接：https://pangu.huaweicloud.com/gallery/asset-detail.html?id=c1cf0774-59ce-44fc-a4a8-8fcf026d2fec1、切换规格为64GB的限时免费规格2、点击执行3、然后执行：4、继续执行5、切换python版本，这个很重要！！！！，6、安装和启动运行7、最后生成了一个链接：Running on public URL: https://0dfb450b322dd89a40.gradio.live8、点击该URL，就可以开始使用了角色：man  活动： play basketball，选择风格类型使用效果1，这个是“线条艺术”这个是“油画”效果这个是“日本动画”风格该模型部署起来很方便，模型很强大，伙伴们可以多多探索，多少挖掘

本地Anaconda使用pip install jupyterlab后使用jupyter-lab打开窗口创建Terminal出现错误Launcher Error、Unhandled error、Dismiss解决方案通过查询Anaconda窗口信息发现报错如下：Traceback (most recent call last):      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\tornado\web.py", line 1702, in _execute        result = method(*self.path_args, **self.path_kwargs)      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\tornado\web.py", line 3173, in wrapper        return method(self, *args, **kwargs)      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\jupyter_server\terminal\api_handlers.py", line 26, in post        name, _ = self.terminal_manager.new_named_terminal(**data)      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\terminado\management.py", line 319, in new_named_terminal        term = self.new_terminal(**kwargs)      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\terminado\management.py", line 171, in new_terminal        pty = PtyProcessUnicode.spawn(argv, env=env, cwd=options.get('cwd', None))      File "e:\anaconda3\envs\pytorch1.6.0\lib\site-packages\winpty\ptyprocess.py", line 89, in spawn        'executable: %s.' % command    FileNotFoundError: The command was not found or was not executable: powershell.exe.可以发现报错的原因是JupyterLab在创建Ternimal时无法定位到PowerShell。为此，我通过CMD启用PowerShell仍然失败，如下所示：因此怀疑时是环境变量中缺少`PowerShell`路径，因此我找到`PowerShell`路径并添加至环境变量，如下所示完成后在CMD中输入PowerShell即可进入PowerShell模式此时打开Anaconda启动JupyterLab，即可正常启动Terminal，如下所示：总结如果在Win10平台使用JupyterLab无法正常启动Terminal且报错为FileNotFoundError: The command was not found or was not executable: powershell.exe.，只需要在环境变量中添加PowerShell路径

创建的checkpoints文件夹打不开

 1.扩散模型和分数匹配模型的资源和论文的汇总 https://github.com/heejkoo/Awesome-Diffusion-Models 是一个github网站  2. 三篇经典论文 《Deep Unsupervised Learning using Nonequilibrium Thermodynamics》 2015年 扩散模型起源  《Denoising Diffusion Probabilistic Models》 2020年 扩散模型兴起 https://github.com/lucidrains/denoising-diffusion-pytorch 对应pytorch实现  《Improved Denoising Diffusion Probabilistic Models》 2021年 第二篇论文的改进 https://github.com/openai/improved-diffusion 对应pytorch实现  3.看过的扩散模型博客 The recent rise of diffusion-based models 可以了解到扩散模型近年比较经典的应用 Introduction to Diffusion Models for Machine Learning 从中可以了解到一个实现扩散模型的库denoising_diffusion_pytorch，博客中有使用案例 What are Diffusion Models? 也是扩散模型的一个理论介绍博客，推导挺详细的 Diffusion Models as a kind of VAE 探究了VAE和扩散模型的联系 The Annotated Diffusion Model 扩散模型理论和代码实现，代码我进行理解加了注释与理论对应，方便大家理解 An introduction to Diffusion Probabilistic Models 也是一个介绍性博客，公式也很工整 4. 看过的一个B站视频 54、Diffusion Model扩散模型理论与完整PyTorch代码详细解读 我是看过其他资料后才看的这个视频，所以一遍都能全看懂，不知道初看怎么样  代码我也进行理解加了注释与理论对应，方便大家理解  5.未看过的扩散模型博客 https://jmtomczak.github.io/blog/10/10_ddgms_lvm_p2.html 扩散模型理论和代码实现 Generative Modeling by Estimating Gradients of the Data Distribution 其他相关资料 机器学习-白板推导系列(十二)-变分推断（Variational Inference） 知道Lvlb等概念是什么(B站视频) 【学习笔记】生成模型——变分自编码器 理解VAE(博客) 【机器学习】白板推导系列(三十二) ～ 变分自编码器(VAE) 理解VAE(B站视频) https://github.com/labmlai/annotated_deep_learning_paper_implementations 有很多深度学习算法的实现 The Annotated Transformer transformer的pytorch实现的一个解释博客 positional_encoding的一个实现案例 github代码 强烈推荐！台大李宏毅自注意力机制和Transformer详解！ B站视频 《Attention Is All You Need》 transformer和注意力机制原论文 Transformer论文逐段精读【论文精读】 64 注意力机制【动手学深度学习v2】 我根据官方资料整理了jupyter代码实现文件，可从头到尾直接运行 Reparameterization Trick 白板推导变分推断后两节也有提到 isotropic Gaussian distribution A Recipe for Training Neural Networks 加注释后的jupyter，关注微信公众号“一蓑烟雨晴”即可获取。 ———————————————— 版权声明：本文为CSDN博主「一蓑烟雨晴」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_44941689/article/details/126513283 

