Jupyter Lab 安装与 TensorFlow 模块缺失解决方案
本文记录 Jupyter Lab 的安装流程及常见报错处理。涵盖从 base 环境安装、生成配置文件、添加虚拟环境内核，到解决 import 找不到模块及 TensorFlow GPU 版本在 Jupyter 中无法识别 cudart68_xx.dll 的具体步骤。包含环境移除与包重装建议，帮助开发者顺利配置本地 AI 开发环境。
近期尝试使用广受好评的 Jupyter Lab 进行开发，在安装过程中遇到若干问题，特此记录以便后续参考。
1.安装jupyter lab
Jupyter Lab 的整体安装过程相对简便：
- 在 base 环境中执行命令：
conda install jupyterlab。虽然并非强制要求在 base 环境下安装，但若选择其他虚拟环境，启动时需先切换至对应环境再运行 jupyter lab，操作较为繁琐。 - 安装完成后，执行命令：
jupyter lab --generate-config以生成配置文件。该文件位于 C:\Users\用户名.jupyter 目录下的 jupyter_notebook_config.py。可在此文件中修改 Jupyter 的相关设置，例如将 c.NotebookApp.notebook_dir 更改为期望的工作目录。修改完毕后，请务必取消注释并保存文件。 - 此时，在 base 环境中输入命令：
jupyter lab，即可通过浏览器自动打开 Jupyter Lab 界面。但此时默认仅能识别 base 环境中的 Python，后续将介绍如何将虚拟环境中的 Python 添加至 Jupyter Lab。 - 在目标虚拟环境中执行命令：
conda install nb_conda进行安装，随后输入命令：python -m ipykernel install --user --name 'env名' --display-name "展示名。重启 Jupyter Lab 后，即可在界面中看到对应虚拟环境下的 Python 选项。 - 完成上述步骤后，可能会遇到一个较为特殊的问题：已安装的包在 import 时提示找不到模块。目前仅发现此情况，直接提供解决方案如下：
添加的虚拟环境中的包必须在安装 nb_conda 之后进行安装！！！
若完成以上五步后导包正常，则问题已解决；若仍出现找不到模块的报错，请将报错信息中缺失的包重新安装一遍即可。
若安装了 tensorflow-gpu 版本，在 PyCharm 和控制台中能正常使用 GPU，但在 Jupyter Lab 中无法找到 cudart68_xx.dll，解决方法是将缺失的文件（如 cudartxx_xx.dll）所在路径添加到系统环境变量的 path 中。具体缺失哪些文件就添加哪些路径，随后重启 Jupyter Lab 即可。
此外，当需要删除已添加到 Jupyter Lab 的虚拟环境时，建议先在目标环境下将其从 Jupyter Lab 中移除。具体操作为：在 PowerShell 中激活该环境，输入命令：jupyter kernelspec remove 虚拟环境名，然后再使用命令：conda remove -n 环境名 --all 将其彻底删除。
至此，关于 Jupyter Lab 安装及导入 TensorFlow 找不到模块的问题介绍完毕。更多相关 Jupyter Lab 安装与 TensorFlow 配置内容，请搜索本站历史文章或继续浏览后续相关文章。感谢大家的支持！
本站声明
本文内容仅供参考，不代表本站观点。转载或引用请注明出处。如发现内容问题，请通过联系我们页面反馈。
