在modelarts的notebook中内置引擎不满足使用需要时，如何自定义引擎ipython kernel？-九游平台

使用场景

当前notebook默认内置的引擎环境不能满足用户诉求，用户可以新建一个conda env按需搭建自己的环境。本小节以搭建一个“python3.6.5和tensorflow1.2.0”的ipython kernel为例进行展示。

操作步骤

1. 创建conda env。

   在notebook的terminal中执行如下命令。其中，my-env是虚拟环境名称，用户可自定义。conda详细参数可参考。

   conda create --quiet --yes -n my-env python=3.6.5

   创建完成后，执行conda info --envs命令查看现有的虚拟环境列表，可以看到my-env虚拟环境：

   sh-4.4$conda info --envs
   # conda environments:
   #
   base                  *  /home/ma-user/anaconda3
   tensorflow-2.1           /home/ma-user/anaconda3/envs/tensorflow-2.1
   my-env                   /home/ma-user/anaconda3/envs/my-env
   python-3.7.10            /home/ma-user/anaconda3/envs/python-3.7.10                  /opt/conda/envs/my-env

2. 执行如下命令进入conda env。

   source /home/ma-user/anaconda3/bin/activate /home/ma-user/anaconda3/envs/my-env

3. 执行如下命令在my env里安装如下依赖包。

   pip install ipykernel

   如果遇到版本冲突，建议固定版本如下：

   pip install jupyter_core==5.3.0 
   pip install jupyter_client==8.2.0 
   pip install ipython==8.10.0
   pip install ipykernel==6.23.1 

4. 执行下述命令添加虚拟环境为ipython kernel。

   其中--name的值可自定义。

   python3 -m ipykernel install --user --name "my-py3-tensorflow-env"

   执行完毕后，可以看到下述提示信息。

   (my-env) sh-4.4$python3 -m ipykernel install --user --name "my-py3-tensorflow-env"
   installed kernelspec my-py3-tensorflow-env in /home/ma-user/.local/share/jupyter/kernels/my-py3-tensorflow-env

5. 自定义虚拟环境kernel的环境变量。

   执行cat /home/ma-user/.local/share/jupyter/kernels/my-py3-tensorflow-env/kernel.json，可以看到默认配置如下：

   {
    "argv": [
     "/home/ma-user/anaconda3/envs/my-env/bin/python3",
     "-m",
     "ipykernel_launcher",
     "-f",
     "{connection_file}"
    ],
    "display_name": "my-py3-tensorflow-env",
    "language": "python"
   }

   （可选）按需添加env字段的值。以下示例中，path中增加了该虚拟环境python包所在路径：

   

   以下配置仅供参考，请根据实际情况修改env字段内容。

   {
    "argv": [
     "/home/ma-user/anaconda3/envs/my-env/bin/python3",
     "-m",
     "ipykernel_launcher",
     "-f",
     "{connection_file}"
    ],
    "display_name": "my-py3-tensorflow-env",
    "language": "python",
    "env": {
         "path": "/home/ma-user/anaconda3/envs/my-env/bin:/opt/conda/bin:/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/home/ma-user/modelarts/ma-cli/bin",
         "http_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083",
         "https_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083",
         "ftp_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083",
         "http_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083",
         "https_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083",
         "ftp_proxy": "http://proxy-notebook.modelarts-dev-proxy.com:8083"
    }
   }

6. 手动删除无效图标。

   rm -r /home/ma-user/.local/share/jupyter/kernels/my-py3-tensorflow-env/logo-*

7. 进入虚拟环境的ipython kernel。

   刷新jupyterlab页面，可以看到自定义的虚拟环境kernel。如下所示：

   

   单击my-py3-tensorflow-env图标，验证是否为当前环境，如下所示：

   

8. 清理环境。

   删除虚拟环境的ipython kernel。

   jupyter kernelspec uninstall my-py3-tensorflow-env

   删除虚拟环境。

   conda env remove -n my-env