Juqyter启动# 进入虚拟环境workon ai# 输入命令jupyter notebook本地notebook的默认URL为：http://localhost:8888Jupyter的三种cell类型：Code(编辑代码，运行后显示代码运行结果)Markdown(编写Markdown文档，运行后输出Markdown格式的文档)Raw NBConvert(普通文本，运行不会输出结果)Jupyter两种模式：编辑模式、命令模式编辑模式(Enter)命令模式下回车Enter或鼠标代码块进入编辑模式可以操作代码或文本，进行剪切 / 复制 / 粘贴等操作命令模式(Esc)按Esc退出编辑，进入命令模式或单击代码块外部可以操作cell单元本身，进行剪切 / 复制 / 粘贴/移动等操作工具栏操作cell快捷键操作cell两种模式都可使用的快捷键Shift+Enter，执行本单元代码，并跳转到下一单元Ctrl+Enter，执行本单元代码，留在本单元命令模式：按Esc或鼠标单击代码块外部进入Y：cell切换到Code模式M：cell切换到Markdown模式A：在当前cell的上面添加cellB：在当前cell的下面添加cell双击D：删除当前cellZ：回退Ctrl+Shift+减号：分隔cell，在光标处L：为当前cell加上行号编辑模式：按Enter或鼠标单击代码块内部进入Ctrl+鼠标单击(Mac:CMD+鼠标单击)：多光标操作Ctrl+Z(Mac:CMD+Z)：回退Ctrl+Y：重做Tab键：代码补全Ctrl(Mac:CMD+/)：注释多行代码

从浏览其打开jupyter notebook后，主界面的Files标签里是一个文件浏览器。可以本机工作目录里的文件，如果是jupyter notebook文档可以直接打开；当然也可以在这里新建或者上传一个文档，选择新建一个python 3文档，则进入notebook文档界面，可以敲入python代码，并修改文档名称。修改并保存文档后，再回到主界面，可以看到在Files标签里面多了一个hello_world.ipynb文件；而在Running标签则多了一个运行中的文档。当新建或者打开一个notebook文档，在主界面Running里面都会有一项对应的记录。在文档界面里面，这后台对应的运行引擎称为kernel。文档操作文档界面又一个菜单栏和工具栏，同时还支持快捷键。实际应用中，推荐使用快捷键。文档界面的菜单里有两个新术语cell（单元）和kernel（内核）。cell的编辑模式与命令模式cell是一个jupyter notebook文档的基本组成单位，一个文档可以有一个或者多个cell。前面的截图中输入的hello world代码地方就是一个cell。cell有两种模式，编辑模式和命令模式。处于编辑模式时，cell中有光标闪烁，并且菜单栏右侧有编辑图标。快捷键esc可从编辑模式变为命令模式；在命令模式下按下enter则切回编辑模式。cell类型cell的类型有代码、Markdown和原始文档几种。混合使用代码cell和Markdown，可以形成一个很好的笔记文档。比如用Markdown来描述设计、算法和代码，其表达能力比Python自带的注释更丰富。在命令模式下，可以用快捷键改变一个cell的类型：快捷键y将一个cell类型变为代码cell快捷键m将一个cell类型变为Markdown混合的notebook示例，前面两个都是Markdown类型的cell，而后面的则是Python代码cell可以通过help()来启动交互式帮助控制台shell命令在代码单元中，可以执行shell命令，shell命令以!开头。magic命令jupyter notebook的代码单元还支持一种以%开头的称为magic的命令。这些命令包括一些内嵌的工具，如测量时间的%timeit，还有一些shell的功能，如Êt等。内核操作可从文档界面的kernel菜单进入。每个jupyter notebook文档在后台都有对应的运行环境，即一个内核。内核主要操作包括重启和关闭。每运行一个cell，内核里都有记录，会保存其状态。

