机器学习与深度学习 / 系统课时

配置 Jupyter 与 VS Code

配置 Jupyter 与 VS Code

学习目标

完成本课后,你将能够:

  • 启动并使用 Jupyter Notebook
  • 在 VS Code 中选择正确的 Python 解释器和内核
  • 识别编辑器与终端使用不同环境的问题

选择合适的实验方式

Jupyter 适合分步骤运行、观察图表和记录实验过程;VS Code 适合组织多文件项目、调试、测试和版本控制。两者可以共用同一个 .venv,不需要分别安装依赖。

启动 Jupyter

确保已激活项目虚拟环境,然后执行:

bash
jupyter notebook

预期结果:

text
浏览器打开 Jupyter 文件页面,终端显示本地访问地址和运行日志。

新建 Notebook 后,在单元格输入:

python
import sys

print(sys.executable)
print("Jupyter 环境可用")

预期输出格式:

text
<PROJECT_PATH>/.venv/<PYTHON_EXECUTABLE>
Jupyter 环境可用

Windows 路径通常包含 .venv\Scripts\python.exe,macOS 或 Linux 路径通常包含 .venv/bin/python。

配置 VS Code

  1. 安装官方 Python 扩展和 Jupyter 扩展。
  2. 打开项目根目录,而不是只打开单个文件。
  3. 使用命令面板执行 Python: Select Interpreter。
  4. 选择项目中的 .venv 解释器。
  5. 打开 .ipynb 文件时,在右上角选择相同环境的内核。

在 VS Code 终端运行:

bash
python -c "import sys; print(sys.executable)"

输出路径应指向当前项目的 .venv。

调试一个 Python 文件

将下面代码保存为 debug_demo.py:

python
def calculate_average(values):
    # 在此行设置断点,可以查看 values 和 total 的实时值
    total = sum(values)
    return total / len(values)

scores = [80, 92, 76, 88]
average = calculate_average(scores)
print(f"平均分: {average:.1f}")

运行命令:

bash
python debug_demo.py

预期输出:

text
平均分: 84.0

使用 VS Code 的“运行和调试”启动后,可以在断点处单步执行并查看变量。

解释器不一致的定位方法

出现“终端能运行但 Notebook 导入失败”时,分别在终端和 Notebook 输出 sys.executable。如果路径不同,说明它们使用了不同 Python 环境。

修复时不要反复重新安装依赖,而应把终端解释器、VS Code 解释器和 Notebook 内核统一到同一个 .venv。

本课练习

  1. 在 Jupyter 中创建 Notebook 并输出当前解释器路径。
  2. 在 VS Code 中为示例函数设置断点,查看 total 的值。
  3. 故意选择系统 Python,再通过错误信息和路径对比恢复到 .venv。
按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

配置 Jupyter 与 VS Code

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通