如何在使用Jupyter Notebook时，解决Python虚拟环境间的切换问题？本文一步步帮你拆解。希望你能够避免踩坑的痛苦，把更多的时间花在愉快的编程上。

痛点

Python目前有两个主版本并存，这很让人苦恼。

一般人对于软件，总是抱持着“喜新厌旧”的心态。见到小红点儿，就忍不住升级。然而对Python来说，这条规律不大适用。

虽然Python 3有许多优于Python 2的特性，但是Python 2的生态系统更为完善，支持的包更多。因为生态系统内部的依赖关系，许多软件包的运行说明会直接指定“仅适用于Python 2.7版本”。

所以，你会在不同的应用场景下切换这两种Python版本。

我本人比较懒，哪个版本支持的软件包多，更适合我使用，我就用哪个。所以，我安装Anaconda这个Python集成运行环境的时候，选择的是2.7版本。

但是近几天，我遇到了点儿麻烦。

为了进一步学习和掌握学Tensorflow，我买了本书。

这本书配套代码的调试环境，是Jupyter Notebook，Python版本是3.6。

我自然不可能删除掉原先安装的Anaconda，重装一个3.6版本。那样我日常工作就无法进行了。

我选择的方式，是安装虚拟环境。

虚拟

在虚拟环境里，各种软件包的版本，都由你来指定。它们和系统默认Python环境是相互隔离的，因此互不干扰。

我给这个用于学习Python 3版本Tensorflow的虚拟环境起了个好记的名字，叫做tfpy3。

进入终端环境，使用Anaconda的环境创建命令，一行代码就可以创建成功。

conda create -n tfpy3 python=3

我在~/learn/实验目录下创建了一个名为tensorflow的文件夹。创建好后进入。

cd learn/tensorflow

下面我们呼唤刚才创建的虚拟环境：

source activate tfpy3

这时你会发现终端提示符前面出现了特定虚拟环境标识。

虚拟环境顺利加载。

在这个虚拟环境下，我们就可以安装针对Python 3.6的最新版Tensorflow了。

pip install tensorflow

好了，1.3.0版本tensorflow安装成功。下面我们就呼叫Jupyter Notebook，来编码吧！

jupyter notebook

咦？为什么创建新笔记本的选项中，只有默认的Python 2和后来安装过的R？

tfpy3虚拟环境哪里去了？根本找不到！

插件

头痛半晌，突然想起古人那句：吾尝终日而思矣，不如须臾之所学也。

对啊，上网搜！

查询了一下，很快发现了解决方案。原来为了让Jupyter Notebook支持虚拟运行环境，需要在Anaconda里安装一个插件。

回到终端下面，用C-c退出目前正在运行的Jupyter Notebook Server，然后执行：

conda install nb_conda

再重新开启Jupyter Notebook：

jupyter notebook

这下我们就能看到差别了——除了最新安装设定的tfpy3外，之前用Anaconda设置过的其他虚拟环境也都可以在此选择使用。太棒了！

我们选择刚刚创建的tfpy3环境。

执行：

import tensorflow as tf

tf.VERSION

第二行语句是反馈tensorflow的版本。

1.3.0，没错！这就是刚刚我们安装的最新Tensorflow版本。

下面就是愉快的编码时间了。加油！

讨论

你在使用Python的过程中，遇到过切换版本的问题吗？你是怎么解决的？有没有更为便捷的方法？你更喜欢Python 2还是3？为什么？欢迎留言，分享给大家，我们一起交流讨论。

如果你对我的文章感兴趣，欢迎点赞，并且微信关注和置顶我的公众号“玉树芝兰”(nkwangshuyi)。

如果本文可能对你身边的亲友有帮助，也欢迎你把本文通过微博或朋友圈分享给他们。让他们一起参与到我们的讨论中来。