jupyter notebook是一个基于网页的交互式计算环境，它本身支持多种语言的开发，但常用于Python的开发。其优点是交互式强，易于可视化，尤其适用于需要频繁修改、实验的场景，比如数据分析、测试机器学习模型等。另一个优点是它是基于Web的，客户端运行于浏览器，而真正的Python环境（kernel）则运行于服务器。因此可以把计算引擎部署在计算力强大的后台服务器甚至是GPU服务器上，这对于很多深度学习的计算环境是很方便的。jupyter notebook产品的官方主页为https://jupyter.org/。安装与启动anaconda如果安装了anaconda的python发行版，那么jupyter notebook就已经自带了。只需要从anaconda navigator中启动即可。官方python如果安装的是Python官方发行版，则需要自行安装jupyter notebook。安装过程可能会有点慢，因此它需要安装比较多的相关软件包。pip install notebook安装完成后，只需要敲入jupyter-notebook命令即可启动。jupyter-notebook[I 15:16:27.520 NotebookApp] Serving notebooks from local directory: /Users/gran/work_macpro/study/python/jupyter_notebook[I 15:16:27.520 NotebookApp] Jupyter Notebook 6.1.6 is running at:[I 15:16:27.520 NotebookApp] http://localhost:8888/?token=4f1c60188b984ab261fa033d936007d2e49b36b6b3c01261[I 15:16:27.520 NotebookApp]  or http://127.0.0.1:8888/?token=4f1c60188b984ab261fa033d936007d2e49b36b6b3c01261[I 15:16:27.520 NotebookApp] Use Control-C to stop this server and shut down all kernels (twice to skip confirmation).[C 15:16:27.528 NotebookApp]不论是从anaconda启动，还是手动安装后通过命令行启动，jupyter notebook都会在后台启动一个web服务器，默认端口为8888。在浏览器中访问http://localhost:8888即可使用jupyter notebook。

Jupyter notebook（http://jupyter.org/） 是一种 Web 应用，能让用户将说明文本、数学方程、代码和可视化内容全部组合到一个易于共享的文档中。名字源自Julia、Python 和 R（数据科学的三种开源语言），是一款程序员和科学工作者的编程/文档/笔记/展示软件  .ipynb文件格式是用于计算型叙述的JSON文档格式的正式规范ModelArts 是面向开发者的一站式 AI 平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。体验活动：在开发环境Console控制台上提供VS Code按钮，通过该入口自动打开VS Code并连接实例。视频指导：cid:link_0活动时间：9月21日-10月31日参与方式：点击报名：cid:link_1根据【体验指导】，学习并完成案例；cid:link_2运行完所有命令后，截图发布到本贴评论区，活动结束后随机抽奖。VS Code一键连接Notebook初体验华为云提供了一键安装方式，非常方便，体验非常棒！

GES4Jupyter是一款可以在JupyterLab中连接访问GES并可视化的工具。工具中封装了部分GES业务面接口，并提供对返回数据的可视化能力。基于该工具在Jupyter上进行图探索，可以大大降低编码成本，丰富JupyterLab的数据表现力。详情参考：https://bbs.huaweicloud.com/blogs/361607

这篇文章主要介绍了conda环境下ubuntu 20.04 jupyter添加或删除内核的方法,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下1. 创建环境12conda create -n env_name # 创建env_name环境conda create -n env_name package_name # 创建包含package_name软件包的env_name环境2. 列举环境12conda env list # 列举当前所有环境conda info --envs # 列举当前所有环境3. 添加内核1234conda install nb_conda_kernels # 安装nb_conda_kernelsconda install ipykernel # 安装ipykernel# 将环境写入jupyter notebook的kernel中python -m ipykernel install --user --name env_name --display-name "你想为kernel添加的名称"4. 删除内核1jupyter kernelspec remove env_name # 如果给env_name起了别名，将env_name替换成别名到此这篇关于conda环境下ubuntu 20.04 jupyter添加或删除内核的方法的文章就介绍到这了转载自https://www.jb51.net/os/Ubuntu/787527.html

