不能。jupyter notebook单个.ipynb文件仅支持一个内核，因其“单文档—单内核”设计确保执行状态一致性；多内核需求应通过多个notebook标签页+显式内核绑定实现。
不能。Jupyter Notebook 单个 .ipynb 文件只能绑定并运行一个内核。
为什么 notebook 页面无法同时用多个内核？
Jupyter 的设计模型是“单文档—单内核”：每个打开的 notebook 实例在后台启动且仅维持一个内核进程，所有单元格（code cell）共享同一 Python 解释器、同一内存空间、同一变量命名空间。这不是限制，而是保证执行状态一致性的基础机制。
常见误解来源：
- 看到多个 kernel 名称出现在右上角下拉菜单 → 误以为可“切换内核后继续运行旧代码”
- 在不同 tab 中打开两个 notebook → 以为“同页面多内核”，实际是两个独立文档+两个独立内核进程
- 用
%run或import加载其他环境的脚本 → 这仍运行在当前内核里，不等于切换或并行内核
真正需要“多内核并行”的典型场景
你真正想解决的，通常是以下之一：
- 对比实验：比如同时跑 PyTorch 2.8 和 TensorFlow 2.16 的相同数据预处理逻辑，看输出差异
- 环境隔离调试：一个 notebook 调用旧版库报错，想快速切到另一个环境验证是否版本问题
- 资源分发：让 GPU 密集型 cell 和 CPU 密集型 cell 不互相阻塞（但 notebook 本身不调度资源，靠内核进程级隔离）
这些需求的正确解法不是“单页多内核”，而是用多个 notebook 标签页 + 显式内核绑定，再配合浏览器标签管理或窗口平铺。
实操建议：高效使用多内核的最小动作集
不要尝试 hack 单页多内核（没有稳定方案），转而做这几件事：
- 为每个目标环境注册独立 kernel：
conda activate pytorch-28 && pip install ipykernel && python -m ipykernel install --user --name pytorch-28 --display-name "PyTorch 2.8" - 新建 notebook 后，立刻点击右上角 kernel 下拉菜单 → 选择对应 kernel（如
PyTorch 2.8），再运行import torch; print(torch.__version__)确认生效 - 把不同环境的 notebook 按用途命名，例如
eda-tf115.ipynb、train-pt28.ipynb，避免混淆 - 用浏览器多标签页 + 右键“固定标签页”功能，把常用 kernel 的 notebook 钉在左侧，切换成本接近零
注意：ipykernel install --user 注册的 kernel 对所有 notebook 可见，但每个 notebook 只能选其一；切换 kernel 会重启当前内核、清空全部变量——这是预期行为，不是 bug。
最容易被忽略的一点：kernel 切换后，你之前在旧 kernel 里定义的所有变量、导入的模块、甚至 %matplotlib inline 设置都会丢失。别指望“保留状态切环境”，那是设计上就禁止的。
