Jupyter Notebook扩展项目教程
1. 项目介绍
jupyter_contrib_nbextensions 是一个为 Jupyter Notebook 提供各种扩展功能的集合。这些扩展主要通过 JavaScript 实现,能够为 Jupyter Notebook 添加丰富的功能,如代码折叠、目录生成、LaTeX 公式编辑等。该项目由一个独立的用户和开发者团队维护,与 IPython/Jupyter 官方团队没有直接关联。
2. 项目快速启动
2.1 安装 Python 包
首先,需要安装 jupyter_contrib_nbextensions 的 Python 包。可以通过 pip 或 conda 进行安装。
使用 pip 安装
pip install jupyter_contrib_nbextensions
使用 conda 安装
conda install -c conda-forge jupyter_contrib_nbextensions
2.2 安装 JavaScript 和 CSS 文件
安装完 Python 包后,需要将扩展的 JavaScript 和 CSS 文件复制到 Jupyter 的数据目录中。
jupyter contrib nbextension install --user
2.3 启用扩展
安装完成后,可以通过以下命令启用特定的扩展。例如,启用代码折叠扩展:
jupyter nbextension enable codefolding/main
3. 应用案例和最佳实践
3.1 代码折叠
代码折叠扩展允许用户在 Jupyter Notebook 中折叠代码块,便于管理长代码段。启用后,代码块左侧会出现折叠按钮,点击即可折叠或展开代码。
3.2 目录生成
目录生成扩展可以自动生成 Notebook 的目录,方便用户快速导航。启用后,Notebook 顶部会出现一个目录按钮,点击即可查看和导航目录。
3.3 LaTeX 公式编辑
LaTeX 公式编辑扩展允许用户在 Jupyter Notebook 中直接编辑和预览 LaTeX 公式。启用后,用户可以在 Markdown 单元格中使用 LaTeX 语法编写公式,并实时预览效果。
4. 典型生态项目
4.1 JupyterLab
虽然 jupyter_contrib_nbextensions 主要针对 Jupyter Notebook,但 JupyterLab 也有类似的扩展集合,可以在 jupyterlab-contrib 找到。
4.2 JupyterHub
JupyterHub 是一个多用户 Jupyter Notebook 服务器,可以与 jupyter_contrib_nbextensions 结合使用,为多用户环境提供丰富的扩展功能。
4.3 nbconvert
nbconvert 是 Jupyter 的一个工具,用于将 Notebook 转换为其他格式(如 HTML、PDF 等)。jupyter_contrib_nbextensions 提供了一些额外的模板和预处理器,可以增强 nbconvert 的功能。
通过以上步骤,您可以快速启动并使用 jupyter_contrib_nbextensions,为 Jupyter Notebook 添加丰富的功能,提升工作效率。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00