在 VS Code 中管理 Jupyter 核心
Visual Studio Code 筆記本的核心選擇器可協助您為筆記本選擇特定的核心。您可以點擊筆記本右上角的選取核心，或透過命令面板使用 Notebook: 選取筆記本核心 命令來開啟核心選擇器。
一旦您開啟核心選擇器，VS Code 會顯示最近使用 (MRU) 的核心
注意：在舊版的 VS Code (版本 <1.76) 中，VS Code 預設會顯示所有可用的核心。
若要查看其他核心，您可以點擊選取其他核心...。所有現有的核心都分類到核心來源選項中，這些來源都受到 Jupyter 擴充功能的開箱即用支援
預設情況下，VS Code 會建議您先前用於筆記本的核心，但您可以選擇連線到任何其他 Jupyter 核心，如下所示。VS Code 也會記住您為筆記本上次選取的核心，並在您下次開啟筆記本時自動選取它們。
Jupyter 核心
Jupyter 核心類別列出 VS Code 在其運作的運算系統 (您的桌面、GitHub Codespaces、遠端伺服器等) 的環境中偵測到的所有 Jupyter 核心。每個 Jupyter 核心都有一個 Jupyter 核心規格，或 Jupyter kernelspec，其中包含一個 JSON 檔案 (kernel.json)，其中包含關於核心的詳細資訊—名稱、描述，以及啟動程序作為核心所需的 CLI 資訊。
Python 環境
Python 環境類別列出 VS Code 從其運作的運算系統 (您的桌面、Codespaces、遠端伺服器等) 中偵測到的 Python 環境。它會顯示所有依類型分組的 Python 環境 (例如，conda、venv)—無論是否已安裝 IPyKernel。
注意：您不需要在您想要使用的 Python 環境中安裝 jupyter。只需要 IPyKernel 套件即可啟動 Python 程序作為核心，並針對您的筆記本執行程式碼 (
pip install ipykernel)。請造訪 Jupyter 擴充功能 wiki 以瞭解更多資訊。
現有的 Jupyter 伺服器
現有的 Jupyter 伺服器類別列出先前連線的遠端 Jupyter 伺服器。您也可以使用此選項連線到遠端或本機執行的現有 Jupyter 伺服器。找到您的 Jupyter 伺服器的 URL，例如 http://<ip-address>:<port>/?token=<token>，並將其貼到輸入執行中 Jupyter 伺服器的 URL 選項中，以連線到遠端伺服器並使用該伺服器針對您的筆記本執行程式碼。
當您啟動遠端伺服器時，請務必
- 允許所有來源 (例如
--NotebookApp.allow_origin='*') 以允許從外部存取您的伺服器。 - 將筆記本設定為監聽所有 IP (
--NotebookApp.ip='0.0.0.0')。
連線後，所有活動的 Jupyter 工作階段都會顯示在此清單上。
您可以透過伺服器的 kernelspec 建立新的工作階段，方法是
- 執行 Notebook: 選取筆記本核心 命令。
- 選擇選取其他核心。
- 選擇現有的 Jupyter 伺服器。
- 選取您的伺服器。
Codespaces Jupyter 伺服器
連線到 Codespace 類別包含一種特殊的 Jupyter 伺服器類型，您可以使用由 GitHub Codespaces 驅動的遠端 Jupyter 伺服器，這是一種雲端資源，您每月可免費獲得最多 60 小時。若要使用 Codespaces Jupyter 伺服器
-
注意：如果您使用的是適用於網頁的 VS Code (vscode.dev 或 github.dev)，則已為您安裝此擴充功能。另請確保也已安裝 Jupyter 擴充功能。
-
前往命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P))，選取Codespaces: 登入，並依照步驟登入 Codespaces。
-
點擊筆記本右上角的選取核心開啟核心選擇器，選取連線到 Codespace。
提示：如果您沒有看到連線到 Codespace 選項，請前往命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P))，選取開發人員: 重新載入視窗以重新載入視窗，然後再試一次。
並非必要，但您也可以在 GitHub Codespaces 頁面上管理您的所有 Codespaces 和 Codespaces Jupyter 伺服器。若要瞭解更多資訊，您可以閱讀 GitHub Codespaces 文件。
新增核心選項
如果您在機器上沒有任何 Jupyter 核心或 Python 環境，VS Code 可以協助您設定：前往命令面板 (⇧⌘P (Windows、Linux Ctrl+Shift+P))，選取 Python: 建立環境，並依照提示操作。您也可以透過安裝其他擴充功能 (例如 Azure Machine Learning) 來新增選取核心的其他方式。
