Jupyter Notebook虚拟环境不能自动补全代码

发表于2021-09-27|更新于2023-05-31|教程

|浏览量:

1 安装`Nbextensions`插件

pip install jupyter_contrib_nbextensions -i https://pypi.tuna.tsinghua.edu.cn/simple

jupyter contrib nbextension install --user --skip-running-check

2 打开Jupyter Notebook

3 勾选`Hinterland`即可，记得Disable Configuration……

4 如果代码补全功能不能用，请执行以下代码

conda install jedi==0.17.0

文章作者: Josh Lee

文章链接: https://leewangwang.github.io/2021/09/27/Jupyter%20Notebook%E8%99%9A%E6%8B%9F%E7%8E%AF%E5%A2%83%E4%B8%8D%E8%83%BD%E8%87%AA%E5%8A%A8%E8%A1%A5%E5%85%A8%E4%BB%A3%E7%A0%81/

版权声明: 本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来源 The path of Learning！

python Jupyter Notebook

相关推荐

深度学习碰见的报错信息汇总

1 报错：AttributeError: module ‘torchtext.data’ has no attribute ‘Field’原文代码如下 import mathimport timeimport numpy as npimport torchimport torch.nn.functional as F from torchtext import data # 两个Field对象定义字段的处理方法（文本字段、标签字段）TEXT = data.Field(tokenize=lambda x: x.split(), lower=True)LABEL = data.LabelField(dtype=torch.float) 更改成如下引用即可 import mathimport timeimport numpy as npimport torchimport torchtextimport torch.nn.functional as F from torchtext.legacy import datafrom torchtext.legacy.data...

Anaconda创建虚拟环境、保存虚拟环境

1 查看已经创建的虚拟环境conda info --env 或 conda info -e 2 创建虚拟环境conda create -n env_1 python=3.8 3 进入（激活）虚拟环境conda activate env_1 4 更换国内镜像源conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/ 5 安装、卸载、更新各种第三方包(3选1)安装 pip install numpy==1.17.0 pip3 install numpy==1.17.0 conda install...

深度学习使用GPU常见问题

1. Linux查看GPU的使用情况在终端中输入nvidia-smi命令 2. Linux查看CPU的使用情况在终端中输入top命令，使用ctrl+c退出 3. Linux解压zip压缩文件使用命令 unzip test.zip 4. GPU一般的温度一般保持在30~60℃是比较安全的，夏天显卡温度多数在50℃-85℃之间也是正常的范围。但是如果长时间保持60℃以上的话会对显卡有损耗。 5. GPU利用率低很多时候利用GPU进行深度学习加速，GPU的利用率才25%左右，加速效果不是很明显，因此我们可以提高Batch_size或者对DataLoder进行切片操作，一次性将更多的数据放入GPU里面。 6. 查看使用的GPU信息if torch.cuda.is_available(): device = torch.device("cuda") print('有 %d 个 GPU(s) 可用' % torch.cuda.device_count()) print('我们将使用的GPU是:',...