我们在这个问题上做了很多努力，以下是对我们有效的方法。如果你使用conda-forge通道，确保你使用的是从conda-forge更新的包是很重要的，即使是在你的Miniconda根环境中。

所以安装Miniconda，然后做:

conda config --add channels conda-forge --force
conda update --all  -y
conda install nb_conda_kernels -y
conda env create -f custom_env.yml -q --force
jupyter notebook

你的自定义环境将作为可用的内核显示在Jupyter中，只要你的custom_env中列出了ipykernel以供安装。Yml文件，就像这个例子:

name: bqplot
channels:
- conda-forge
- defaults
dependencies:
- python>=3.6
- bqplot
- ipykernel

为了证明它适用于许多自定义环境，这里有一个Windows屏幕截图:

对于conda 4.5.12，适用于我的是(我的虚拟环境被称为nwt)

conda create --name nwt python=3

之后，我需要激活虚拟环境并安装ipykernel

activate nwt
pip install ipykernel

那么对我有效的方法是:

python -m ipykernel install --user --name env_name --display-name "name of your choosing."

例如，我使用'nwt'作为虚拟env的显示名称。在运行上面的命令之后。再次在Anaconda Prompt中运行“jupyter notebook”。我得到的是:

nb_conda_kernels包是在conda中使用jupyter的最佳方式。通过最小的依赖关系和配置，它允许您使用运行在不同环境中的jupyter笔记本上的其他conda环境。引用其文件:

Installation This package is designed to be managed solely using conda. It should be installed in the environment from which you run Jupyter Notebook or JupyterLab. This might be your base conda environment, but it need not be. For instance, if the environment notebook_env contains the notebook package, then you would run conda install -n notebook_env nb_conda_kernels Any other environments you wish to access in your notebooks must have an appropriate kernel package installed. For instance, to access a Python environment, it must have the ipykernel package; e.g. conda install -n python_env ipykernel To utilize an R environment, it must have the r-irkernel package; e.g. conda install -n r_env r-irkernel For other languages, their corresponding kernels must be installed.

然后你需要做的就是启动jupyter笔记本服务器:

conda activate notebook_env  # only needed if you are not using the base environment for the server
# conda install jupyter # in case you have not installed it already
jupyter

尽管有太多的答案，@merv也在努力改进，但仍然很难找到一个好的答案。我做了这个CW，所以请投票给它的顶部或改进它!

恼人的是，在你的tensorflow环境中，你可以运行jupyter notebook，而无需在该环境中安装jupyter。你就跑

(tensorflow) $ conda install jupyter

tensorflow环境现在应该在Jupyter notebook中可见，在任何conda环境中启动，类似于Python [conda env:tensorflow]。

我只是想补充之前的答案:如果安装nb_conda_kernels, ipywidgets和ipekernel不能工作，请确保您的Jupyter版本是最新的。我的envs在一切正常工作一段时间后突然停止显示，并在我简单地通过anaconda navigator更新jupyter后恢复工作。

总结(tldr)

如果你想让'python3'内核总是在它启动的环境中运行Python安装，删除User 'python3'内核，它优先于当前环境:

jupyter kernelspec remove python3

完整的解决方案

我将针对以下情况发布一个替代和更简单的解决方案:

您已经创建了一个conda环境 这个环境已经安装了jupyter(它也安装了ipykernel) 当您运行命令jupyter notebook并通过单击“new”下拉菜单中的“python3”创建一个新notebook时，该notebook将从基本环境而不是当前环境执行python。 您可能希望在任何环境中启动带有“python3”的新笔记本时，都会从该环境执行Python版本，而不是从基础环境执行

在解决方案的其余部分中，我将使用“test_env”作为环境的名称。另外，注意'python3'是内核的名称。

目前票数最高的答案确实有效，但还有另一种选择。它说要做以下事情:

python -m ipykernel install --user --name test_env --display-name "Python (test_env)"

这将为您提供使用test_env环境的选项，而不管您从哪个环境启动jupyter notebook。但是，使用'python3'启动笔记本电脑仍将使用基本环境中的Python安装。

可能发生的情况是存在一个用户python3内核。运行命令jupyter kernelspec list列出所有环境。例如，如果你有一个mac，你将返回以下(我的用户名是Ted)。

python3       /Users/Ted/Library/Jupyter/kernels/python3

木星在这里所做的是在三条不同的路径上寻找内核。它从用户，到环境，到系统。有关它搜索每个操作系统的路径的详细信息，请参阅本文档。

上面的两个内核都在User路径中，这意味着无论您从哪个环境启动jupyter笔记本，它们都是可用的。这也意味着如果在环境级别上存在另一个“python3”内核，那么您将永远无法访问它。

对我来说，从你启动笔记本电脑的环境中选择“python3”内核应该在该环境中执行Python更有意义。

你可以通过在操作系统的Env搜索路径中查看是否有另一个'python3'环境(参见上面文档的链接)。对于我来说(在我的mac上)，我发出了以下命令:

 ls /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels

我确实在那里列出了一个'python3'内核。

多亏了这个GitHub问题评论(看看第一个响应)，你可以用以下命令删除用户'python3'环境:

jupyter kernelspec remove python3

现在当你运行jupyter kernelspec list时，假设test_env仍然是活动的，你会得到以下结果:

python3       /Users/Ted/anaconda3/envs/test_env/share/jupyter/kernels/python3

注意，这个路径位于test_env目录中。如果您创建一个新环境，安装jupyter，激活它，并列出内核，您将得到另一个位于其环境路径下的'python3'内核。

User 'python3'内核优先于任何Env 'python3'内核。通过移除它，活动环境“python3”内核就被公开了，并且每次都可以被选择。这消除了手动创建内核的需要。在软件开发方面，它也更有意义，因为人们希望将自己隔离到一个单一的环境中。运行与宿主环境不同的内核似乎不太自然。

默认情况下，似乎并不是每个人都安装了这个User 'python3'，所以并不是每个人都遇到了这个问题。