如何通过批处理脚本在非基础Conda环境启动带GPU的SSH Jupyter Notebook？

一、编写批处理脚本自动启动指定环境的Jupyter Notebook（副盘运行） #

把以下内容保存为start_jupyter_gpu.bat，根据你的实际环境修改路径和环境名：

@echo off
:: 调用conda激活脚本（如果Anaconda安装路径不同，修改此处路径）
call "C:\ProgramData\Anaconda3\Scripts\activate.bat"

:: 激活你的GPU专属conda环境（替换成你的环境名，比如tf_gpu_env）
conda activate tf_gpu_env

:: 切换到副盘，示例为D盘，替换成你的副盘盘符
D:

:: 切换到副盘上的Notebook存储目录（可选，比如D:\Jupyter_Workspace）
cd D:\Jupyter_Workspace

:: 启动Jupyter，允许远程访问，不自动打开服务器端浏览器
jupyter notebook --ip=0.0.0.0 --port=8888 --no-browser

• call 命令用于确保批处理能正确激活conda环境，避免脚本执行后直接退出
• 切换到副盘目录后，Jupyter新建的Notebook会默认保存到该路径下

二、确保TensorFlow GPU能被内核正确调用 #

之前选择对应内核仍无法调用GPU，是因为内核未与conda环境正确绑定，按以下步骤操作：

1. 激活你的GPU环境：conda activate tf_gpu_env
2. 安装ipykernel工具：conda install ipykernel
3. 将该环境注册为Jupyter独立内核：

   python -m ipykernel install --user --name tf_gpu_env --display-name "TensorFlow GPU"
   

之后启动Jupyter时选择这个TensorFlow GPU内核，TensorFlow就能正常调用GPU（前提是你已在该环境正确安装tensorflow-gpu和对应版本的CUDA驱动）

三、简化远程访问流程（替代手动输入令牌） #

每次复制令牌访问太繁琐，可设置固定密码：

1. 激活你的GPU环境，执行命令：jupyter notebook password
2. 按提示输入并确认密码，Jupyter会自动保存密码配置
3. 后续远程访问时，直接输入该密码即可，无需再使用令牌

如果嫌启动命令参数过多，还可以生成Jupyter配置文件固定设置：

1. 执行命令生成配置文件：jupyter notebook --generate-config
2. 打开生成的jupyter_notebook_config.py，修改以下参数：

   c.NotebookApp.ip = '0.0.0.0'
   c.NotebookApp.port = 8888
   c.NotebookApp.open_browser = False
   

修改后，批处理里的启动命令可简化为jupyter notebook

内容的提问来源于stack exchange，提问作者Not Legato