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:

虽然@coolscitist的回答对我来说是有效的，但也有一种方法不会让你的内核环境与完整的jupyter包+deps混淆。 它在ipython文档中有描述，(我怀疑)只有在非基础环境中运行笔记本服务器时才有必要。

conda activate name_of_your_kernel_env
conda install ipykernel
python -m ipykernel install --prefix=/home/your_username/.conda/envs/name_of_your_jupyter_server_env --name 'name_of_your_kernel_env'

你可以用

conda activate name_of_your_jupyter_server_env 
jupyter kernelspec list

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]。

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:

我不得不运行前3个答案中提到的所有命令来让它工作:

conda install jupyter
conda install nb_conda
conda install ipykernel
python -m ipykernel install --user --name mykernel

按照iPython文档中的说明，将不同的conda环境添加到Jupyter Notebook中可供选择的内核列表中。总之，安装完ipykernel后，必须在终端中逐个激活conda环境，执行命令python -m ipykernel install——user——name myenv——display-name " python (myenv)"，其中myenv就是要添加的环境(内核)。