当前位置：首页 > news >正文

VS Code 远程连接服务器：Anaconda 环境与 Python/Jupyter 运行全指南。研0大模型学习（第六、第七天）

news 来源：原创 2025/8/6 5:19:36

VS Code 远程连接服务器：Anaconda 环境与 Python/Jupyter 运行全指南

在使用 VS Code 通过 SSH 远程连接到服务器进行开发时，尤其是在进行深度学习等需要特定环境的工作时，正确配置和使用 Anaconda 环境以及理解不同的代码运行方式非常关键。本文将梳理在 VS Code 远程连接环境下，如何管理 Anaconda 环境并运行 Python 代码（包括 .py 文件和 .ipynb 文件）。

我的环境 setup

本地： Visual Studio Code
远程服务器： 通过 VS Code Remote-SSH 连接
服务器软件： 安装了 Anaconda
Anaconda 环境： 创建了名为 pytorch_env 的虚拟环境，用于深度学习。
VS Code 插件： 在远程服务器上安装了 VS Code 的 Python 插件和 Jupyter 相关插件。

Anaconda 环境与 Jupyter

远程服务器上安装 Anaconda 后，默认的 base 环境通常会直接包含 Jupyter Notebook 和 JupyterLab。但是，我们自己创建的虚拟环境（例如 pytorch_env）默认是“干净”的，不包含 Jupyter 相关组件。

为了在特定的虚拟环境（如 pytorch_env）中使用 Jupyter 的功能（包括在 VS Code 中运行 .ipynb 文件或使用交互式窗口），我们需要在这个环境中安装必要的库。

核心需求：在 pytorch_env 环境下使用 Jupyter 内核

步骤如下：

激活 pytorch_env 环境：
打开 VS Code 的集成终端（确保它连接的是你的远程服务器），然后执行：
```
conda activate pytorch_env
```
在该环境下安装 ipykernel：
ipykernel 是连接 Jupyter 和 Python 环境的关键库。在已经激活 pytorch_env 的终端中执行：
```
pip install ipykernel
```
设置该环境为 Jupyter 内核（可选但推荐）：
安装 ipykernel 通常会自动注册内核，但手动执行可以确保 VS Code 和 Jupyter 能够识别这个环境。在激活 pytorch_env 的终端中执行：
```
python -m ipykernel install --user --name=pytorch_env --display-name="PyTorch Env (pytorch_env)"
```
这里的 --display-name 是你在 VS Code 的内核列表中看到的环境名称，可以根据喜好设置。

完成以上步骤后，你的 pytorch_env 环境就已经具备了作为 Jupyter 内核的能力。

在 VS Code 中选择 Jupyter 内核

现在，当你新建或打开一个 .ipynb 文件时，VS Code 会提示你选择一个内核。

选择内核时，你会看到类似这样的选项：

正确的选择是点击 “Python 环境…”。

点击后，VS Code 会列出它在远程服务器上检测到的所有 Python 环境（包括 base 和你创建的 pytorch_env）。你应该在列表中找到并选择你的 pytorch_env。

这样做的好处是，你不需要手动在服务器上运行 jupyter notebook 或 jupyter lab 命令来启动一个完整的 Jupyter Server。VS Code 会利用你选择的具备 ipykernel 的 Python 环境，在后台为你处理启动和管理 Jupyter 内核的底层细节。

不要选择“现有 Jupyter 服务器…”，那个选项用于连接一个已经在服务器上独立运行起来的 Jupyter Server 实例，通常需要你手动启动该服务器并提供 URL 和 Token。

选择好 pytorch_env 内核后，你就可以在 .ipynb 文件中编写和运行代码了。

理解不同的 Python 代码运行方式

除了在 .ipynb 文件中运行，VS Code 还提供了其他运行 Python 代码的方式。理解它们的区别，特别是它们与 Jupyter 的关系，有助于选择最适合当前任务的方式。

首先明确一点：无论采用哪种方式，你的代码最终都是由服务器上的 Python 解释器（特别是来自你指定的 Conda 环境，如 pytorch_env）来执行的。区别在于运行时的界面、执行模式和工作目录。

1. 在终端上运行 Python 文件（`.py`）

模式： 这是最传统、标准的 Python 脚本执行模式。
过程：
1. 你打开一个终端（可以是 VS Code 的集成终端，也可以是直接通过 SSH 连接的终端）。
2. 激活你的目标环境（例如：conda activate pytorch_env）。
3. 输入命令 python your_script_name.py 来运行整个 .py 文件。
执行： 代码会从 .py 文件的第一行开始，一直执行到最后，是一次性的、线性的过程。
输出： 所有通过 print() 打印的内容会显示在终端窗口中。
交互性： 非常低。代码执行过程中你通常无法方便地暂停、查看中间变量的值或分步执行。
工作目录： 通常是你执行 python 命令时，终端所在的那个目录。这是导致相对文件路径问题的一个常见原因。
与 Jupyter 的关系： 这不是在 Jupyter 上运行。 这仅仅是使用指定的 Python 解释器来执行一个普通的 Python 脚本。

