当前位置:首页 > 文章列表 > 文章 > 软件教程 > VS Code notebooks 怎样固定 notebook 内核选择

VS Code notebooks 怎样固定 notebook 内核选择

来源:17golang原创 2026-10-24 20:04:37 0浏览 收藏

VS Code notebooks 没有一个把所有 notebook 永久锁到同一内核的“全局固定”按钮。更准确的做法是:打开目标 notebook,在右上角选择一次内核,VS Code 会记住这个 notebook 最近使用的内核;下次重新打开时通常会继续使用它。若环境被删除、重命名或改到远程机器,就需要重新选择。

官方地址:https://code.visualstudio.com/docs/datascience/jupyter-notebooks

本文使用 VS Code 的 Jupyter notebook 操作路径说明,不绑定某个 Python 版本,也不把界面说明图当成真实截图。开始前准备好 Python 环境或 Jupyter 内核,并安装 Python、Jupyter 扩展。

1. 先打开 notebook,找到内核入口

在 VS Code 资源管理器中打开一个 .ipynb 文件。观察 notebook 编辑器右上角:未选择内核时通常显示 Select Kernel,已选择时会显示当前内核名称。点击这个位置就能打开 Kernel Picker。

不想用鼠标时,打开命令面板,执行 Notebook: Select Notebook Kernel,效果与点击右上角入口相同。这里要选的是 notebook 内核,不是普通 Python 文件的运行解释器;后者可以通过 Python: Select Interpreter 单独切换。

VS Code notebook右上角Select Kernel入口和当前内核标签的原创界面说明图
图1:notebook 内核入口操作示意图,展示 Select Kernel 与命令面板入口,不是真实软件截图。

如果右上角完全没有内核入口,先确认打开的是 notebook 编辑器而不是把文件当作普通文本查看;再检查 Python 和 Jupyter 扩展是否已启用。扩展安装只是让入口出现,具体能选到哪些内核仍取决于当前本地、远程或 Codespaces 环境能检测到什么。

2. 直接选择最近使用的内核

打开 Kernel Picker 后,先看顶部的最近使用列表。对于经常反复打开的 notebook,目标内核如果仍然可用,直接点击它即可。选择完成后,右上角的内核标签会变成所选名称,代码单元右下角的语言选择也会跟随内核支持的语言更新。

这个动作就是日常意义上的“固定”:固定的是当前 notebook 与最近一次内核选择之间的关联,不会修改其他 notebook,也不会把同一工作区里的所有文件强制改成同一环境。

3. 找不到目标时进入 Select Another Kernel...

最近使用列表没有目标时,点击 Select Another Kernel...,再按内核来源筛选。常见入口有三类:

来源适用场景选择后的确认
Jupyter Kernels机器上已有可发现的 kernelspec列表出现具体内核名称
Python Environments按 conda、venv 等 Python 环境选择环境名与解释器来源相符
Existing Jupyter Server连接已有的远程 Jupyter 服务服务地址或服务器条目被选中

选择 Python Environments 后,点击目标环境;如果用的是远程服务,则进入 Existing Jupyter Server,按提示选择已经配置的服务器。不要只看环境名称就判断成功,回到 notebook 顶部确认当前内核标签已经更新。

VS Code notebook内核选择器中Select Another Kernel及三类内核来源的原创界面说明图
图2:内核来源选择操作示意图,展示 Jupyter Kernels、Python Environments 和 Existing Jupyter Server 的分组关系,不是真实软件截图。

如果环境没有出现在 Python Environments 中,可以先执行命令面板里的 Python: Select Interpreter,让 VS Code 识别目标解释器,再回到 Notebook: Select Notebook Kernel 重选。某些环境还需要安装并注册可用的 ipykernel,具体安装方式取决于你的环境管理工具。

4. 重新打开 notebook,确认是否真的记住了

选择完成后保存 notebook,关闭编辑器标签,再重新打开同一个文件。顶部仍显示刚才的内核名称,说明这次 notebook 选择被恢复。重新打开后若又变成 Select Kernel,或者提示原内核不可用,通常不是“固定失败”,而是内核路径已经变化、远程服务没有连接,或当前工作区切换到了另一台计算环境。

遇到这种情况,重复第 3 步,从正确来源选择一次即可。若在受限工作区中看不到富输出或无法执行单元,还要检查 Workspace Trust;信任设置影响代码执行能力,不等同于内核选择记录。

为什么我选择了 Python 解释器,notebook 还是用了旧内核?普通 Python 文件的解释器选择和 notebook 内核选择是两个入口。请在 notebook 中执行 Notebook: Select Notebook Kernel,并直接选目标环境。

能不能让工作区内所有 notebook 都固定到同一个内核?本文所述记忆是按 notebook 选择的。若团队需要统一环境,应通过项目环境、依赖文件和协作约定保持一致,不要把某一个 notebook 的最近选择当成全局策略。

内核名称还在,但运行时失败怎么办?先检查该环境或远程 Jupyter 服务是否仍可访问,再确认 Python/Jupyter 扩展状态;必要时从 Select Another Kernel... 重新绑定可用来源。

最后可以用一个简单标准判断:右上角显示的是目标内核,代码单元的语言入口跟随它变化,重新打开同一个 notebook 后仍能恢复;这三点同时满足,就完成了当前 notebook 的内核固定。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
VS Code testing 怎样只运行当前测试文件VS Code testing 怎样只运行当前测试文件
上一篇
VS Code testing 怎样只运行当前测试文件
OpenAI Responses API 怎样区分文本增量与工具事件
下一篇
OpenAI Responses API 怎样区分文本增量与工具事件
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    662次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    682次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    727次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    696次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    528次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码