添加kernel内核
conda添加了相应的虚拟环境之后，多需要运用到Pycharm、Spyder和Jupyter中，前两种笔者已经分享过，今天阐述Jupyter添加和删除虚拟环境生成对应kernel内核，这样新建的ipykernel项目就使用对应的虚拟环境。
1. 创建新的环境（取名为neural_net,选用python3.8版本）
| conda create –n neural_net python=3.8 |
2. 激活环境
| conda activate neural_net |
3. 安装ipykernel （第一次导入虚拟环境的要下载），使用清华镜像更快，不然自己挂VPN下载使用语句 pip install ipykernel 速度也可观。（哪个环境要装入jupyter就激活哪个虚拟环境）
| pip install -i https://pypi.tuna.tsinghua.edu.cn/simple ipykernel |
4. 将虚拟环境neural_net导入jupyter的kernel中(自己设置显示的名字为net-3.8)
| python -m ipykernel install –name neural_net –display-name net-3.8 |
5. 用以下命令查看已经安装好的虚拟环境的kernel（如图可查看kernel已经安装），注意图中的python3为conda的base环境自带。
| jupyter kernelspec list |
6. 更新jupyter，新建的neural_net的kernel内核已经显示，名字为net-3.8。
删除kernel内核
有时我们要将多余虚拟环境删除，那么jupyter的kernel也需要删除，不然会一直保留这个选项，对于强迫症来说看着一个无用的的kernel选项着实不舒服。
1. 删除虚拟环境neural_net
| conda remove -n neural_net –all |
2. 删除kernel内核（注意：上图中的python3 kernel内核是base的内置核，删除不掉，或者说不要将其与虚拟环境创建的kernel混淆）。
| jupyter kernelspec remove neural_net |
3. 删除完毕上述的kernel后，jupyter中虚拟环境neural_net的 kernel内核选项会消失，界面变得更加清爽。（可以继续用命令：jupyter kernelspec list 查看是否还有neural_net选项，没有就是删除干净了）
文章出处登录后可见！