2. 在交互式窗口中运行（配合 `.py` 文件使用）

模式： 这是 VS Code 提供的一种类似 Jupyter Notebook 的交互式代码执行模式，但你的代码仍然保存在标准的 .py 文件中。
过程：
1. 你打开一个 .py 文件。
2. 可以在文件中使用 # %% 等标记将代码划分为不同的块（被称为“代码 cell”）。
3. 点击代码块旁边的“运行 cell”按钮。
4. VS Code 会自动启动或连接到一个独立的“Python 交互式”窗口。
执行： 你可以灵活地选择文件中的某一个或某几个代码块进行执行。代码的执行状态（如定义的变量、函数定义等）会在整个交互式窗口的会话期间保持。
输出： print 的内容、代码的返回值、甚至 Matplotlib 绘制的图表会直接显示在交互式窗口中，通常是代码块的下方，而不是在终端。
交互性： 很高。非常适合在开发过程中进行探索、测试、调试和查看中间结果。
工作目录： 通常默认为 .py 文件所在的目录（但这有时可以在 VS Code 设置中进行配置）。这是导致相对路径问题在终端和交互式窗口表现不同的原因之一。
与 Jupyter 的关系： 底层使用了 Jupyter 的技术，特别是 Jupyter 内核。 VS Code 在后台启动一个 Jupyter 内核（基于你选择的 Python 环境）来管理和执行交互式窗口中的代码。你可以认为它是在 VS Code 这个界面下，由 .py 文件内容驱动的一种“Jupyter 体验”。

3. 在 Jupyter Notebook（`.ipynb`）中运行

模式： 这是 Jupyter 平台最经典的原生交互式文档模式。文件本身（.ipynb）就包含了代码、代码输出、以及使用 Markdown 编写的文本和说明。
过程：
1. 你打开一个 .ipynb 文件。
2. VS Code 会以 Notebook 界面打开它。
3. 你需要选择一个 Jupyter 内核（也就是一个安装了 ipykernel 的 Python 环境）来运行这个 Notebook。
执行： 代码被组织在不同的 cell 中，你可以逐个运行 cell。代码的执行状态在整个 Notebook 会话期间保持。
输出： 代码输出、图表、甚至 HTML 等富文本内容会直接显示在对应的代码 cell 下方，并会与 Notebook 文件内容一起保存。
交互性： 非常高。是专为交互式探索、数据分析和结合代码与文档进行演示而设计的。
工作目录： 通常是 .ipynb 文件所在的目录。
与 Jupyter 的关系： 这就是在 Jupyter 上运行。 VS Code 在这里充当了 Jupyter 的一个功能强大的客户端界面。

因此在终端上运行Python文件和在交互式窗口运行Python文件时他们的工作目录不同，因此使用相对路径无法同时在这两个模式下运行。要运行的话得改成绝对路径

解决终端环境显示异常 `(pytorch_env) (base)`

你提到在终端中看到了类似 (pytorch_env) (base) 这样的提示，这表明可能出现了环境嵌套或环境变量混淆的情况。这不是正常现象，通常终端提示符应该只显示一个当前激活的环境名称（例如 (pytorch_env) 或 (base)）。

让我们来修复这个问题：

退出所有 Conda 环境：
连续执行 conda deactivate 命令，直到终端提示符不再显示任何环境名称为止。通常执行两次 conda deactivate 就够了，因为 conda deactivate 只退出最内层的环境。
```
conda deactivate
conda deactivate
```
（根据实际情况可能需要执行更多次）
重新激活你想要使用的环境：
例如，重新激活 pytorch_env：
```
conda activate pytorch_env
```
此时，终端提示符应该只显示 (pytorch_env)。

如果这个问题经常发生，可能是你的 shell 配置文件（如 ~/.bashrc, ~/.zshrc 等）中有重复的环境激活或 Conda 初始化设置。可以检查这些文件，确保 conda init 只被执行一次，并且没有其他代码会导致环境意外激活。

知识点总结

远程服务器中安装 Anaconda 后，默认的 base 环境通常会直接包含了 jupyter notebook、jupyter lab 和 ipykernel 等库。
你自己使用 conda create 创建的新环境默认是最小化的，不自动包含 Jupyter 相关库（特别是 ipykernel）。
要在自定义环境中利用 Jupyter 功能（Notebook 或交互式窗口），核心是确保该环境中安装了 ipykernel。
VS Code 远程连接时，通过选择正确的 Python 环境（安装了 ipykernel 的环境），可以直接利用该环境作为 Jupyter 内核，无需手动启动完整的 Jupyter Server。

总结与选择

在终端运行 .py： 标准 Python 脚本执行 (不是 Jupyter)。适用于最终运行、自动化。
在交互式窗口运行 .py： 利用了 Jupyter 内核的能力，在 VS Code 中提供类似 Notebook 的交互体验，代码仍在 .py 文件中。适用于开发、调试。
在 VS Code 中运行 .ipynb： VS Code 提供了原生的 Jupyter Notebook 功能和界面，这就是在 Jupyter 上进行操作。适用于探索、文档、结合代码与输出。

你可以根据当前所处的开发阶段和需求，选择最适合的运行方式。在 VS Code 中进行深度学习开发，通常建议优先使用 .ipynb 文件或 .py 文件配合交互式窗口，以利用其强大的交互和可视化能力。