VS Code 遠程連接服務器：Anaconda 環境與 Python/Jupyter 運行全指南

在使用 VS Code 通過 SSH 遠程連接到服務器進行開發時，尤其是在進行深度學習等需要特定環境的工作時，正確配置和使用 Anaconda 環境以及理解不同的代碼運行方式非常關鍵。本文將梳理在 VS Code 遠程連接環境下，如何管理 Anaconda 環境并運行 Python 代碼（包括 .py 文件和 .ipynb 文件）。

我的環境 setup

• 本地： Visual Studio Code
• 遠程服務器： 通過 VS Code Remote-SSH 連接
• 服務器軟件： 安裝了 Anaconda
• Anaconda 環境： 創建了名為 pytorch_env 的虛擬環境，用于深度學習。
• VS Code 插件： 在遠程服務器上安裝了 VS Code 的 Python 插件和 Jupyter 相關插件。

Anaconda 環境與 Jupyter

遠程服務器上安裝 Anaconda 后，默認的 base 環境通常會直接包含 Jupyter Notebook 和 JupyterLab。但是，我們自己創建的虛擬環境（例如 pytorch_env）默認是“干凈”的，不包含 Jupyter 相關組件。

為了在特定的虛擬環境（如 pytorch_env）中使用 Jupyter 的功能（包括在 VS Code 中運行 .ipynb 文件或使用交互式窗口），我們需要在這個環境中安裝必要的庫。

核心需求：在 pytorch_env 環境下使用 Jupyter 內核

步驟如下：

1. 激活 pytorch_env 環境：
   打開 VS Code 的集成終端（確保它連接的是你的遠程服務器），然后執行：

   conda activate pytorch_env
   

2. 在該環境下安裝 ipykernel：
   ipykernel 是連接 Jupyter 和 Python 環境的關鍵庫。在已經激活 pytorch_env 的終端中執行：

   pip install ipykernel
   

3. 設置該環境為 Jupyter 內核（可選但推薦）：
   安裝 ipykernel 通常會自動注冊內核，但手動執行可以確保 VS Code 和 Jupyter 能夠識別這個環境。在激活 pytorch_env 的終端中執行：

   python -m ipykernel install --user --name=pytorch_env --display-name="PyTorch Env (pytorch_env)"
   

   這里的 --display-name 是你在 VS Code 的內核列表中看到的環境名稱，可以根據喜好設置。

完成以上步驟后，你的 pytorch_env 環境就已經具備了作為 Jupyter 內核的能力。

在 VS Code 中選擇 Jupyter 內核

現在，當你新建或打開一個 .ipynb 文件時，VS Code 會提示你選擇一個內核。

選擇內核時，你會看到類似這樣的選項：

正確的選擇是點擊 “Python 環境…”。

點擊后，VS Code 會列出它在遠程服務器上檢測到的所有 Python 環境（包括 base 和你創建的 pytorch_env）。你應該在列表中找到并選擇你的 pytorch_env。

這樣做的好處是，你不需要手動在服務器上運行 jupyter notebook 或 jupyter lab 命令來啟動一個完整的 Jupyter Server。VS Code 會利用你選擇的具備 ipykernel 的 Python 環境，在后臺為你處理啟動和管理 Jupyter 內核的底層細節。

不要選擇“現有 Jupyter 服務器…”，那個選項用于連接一個已經在服務器上獨立運行起來的 Jupyter Server 實例，通常需要你手動啟動該服務器并提供 URL 和 Token。

選擇好 pytorch_env 內核后，你就可以在 .ipynb 文件中編寫和運行代碼了。

理解不同的 Python 代碼運行方式

除了在 .ipynb 文件中運行，VS Code 還提供了其他運行 Python 代碼的方式。理解它們的區別，特別是它們與 Jupyter 的關系，有助于選擇最適合當前任務的方式。

首先明確一點：無論采用哪種方式，你的代碼最終都是由服務器上的 Python 解釋器（特別是來自你指定的 Conda 環境，如 pytorch_env）來執行的。區別在于運行時的界面、執行模式和工作目錄。

1. 在終端上運行 Python 文件（.py）

• 模式： 這是最傳統、標準的 Python 腳本執行模式。
• 過程：
  1. 你打開一個終端（可以是 VS Code 的集成終端，也可以是直接通過 SSH 連接的終端）。
  2. 激活你的目標環境（例如：conda activate pytorch_env）。
  3. 輸入命令 python your_script_name.py 來運行整個 .py 文件。
• 執行： 代碼會從 .py 文件的第一行開始，一直執行到最后，是一次性的、線性的過程。
• 輸出： 所有通過 print() 打印的內容會顯示在終端窗口中。
• 交互性： 非常低。代碼執行過程中你通常無法方便地暫停、查看中間變量的值或分步執行。
• 工作目錄： 通常是你執行 python 命令時，終端所在的那個目錄。這是導致相對文件路徑問題的一個常見原因。
• 與 Jupyter 的關系： 這不是在 Jupyter 上運行。 這僅僅是使用指定的 Python 解釋器來執行一個普通的 Python 腳本。

