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]。

    $ conda install nb_conda_kernels

(在运行jupyter notebook的conda环境中)将使所有conda envs自动可用。要访问其他环境，必须安装相应的内核。这是裁判。

如果您的环境没有显示，请确保您已经安装

nb_conda_kernels在Jupyter环境中 你想要访问的Python环境中的ipykernel和ipywidgets(注意，ipywidgets是为了启用一些Juptyer功能，而不是环境可见性，请参阅相关文档)。

Anaconda的文档表明

nb_conda_kernels 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.

除了Python，通过安装适当的*内核包，Jupyter可以访问大量其他语言的内核，包括R、Julia、Scala/Spark、JavaScript、bash、Octave，甚至MATLAB。

请注意，在最初发布这篇文章的时候，可能是nb_conda还不支持Python 3.6环境造成的。

如果其他解决方案无法让Jupyter识别其他conda环境，则始终可以在特定环境中安装和运行Jupyter。不过，你可能无法从木星内部看到或切换到其他环境。

$ conda create -n py36_test -y python=3.6 jupyter
$ source activate py36_test
(py36_test) $ which jupyter
/home/schowell/anaconda3/envs/py36_test/bin/jupyter
(py36_test) $ jupyter notebook

注意，我在这个笔记本中运行的是Python 3.6.1:

注意，如果在许多环境中都这样做，那么在每个环境中安装Jupyter所增加的存储空间可能是不可取的(取决于您的系统)。

在我的例子中，使用Windows 10和conda 4.6.11，通过运行这些命令

conda install nb_conda

conda install -c conda-forge nb_conda_kernels

在我使用conda Jupyter笔记本从同一命令行打开Jupyter后，从终端同时有环境活动并没有做这项工作。

显然，解决方案是从Anaconda Navigator打开Jupyter，进入我的环境:打开Anaconda Navigator，在Environments中选择环境，按下所选环境的“播放”按钮，并选择“用Jupyter Notebook打开”。

Anaconda Navigator中的环境从选定的环境中运行Jupyter

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

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。