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：

1. 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
   

2. 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
   

3. 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：

1. 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）

2. 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。

---