Problèmes avec JupyterLab et les notebooks

Contenu

Problèmes avec JupyterLab et les notebooks#

Le noyau et le client d’un notebook, le test de JupyterLab et son lancement depuis l’invite de commandes d’Anaconda sont dans JupyterLab ; la configuration des notebooks dans VS Code, dans VS Code : notebooks.

Problèmes#

J1. Le noyau voulu n’est pas dans la liste#

Ce qu’on voit: Dans VS Code, le bouton « Select Kernel » ne propose pas base ni l’environnement du TD. Dans JupyterLab, la liste des noyaux ne contient que « Python 3 ».
Cause: Dans VS Code, le premier niveau de la liste ne montre que les noyaux déjà employés ; les environnements sont sous « Python Environments… ». Cette liste vient de l’extension Python : si elle ne trouve pas Anaconda (V6), les notebooks ne le trouvent pas non plus. Dans JupyterLab, « Python 3 » est le noyau de l’environnement qui a lancé JupyterLab, en général base ; les autres environnements n’y apparaissent pas.
Remède: Dans VS Code : « Select Another Kernel… », puis « Python Environments… ». Si la liste est vide, attendre dix secondes et rouvrir. Si l’environnement n’apparaît nulle part : V6, puisque Jupyter reprend la liste de l’extension Python (Ce que l’extension Jupyter en fait). Dans JupyterLab : lancer jupyter lab depuis l’environnement voulu (conda activate <env> d’abord, dans l’invite de commandes d’Anaconda).

J2. « Running cells with … requires the ipykernel package »#

Ce qu’on voit

Ce message dans VS Code, avec un bouton Install.

Cause

Le noyau est le paquet ipykernel, installé dans l’environnement qui exécute le notebook. base l’a ; un environnement créé au TD 1h ne l’a que si on l’y a installé.

Remède

Si l’environnement est celui du TD, cliquer Install, ou taper dans l’invite de commandes d’Anaconda conda install -n <env> -c conda-forge ipykernel. Si le message concerne base, l’installation échouera (A8)

: le noyau choisi n’est pas celui qu’on croit, rouvrir la liste (J1).

J3. Le noyau ne démarre pas, ou s’arrête#

Ce qu’on voit: La cellule reste sur [*]. Ou « Kernel died », « Failed to start the Kernel », « timed out waiting for kernel to be ready ».
Cause: Sur un poste lent, le premier démarrage d’un noyau dépasse parfois le délai prévu. Sinon, l’environnement choisi n’existe plus (A11), ou une cellule précédente a arrêté le noyau (boucle qui ne se termine pas, mémoire pleine).
Vérifier: Dans VS Code, panneau Output (Ctrl + Maj + U), liste déroulante « Jupyter » : lire les lignes qui suivent ipykernel_launcher.
Remède: Cliquer Restart et réessayer une fois. Si le message cite un chemin qui n’existe pas, rechoisir le noyau (J1). Une cellule qui ne finit pas s’arrête par le bouton Interrupt, puis Restart.

J4. Le notebook n’exécute pas le Python attendu#

Ce qu’on voit: import sys; print(sys.executable) dans une cellule affiche un autre chemin que l’invite de commandes d’Anaconda. Un import échoue dans le notebook et réussit dans le terminal.
Cause: Le noyau du notebook se choisit à part, indépendamment de l’interpréteur des fichiers .py et du terminal (V8). C’est le sujet du TD 1i.
Remède: Bouton du noyau en haut à droite, choisir l’environnement voulu, puis Restart et « Run All ». Les cellules s’exécutent dans l’ordre où on les lance, qui peut différer de l’ordre où elles sont affichées : après un changement de noyau, tout relancer depuis le début.

J5. JupyterLab n’ouvre aucune page#

Ce qu’on voit: Une fenêtre noire affiche des lignes, dont une adresse http://localhost:8888/lab?token=…, mais aucun onglet ne s’ouvre, ou une page vide.
Cause: JupyterLab est un serveur qui s’exécute sur le poste. Il demande au navigateur par défaut de s’ouvrir sur son adresse, et sur certains postes aucun navigateur n’est défini par défaut.
Remède: Copier l’adresse complète, avec le token, de la fenêtre noire dans la barre d’adresse de Firefox. Ne pas fermer la fenêtre noire tant qu’on travaille : c’est le serveur. Ctrl + C dans cette fenêtre l’arrête.