2. 在交互式窗口中運行（配合 .py 文件使用）

• 模式： 這是 VS Code 提供的一種類似 Jupyter Notebook 的交互式代碼執行模式，但你的代碼仍然保存在標準的 .py 文件中。
• 過程：
  1. 你打開一個 .py 文件。
  2. 可以在文件中使用 # %% 等標記將代碼劃分為不同的塊（被稱為“代碼 cell”）。
  3. 點擊代碼塊旁邊的“運行 cell”按鈕。
  4. VS Code 會自動啟動或連接到一個獨立的“Python 交互式”窗口。
• 執行： 你可以靈活地選擇文件中的某一個或某幾個代碼塊進行執行。代碼的執行狀態（如定義的變量、函數定義等）會在整個交互式窗口的會話期間保持。
• 輸出： print 的內容、代碼的返回值、甚至 Matplotlib 繪制的圖表會直接顯示在交互式窗口中，通常是代碼塊的下方，而不是在終端。
• 交互性： 很高。非常適合在開發過程中進行探索、測試、調試和查看中間結果。
• 工作目錄： 通常默認為 .py 文件所在的目錄（但這有時可以在 VS Code 設置中進行配置）。這是導致相對路徑問題在終端和交互式窗口表現不同的原因之一。
• 與 Jupyter 的關系： 底層使用了 Jupyter 的技術，特別是 Jupyter 內核。 VS Code 在后臺啟動一個 Jupyter 內核（基于你選擇的 Python 環境）來管理和執行交互式窗口中的代碼。你可以認為它是在 VS Code 這個界面下，由 .py 文件內容驅動的一種“Jupyter 體驗”。

3. 在 Jupyter Notebook（.ipynb）中運行

• 模式： 這是 Jupyter 平臺最經典的原生交互式文檔模式。文件本身（.ipynb）就包含了代碼、代碼輸出、以及使用 Markdown 編寫的文本和說明。
• 過程：
  1. 你打開一個 .ipynb 文件。
  2. VS Code 會以 Notebook 界面打開它。
  3. 你需要選擇一個 Jupyter 內核（也就是一個安裝了 ipykernel 的 Python 環境）來運行這個 Notebook。
• 執行： 代碼被組織在不同的 cell 中，你可以逐個運行 cell。代碼的執行狀態在整個 Notebook 會話期間保持。
• 輸出： 代碼輸出、圖表、甚至 HTML 等富文本內容會直接顯示在對應的代碼 cell 下方，并會與 Notebook 文件內容一起保存。
• 交互性： 非常高。是專為交互式探索、數據分析和結合代碼與文檔進行演示而設計的。
• 工作目錄： 通常是 .ipynb 文件所在的目錄。
• 與 Jupyter 的關系： 這就是在 Jupyter 上運行。 VS Code 在這里充當了 Jupyter 的一個功能強大的客戶端界面。

因此在終端上運行Python文件和在交互式窗口運行Python文件時他們的工作目錄不同，因此使用相對路徑無法同時在這兩個模式下運行。要運行的話得改成絕對路徑

解決終端環境顯示異常 (pytorch_env) (base)

你提到在終端中看到了類似 (pytorch_env) (base) 這樣的提示，這表明可能出現了環境嵌套或環境變量混淆的情況。這不是正常現象，通常終端提示符應該只顯示一個當前激活的環境名稱（例如 (pytorch_env) 或 (base)）。

讓我們來修復這個問題：

1. 退出所有 Conda 環境：
   連續執行 conda deactivate 命令，直到終端提示符不再顯示任何環境名稱為止。通常執行兩次 conda deactivate 就夠了，因為 conda deactivate 只退出最內層的環境。

   conda deactivate
   conda deactivate
   

   （根據實際情況可能需要執行更多次）

2. 重新激活你想要使用的環境：
   例如，重新激活 pytorch_env：

   conda activate pytorch_env
   

   此時，終端提示符應該只顯示 (pytorch_env)。

如果這個問題經常發生，可能是你的 shell 配置文件（如 ~/.bashrc, ~/.zshrc 等）中有重復的環境激活或 Conda 初始化設置。可以檢查這些文件，確保 conda init 只被執行一次，并且沒有其他代碼會導致環境意外激活。

知識點總結

• 遠程服務器中安裝 Anaconda 后，默認的 base 環境通常會直接包含了 jupyter notebook、jupyter lab 和 ipykernel 等庫。
• 你自己使用 conda create 創建的新環境默認是最小化的，不自動包含 Jupyter 相關庫（特別是 ipykernel）。
• 要在自定義環境中利用 Jupyter 功能（Notebook 或交互式窗口），核心是確保該環境中安裝了 ipykernel。
• VS Code 遠程連接時，通過選擇正確的 Python 環境（安裝了 ipykernel 的環境），可以直接利用該環境作為 Jupyter 內核，無需手動啟動完整的 Jupyter Server。

總結與選擇

• 在終端運行 .py： 標準 Python 腳本執行 (不是 Jupyter)。適用于最終運行、自動化。
• 在交互式窗口運行 .py： 利用了 Jupyter 內核的能力，在 VS Code 中提供類似 Notebook 的交互體驗，代碼仍在 .py 文件中。適用于開發、調試。
• 在 VS Code 中運行 .ipynb： VS Code 提供了原生的 Jupyter Notebook 功能和界面，這就是在 Jupyter 上進行操作。適用于探索、文檔、結合代碼與輸出。

你可以根據當前所處的開發階段和需求，選擇最適合的運行方式。在 VS Code 中進行深度學習開發，通常建議優先使用 .ipynb 文件或 .py 文件配合交互式窗口，以利用其強大的交互和可視化能力。

---