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
这一步要把 TensorFlow、Jupyter 和 VS Code 指向同一个 Python 环境,避免“终端能导入、Notebook 却报错”的常见问题。完成后,你可以在 JupyterLab 与 VS Code Notebook 中运行同一段 TensorFlow 代码,并确认两边使用的是同一个解释器。
学习目标
- 为课程项目创建独立的 Python 虚拟环境并安装 TensorFlow、JupyterLab 与 ipykernel。
- 在 JupyterLab 和 VS Code 中选择正确的 Notebook 内核与 Python 解释器。
- 用解释器路径和张量计算结果验证环境没有串用。
创建隔离的 Python 环境
在课程项目目录创建名为 .venv 的虚拟环境。这样依赖不会写进系统 Python,后续升级或重装 TensorFlow 时也不会影响其他项目。
python -m venv .venv预期结果:
项目目录出现 .venv;命令正常结束且没有报错。创建后按系统激活环境:
| 系统 | 激活命令 |
|---|---|
| Windows PowerShell | .\.venv\Scripts\Activate.ps1 |
| macOS / Linux | source .venv/bin/activate |
激活成功后再安装依赖。课程入门阶段使用 CPU 即可,不需要先配置 CUDA。
python -m pip install --upgrade pip
python -m pip install tensorflow jupyterlab ipykernel预期结果:
两条安装命令均以退出码 0 结束,安装日志中没有 ERROR。再做一次最小导入测试,避免等到打开编辑器后才发现环境装错。
python -c "import tensorflow as tf; print('tensorflow-ok'); print(tf.reduce_sum(tf.constant([1, 2, 3])).numpy())"预期输出:
tensorflow-ok
6配置 JupyterLab 内核
为了让 Notebook 明确显示课程环境名称,给当前虚拟环境注册一个内核。--name 是内部标识,--display-name 是界面里看到的名称。
python -m ipykernel install --user --name tf-course --display-name "Python (tf-course)"预期输出:
Installed kernelspec tf-course in <PATH>随后启动 JupyterLab。
jupyter lab预期结果:
浏览器打开本机 JupyterLab 页面;实际端口和 token 可能不同。新建 Notebook 后,在顶部内核选择器中选择 Python (tf-course)。如果看不到它,先关闭 JupyterLab,确认当前终端已激活 .venv,再重新执行内核注册命令。

配置 VS Code 的解释器与 Notebook
打开课程项目文件夹后,先安装 Microsoft 发布的 Python 与 Jupyter 扩展。然后按 Ctrl+Shift+P 打开命令面板,执行 Python: Select Interpreter,选择项目下的 .venv。这一步决定普通 .py 文件从哪个 Python 运行。
打开或新建 .ipynb 文件后,再点击 Notebook 编辑器右上角的 Select Kernel,选择 Python (tf-course) 或指向同一个 .venv 的 Python 环境。Notebook 内核与左下角或状态栏显示的解释器不一致时,最容易出现包“明明装了却导入失败”的现象。

用同一段代码检查两个入口
在 JupyterLab 单元格与 VS Code Notebook 单元格中分别运行下面代码。两边的第一行都应指向课程虚拟环境,版本号也应一致;最后一行固定为 6。
import sys
import tensorflow as tf
print(sys.executable)
print(tf.__version__)
print(tf.reduce_sum(tf.constant([1, 2, 3])).numpy())预期输出:
<PATH>
<VERSION>
6如果 JupyterLab 能运行而 VS Code 报 ModuleNotFoundError: No module named 'tensorflow',不要重复安装 TensorFlow,先重新检查 Python: Select Interpreter 和 Select Kernel。只要两边的 sys.executable 指向同一 .venv,后续课程里的脚本和 Notebook 就会使用同一套依赖。