dfkernel 的安装和配置教程
项目基础介绍
dfkernel 是一个开源项目,它允许用户在 JupyterLab 中创建和运行具有清晰依赖关系的 Python 笔记本。这种笔记本被称为数据流笔记本,它通过将输出提升为链接单元格来工作。单元格的输出通过标识符进行标记,当其他单元格引用这些输出时,会在单元格之间创建依赖关系,确保在执行一个单元格之前,其上游单元格是最新的。
项目主要编程语言
该项目主要使用 TypeScript 和 Python 编程语言。
项目使用的关键技术和框架
- JupyterLab: 一个基于网页的交互式计算环境,允许用户组合代码、可视化和文本。
- IPython: 一个强大的交互式 shell,用于执行 Python 代码。
- ipykernel: Jupyter 内核,用于支持 Python 代码的执行。
- Playwright (用于测试): 一个 Node.js 库,用于自动化 Chromium、Firefox 和 WebKit 浏览器。
项目安装和配置的准备工作
在开始安装 dfkernel 之前,请确保您的系统已安装以下依赖项:
- Python: 版本至少为 3.7。
- NodeJS: 用于构建前端部分。
- JupyterLab: 版本至少为 4.0.0。
确保您的系统中已安装了 pip 和 npm,它们是安装 Python 包和 Node.js 包的工具。
安装步骤
以下是安装 dfkernel 的详细步骤:
-
安装 dfnotebook
打开命令行界面,执行以下命令来安装 dfnotebook 扩展:
pip install dfnotebook
-
启动 JupyterLab
接下来,启动 JupyterLab:
jupyter lab
-
创建新笔记本
在 JupyterLab 中,创建一个新的笔记本,并选择
DFPython 3
内核。 -
开发模式下的安装 (可选)
如果您打算在开发模式下安装 dfnotebook,以便进行自定义或贡献代码,请按照以下步骤操作:
-
克隆存储库到本地环境:
git clone https://github.com/dataflownb/dfnotebook.git cd dfnotebook
-
在开发模式下安装包:
pip install -e .
-
将开发版本的扩展与 JupyterLab 链接:
jupyter labextension develop . --overwrite
-
在更改后重建扩展 TypeScript 源:
jlpm build
-
监视源目录并自动重建:
jlpm watch
-
-
卸载 dfnotebook
如果需要卸载 dfnotebook,可以使用以下命令:
pip uninstall dfnotebook
在开发模式下,还需要移除通过
jupyter labextension develop
命令创建的符号链接。
确保在每次安装或更新操作后重新启动 JupyterLab,以使更改生效。
以上就是 dfkernel 的安装和配置教程,按照这些步骤操作,您应该能够成功安装并开始使用 dfkernel。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~059CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。07GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0381- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









