### 问题解析与解决方案 在 Jupyter Notebook 中，即使通过终端激活了 conda 虚拟环境 `tf_env` 并安装了 TensorFlow，但发现 `sys.executable` 显示的基础 Anaconda 环境的 Python 路径而非虚拟环境路径。这表明 Jupyter 正在使用基础环境的内核，而不是虚拟环境中的内核。以下是造成此现象的原因及解决办法。 --- #### 原因分析 1. **Jupyter 内核未更新至虚拟环境** 当前 Jupyter 使用的基础内核并未切换到 `tf_env` 所对应的内核。默认情况下，Jupyter 启动时会优先加载 base 环境下的内核[^3]。 2. **虚拟环境未注册为 Jupyter 的可用内核** 即使已经创建并激活了 `tf_env`，也需显式地将该环境注册为 Jupyter 的内核之一。否则，Jupyter 不知道如何访问这个新的虚拟环境及其依赖项[^1]。 3. **路径冲突或环境变量设置错误** 如果系统的 PATH 或其他环境变量配置不当，可能导致 Jupyter 加载了全局 Python 解释器，而非虚拟环境内的解释器[^2]。 --- #### 解决方案 ##### 方法一：将虚拟环境注册为 Jupyter 内核 确保 `tf_env` 注册为 Jupyter 的可用内核： ```bash conda activate tf_env pip install ipykernel python -m ipykernel install --user --name=tf_env --display-name "Python (tf_env)" ``` - `--name=tf_env`: 设置内部名称。 - `--display-name="Python (tf_env)"`: 在 Jupyter Notebook 中显示为 “Python (tf_env)”[^1]。 完成后，在 Jupyter Notebook 的界面中选择新添加的内核即可。 --- ##### 方法二：重新启动 Jupyter Notebook 有时需要重启 Jupyter Notebook 来刷新内核列表。退出当前实例后再次运行以下命令： ```bash jupyter notebook ``` --- ##### 方法三：验证当前使用的 Python 解释器 在 Notebook 中运行以下代码来确认当前使用的 Python 解释器是否正确： ```python import sys print(sys.executable) ``` 输出应指向类似 `/path/to/conda/envs/tf_env/bin/python` 的路径。如果不是，则说明仍未切换到正确的内核。 --- ##### 方法四：卸载并重装 Jupyter（仅限于必要情况） 如果以上方法均无效，可能是 Jupyter 安装本身存在问题。尝试在 `tf_env` 下重新安装 Jupyter： ```bash conda deactivate conda remove jupyter notebook conda activate tf_env pip install jupyter notebook ``` --- #### 示例代码片段 为了进一步验证 TensorFlow 是否正常工作，可在 Notebook 中运行如下测试代码： ```python import tensorflow as tf print(f"TensorFlow Version: {tf.__version__}") print(f"Is GPU Available? {'Yes' if tf.config.list_physical_devices('GPU') else 'No'}") ``` --- #### 总结 上述问题的根本原因是 Jupyter 默认使用 base 环境的内核，而未切换到目标虚拟环境 `tf_env`。通过将虚拟环境注册为 Jupyter 内核，并确保正确选择内核，可以有效解决问题。 --- ###