原文链接：https://blog.csdn.net/qq_53673551/article/details/122360282一、概述Visual Studio Code 是一款轻量级但功能强大的源代码编辑器，适用于 Windows、macOS 和 Linux。内置了对 JavaScript、TypeScript 和 Node.js 的支持，并为其他语言（例如 C++、C#、Java、Python、PHP、Go）并且提供了丰富的扩展生态系统，下面通过这篇文章开启VS Code插件之旅。二、使用教程1.搜索扩展您可以清除“扩展”视图顶部的“搜索”框，然后输入您要查找的扩展、工具或编程语言的名称。 2.列出已安装的扩展默认“扩展”视图显示当前的扩展、推荐的所有扩展以及已禁用的所有扩展的折叠视图。可以使用命令面板( Ctrl+Shift+P ) 命令清除搜索框中的任何文本并显示所有已安装扩展的列表。3.卸载扩展要卸载扩展，请选择扩展条目右侧的管理齿轮按钮，然后从下拉菜单中选择卸载。可以卸载扩展并提示您重新加载 VS Code。 4.禁用扩展如果不想永久删除扩展程序，可以通过单击扩展程序条目右侧的齿轮按钮暂时禁用扩展程序。在全局禁用扩展或仅针对当前工作区禁用扩展。禁用扩展后，系统将提示重新加载 VS Code。5.启用扩展如果禁用了某个扩展程序，可以使用下拉菜单中的Enable或Enable (Workspace)命令重新启用它。6.更新扩展自动更新：VS Code 检查扩展更新并自动安装。更新后，系统会提示您重新加载 VS Code。手动更新：使用Show Outdated Extensions命令快速查找扩展更新，显示当前安装的扩展程序的所有可用更新，为过时的扩展选择更新按钮，更新将被安装，系统将提示重新加载 VS Code。三、扩展介绍1.Python 对Python 语言有丰富的支持（对于所有积极支持的语言版本：>=3.6），包括 IntelliSense (Pylance)、linting、调试、代码导航、代码格式化、重构、变量浏览器等功能、测试资源管理器等。 2.Jupyter  它提供基本的笔记本支持语言内核所支持许多语言内核无需修改即可工作。默认Jupyter 扩展包括 Jupyter Keymaps 和 Jupyter Notebook Renderers 扩展。 3.C/C++ C/C++ 扩展为 Visual Studio Code 添加了对 C/C++ 的语言支持，包括 IntelliSense 和调试等功能。 4.ESLint  ESLint 是一种用于识别和报告在 ECMAScript/JavaScript 代码中发现的模式的工具，其目标是使代码更加一致并避免错误。在许多方面，它类似于 JSLint 和 JSHint。 5.PrettierPrettier支持我们大前端目前大部分语言处理，包括 JavaScript ·  Flow ·  TypeScript · CSS · SCSS · Less · JSX · Vue · GraphQL · JSON · Markdown，这代表着， 你几乎可以用一个工具都能搞定所有的代码格式化问题。 6.Live Server为静态和动态页面启动具有实时重新加载功能的开发本地服务器。 7.Visual Studio IntelliCode 提供了为Python，TypeScript/ JavaScript和Java开发AI辅助开发功能在Visual Studio代码，基于代码的上下文与机器学习相结合。8.Code Runner运行多种语言的代码片段或代码文件，省掉保存的环节，直接可以运行 9.Chinese (Simplified) (简体中文)  为VS Code 使用者提供汉字化界面，针对英文界面使用不太熟练的使用者。 10.background        平时编程总是对着一顿枯燥的代码背景，VSCode一个神仙插件Background，可以更改自己想要的背景图，下面来介绍一波。具体实现效果图：  背景图放最上面了，之前写过一篇文章，专门介绍如何配置这个插件的：VScode实现面向二次元编程11.Auto Rename Tag自动重命名配对的 HTML/XML 标签，与 Visual Studio IDE 相同。 12.Better CommentsBetter Comments 扩展将帮助您在代码中创建更人性化的注释。使用此扩展程序，您将能够将注释分类为：警报查询待办事项强调注释掉的代码也可以设置样式以明确代码不应该在那里可以在设置中指定您想要的任何其他评论样式13.Draw io Integration在VSCode中就可以创建思维导图 要创建新图表，只需创建一个空的*.drawio,*.drawio.svg或*.drawio.png文件并打开它.drawio.svg、.drawio.png嵌入到 Github，不需要导出14.Markdown emoji向 VS Code 的内置 Markdown 预览添加:emoji:语法支持 ，生成表情15.WakaTime直观的反应你一天学习打代码的时间，通过各种图表计算

1、JupyterLab-DrawIO项目地址：https://github.com/QuantStack/jupyterlab-drawioDiagram.net（原名 Draw.IO）是绘制图表的工具，它确实是 MS Visio 完美的开源替代品。借助于 jupyterlab-drawio，我们可以在 Jupyter Lab 上使用该工具。2、JupyterLab Spreadsheet项目地址：https://github.com/quigleyj97/jupyterlab-spreadsheet在 Jupyter Lab 中嵌入了 xls/xlsx 电子表格查看功能，可以在编码和excel之间进行切换，十分方便Image depicting the plugin displaying a simple XLS workbook3、JupyterLab Kite项目地址：https://github.com/kiteco/jupyterlab-kitekite是免费的AI赋能代码补全服务，可以集成在jupyterlab中使用