安装ipykernel慢

### 加速 `ipykernel` 安装的方法 为了加速 `ipykernel` 的安装过程，可以通过以下几种方法实现： #### 使用 Miniconda 和 Mamba 替代 Conda Miniconda 是一个轻量级的 Anaconda 发行版，而 mamba 则是一个用 C++ 编写的快速包管理器替代品。通过使用这些工具，可以显著减少环境创建和软件包安装的时间。 - **安装 Miniconda**: 下载并安装适合系统的 Miniconda 版本[^1]。 - **安装 Mamba**: 执行命令 `conda install mamba -n base -c conda-forge --yes` 来替换默认的 Conda 工具链。 随后，在实际环境中执行如下命令来完成 `ipykernel` 的安装： ```bash mamba create -n myenv python=3.9 ipykernel -c conda-forge --yes ``` 此方式利用了 mamba 更高效的依赖解析能力以及多线程下载特性，从而大幅缩短等待时间。 #### 设置镜像源优化网络传输速度 国内用户通常会遇到因国际带宽限制而导致的缓慢问题。因此建议配置本地可用的第三方镜像站点作为补充资源库地址之一。 例如对于清华 TUNA 或中科大USTC开源软件镜像服务而言，只需简单修改 `.condarc` 文件即可启用它们提供的加速通道[^2]: ```yaml channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud ``` 上述更改完成后重新尝试安装操作，则能有效缓解由于地理距离引起的数据交换延迟现象。 #### 创建独立虚拟环境隔离干扰因素 考虑到不同项目之间可能存在版本冲突风险，推荐为每一个具体任务单独构建专属的工作空间。如此一来不仅可以避免不必要的兼容性隐患，而且还有助于简化后续维护流程[^4]: ```bash python -m venv ./myvenv && source ./myvenv/bin/activate pip install --upgrade pip wheel setuptools pip install ipykernel jupyterlab==2.1.0 torch torchvision torchaudio cudatoolkit -f https://download.pytorch.org/whl/torch_stable.html ``` 这里特别指定了 PyTorch 及其相关组件的具体组合形式以便适配目标平台需求。与此同时还引入了最新稳定发行版中的必要补丁集合以提高整体稳定性表现水平。 --- ### 提升 Jupyter Notebook 功能体验的小贴士 除了关注基础框架本身的部署效率之外，适当增添一些实用插件同样有助于改善日常工作效率。比如借助 `jupyter_contrib_nbextensions` 插件集就可以轻松获取到诸如表格自动调整宽度、代码折叠显示等功能支持[^3] : ```bash pip install jupyter_contrib_nbextensions jupyter contrib nbextension install --user ``` 最后再打开浏览器访问 http://localhost:8888/nbextensions 页面勾选所需选项即告成功激活对应功能模块。 ---