jupyter notebook 不会自动识别新创建的 conda 环境，必须在目标环境中安装 ipykernel 并执行 python -m ipykernel install --user --name myenv --display-name "python (myenv)" 手动注册内核，且注册后需重启 jupyter 进程才能在 kernel 菜单中显示并切换。
直接说结论：Jupyter Notebook 本身不“切换环境”，它靠的是更换 kernel —— 也就是把 notebook 连接到你已创建的某个 conda 环境对应的 Python 解释器上。没注册过 kernel 的环境，Jupyter 根本看不见。
为什么 kernel 列表里没有我刚创建的 conda 环境
这是最常卡住的地方：你用 conda create -n myenv python=3.9 创建了环境，也 conda activate myenv 进去了，但打开 Jupyter 后 kernel 菜单里还是只有 Python 3（base 环境）。原因很简单——这个环境还没被注册为 Jupyter 可识别的内核。
- conda 环境 ≠ Jupyter kernel，必须显式注册
- 注册操作必须在目标环境中执行（不是 base 环境）
- 注册命令是
python -m ipykernel install --user --name myenv --display-name "Python (myenv)" -
--name是 kernel 的唯一标识符（不能含空格），--display-name是你在 Jupyter 界面里看到的名字 - 注册后需重启 Jupyter Notebook（不是刷新页面，是关掉所有
jupyter notebook进程再重开）
用 nb_conda_kernels 自动发现所有 conda 环境
每次新建环境都手动注册 kernel 很麻烦？可以用 nb_conda_kernels 实现自动识别。但它不是万能的，得清楚它的行为边界：
Anaconda 2024.10-1
下载
Anaconda 2024.10-1 官方 Windows x86_64 安装包下载，来自 Anaconda 官方归档目录，适合需要安装旧版 Anaconda Distribution 的用户。
- 安装只需在 base 环境运行
conda install nb_conda_kernels（不用在每个虚拟环境里装） - 它会扫描
conda env list下的所有环境，并为其中已安装ipykernel的环境自动生成 kernel - 如果某个环境没装
ipykernel（比如只用pip install创建的 venv），它不会出现 - 启动 Jupyter 前仍需确保该环境已激活过至少一次（否则 conda 可能未完成初始化）
- Windows 上偶尔遇到权限问题导致 kernel 列表为空，此时退回手动注册更稳
kernel 切换后代码真在目标环境里跑吗
切完 kernel 不代表万事大吉。常见假象是菜单里选了 Python (py39_env)，但 import torch 还是报错。这时候要验证实际执行环境：
- 在 notebook 里运行
import sys; print(sys.executable)—— 输出路径必须指向你的目标环境（如C:\Users\XXX\anaconda3\envs\py39_env\python.exe） - 运行
!which python（Linux/macOS）或where python（Windows）确认 shell 命令调用的也是该环境解释器 - 检查包是否真装对了：
!pip list | grep pandas或conda list pandas - 注意：kernel 切换只影响当前 notebook 文件，不影响其他已打开的 notebook，每个文件独立绑定 kernel
真正容易被忽略的点是：conda 环境的 Python 版本和 ipykernel 的兼容性。比如 Python 3.12 环境可能因 ipykernel 尚未适配而无法注册成功，此时得降级 Python 或等新版支持。别只盯着“菜单有没有”，得用 sys.executable 看真实路径。
