企业官网建设流程全解析

【第9期】Jupyter Notebook 不只是“能运行代码”：小蓝伞带你理解 Kernel、状态与可复现实验

系列：《从小白到 AI 大模型开发工程师的进阶之路》
技术点：AI-0009 Jupyter Notebook
主人公：小蓝伞

先说结论

Notebook 是交互式实验工具，不是天然可复现的报告。它由前端页面和后端 Kernel 组成：页面负责编辑和展示，Kernel 保存变量并执行代码。单元格可以乱序执行，所以页面从上到下看起来合理，不代表别人打开后能复现。

一、把虚拟环境注册为 Kernel

cd ai-env-demo .\.venv\Scripts\Activate.ps1 python -m pip install jupyter ipykernel python -m ipykernel install --user --name ai-env-demo --display-name "Python (ai-env-demo)" jupyter notebook

打开后在 Kernel 菜单选择Python (ai-env-demo)。第一格建议固定写：

import sys print(sys.executable)

如果路径不是项目.venv，应先切换 Kernel，而不是反复安装包。小蓝伞以前把pandas装了好几遍，真正的问题是 Notebook 连着另一个环境。

二、Kernel 状态为什么会让实验“看起来没问题”

变量、导入模块和缓存都保留在 Kernel 内存中。某单元格即使没有运行，也可能因为之前运行过而暂时成功。建议形成固定习惯：

1. 提交前执行 Restart Kernel and Run All；
2. 修改全局变量或依赖后重启 Kernel；
3. 给随机实验固定种子并记录参数；
4. 输出过大时清理，再提交 Notebook。

一个最小实验骨架：

from pathlib import Path import sys SEED = 42 DATA_DIR = Path("data") print("python:", sys.executable) print("data dir:", DATA_DIR.resolve()) print("seed:", SEED)

随机种子能减少不必要漂移，但不能保证不同 GPU、并行算法和软件版本下绝对一致。严谨的实验还应记录数据版本、依赖版本和硬件条件。

三、Notebook 如何进入 Git

.ipynb是 JSON，包含代码、输出和元数据。提交前应删除密钥、客户数据、长输出和不必要的缓存；可使用：

jupyter nbconvert --ClearOutputPreprocessor.enabled=True --inplace .\experiment.ipynb

不要把访问令牌写进单元格或输出。需要共享结果时，保留公开样例、核心指标和再现步骤；大数据与模型权重应放在合适的数据存储，不应塞进 Git 历史。

四、排查问题的顺序

• 浏览器能打开但没有 Kernel：确认ipykernel安装在目标环境，重启 Jupyter。
• ModuleNotFoundError：先打印sys.executable，再用该解释器执行-m pip。
• 单元格一直忙：查看死循环、内存占用、外部请求和 Kernel 日志。
• 别人运行失败：检查相对路径、数据文件、依赖清单与实际执行顺序，而不是只比较截图。

五、面试题

1. Jupyter 前端和 Kernel 的关系？前端发送执行请求并展示结果，Kernel 保存状态并执行代码。

2. 为什么 Notebook 会出现顺序错乱？单元格可任意执行，变量按真实执行历史存在，不按页面顺序自动重置。

3. 为什么要注册 ipykernel？让 Jupyter 将某个虚拟环境作为可选 Kernel，从而明确使用哪个 Python。

4. 如何保证 Notebook 实验可复现？从头运行、固定可控随机性、记录依赖与数据版本、避免隐藏状态，并在干净环境验证。

下一期进入 Docker 基础，把“我的 Notebook 能跑”推进到“服务可以稳定启动”。点个关注不迷路，一次可复现实验胜过十次“我这里能跑”；把过程写清楚，知识才真正属于你。

官方资料

• Jupyter 官方文档
• IPython Kernel 安装说明