太多人问了，专门写一篇吧

太长不看版

  1. 切到新建的那个 Conda 环境下：conda activate xxxxxx
  2. 安装 Python 包 ipykernel：pip install ipykernel
  3. 创建 Jupyter Kernel：python -m ipykernel install --user --name=xxxxxx
  4. 刷新页面，JupyterLab 或者 Jupyter Notebook 就会正常看到新的 Kernel 了

了解一下原理

首先一台电脑上可以有多个 Python 环境，比如有 Python 3.7 和 Python 3.8，这很常见。

那如果使用 Python 3.7 安装了 JupyterLab，那么现在打开 JupyterLab 后，只会看到一个 Kernel，这个 Kernel 就是 Python 3.7 的 Kernel。

现在的需求是：我们还希望在这个 JupyterLab 上使用 Python 3.8 的 Kernel，应该怎么做？

如果在本地，那么很多人是直接在终端中切换到 Python 3.8 的环境下，然后再安装 JupyterLab，这样就可以看到 Python 3.8 的 Kernel 了（但是又可能看不到 3.7 的 Kernel）。

但这么做其实不是特别方便，特别在类似 Featurize 这样的云端服务器上，就不得不在本身自带的 JupyterLab 上添加一个 Kernel了。

JupyterLab 实际上是支持通过多环境配置的，在终端中使用 jupyter kernelspec list 就能查看到当前 JupyterLab 支持的 Kernel 列表。（注意：这个命令的执行需要在安装 jupyterlab 那个环境下），其他的环境可能连 jupyter 命令都没有）。因此我们只需要添加一个 kernel 的配置，然后配置置顶到我们新创建的环境即可。

ipykernel 这个工具，就是帮助我们添加 Kernel 配置文件的工具，所以我们需要安装这个工具，当然也可以手动添加配置文件，就不多赘述这种方式了。