【Pytorch】VSCode实用技巧 - 默认终端修改为conda activate pytorch

本文详细介绍了如何在VScode中修改settings.json文件,以便于在启动时自动进入conda环境。步骤包括找到settings.json、查找conda配置、编辑文件并处理可能的只读编辑器问题,以及如何设置默认终端为conda环境。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

VScode修改配置使得启动终端为conda环境

VScode跑项目,在启动pytorch项目时往往会有千奇百怪的问题,最常见的就是显示“conda activate pytorch”后会要求“conda init”,但输入后实际上也不行,这是因为VSCode默认终端为 Powershell。

因此,如果能直接使用VScode终端打开 conda 环境会方便许多,解决方法如下:

1、找到settings.json 文件

法一:快捷键 Ctrl+Shift+P 打开VScode 命令面板。
搜索 settings.json ,点击即可打开。
在这里插入图片描述
法二:
打开设置(从左上角的文件中的首选项一栏也可以打开)
在这里插入图片描述
在搜索框输入想要修改的配置,点击勾选或者不勾选,就可以修改你的配置了(勾选是true,不勾选是false)

直接搜索terminal.integrated.profile.window
在这里插入图片描述

2、查找 conda / mamba 相关内容

从开始菜单找到conda powershell / mamba prompt 的快捷方式文件,打开其属性,复制目标一栏的内容,分成两段,一段是powershell / cmd 可执行文件的路径,一段是运行 conda 配置的参数。
在这里插入图片描述
目标里面的内容就是:
%windir%\system32\cmd.exe “/K” “E:\anaconda3\Scripts\activate.bat E:\anaconda3”
使用时拆分成两段载

### 配置 PyTorchVSCode 中使用 Miniconda 环境 尽管建议避免在 VSCode 中搭配 Miniconda 使用[^1],但如果确实需要配置 Miniconda 来支持 PyTorch 开发,则可以通过以下方式实现。 #### 创建 Miniconda 虚拟环境 首先,通过 Miniconda 创建一个新的 Python 虚拟环境,并安装所需的依赖项(包括 PyTorch)。以下是具体操作: ```bash # 创建新的虚拟环境 (假设命名为 pytorch_env),指定 Python 版本为 3.9 conda create -n pytorch_env python=3.9 # 激活该虚拟环境 conda activate pytorch_env # 安装 PyTorch 及其相关依赖 # 根据您的硬件条件选择合适的命令 # 如果您有 NVIDIA GPU 和 CUDA 支持: conda install pytorch torchvision torchaudio cudatoolkit=11.8 -c pytorch -c nvidia # 如果仅使用 CPU: conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 上述过程完成后,Miniconda 将会在 `envs` 文件夹下生成名为 `pytorch_env` 的新环境[^2]。 --- #### 在 VSCode 中配置 Miniconda 环境 接下来,在 Visual Studio Code 中设置此 Miniconda 环境作为默认Python 解释器。 1. **安装 Python 插件** 打开 VSCode 的扩展市场,搜索并安装官方提供的 “Python” 插件。这是确保 VSCode 正确识别 Python 环境的关键工具[^3]。 2. **选择正确的解释器** - 打开任意 `.py` 文件。 - 查看状态栏底部是否有提示信息表明当前正在加载 Python 插件;如果未看到,请手动触发插件初始化。 - 单击左下角显示的 Python 版本号或者按快捷键 `Ctrl+Shift+P` 输入 `Python: Select Interpreter`。 - 在弹出的选择列表中找到之前创建的 Miniconca 环境路径(通常类似于 `/path/to/miniconda/envs/pytorch_env/bin/python`),然后选中它。 3. **验证终端集成** 当前激活的工作区应已切换至所选的 Miniconda 环境。可以在内置终端测试如下命令确认: ```bash which python ``` 输出应当指向刚才选定的 Miniconda 环境中的 Python 可执行文件位置。 4. **运行调试脚本** 编写简单的 PyTorch 测试代码以检验环境是否正常运作: ```python import torch print(f"Torch version: {torch.__version__}") print(f"CUDA available: {'Yes' if torch.cuda.is_available() else 'No'}") ``` 运行以上程序后,应该能够观察到 Torch 的版本以及设备兼容情况。 --- ### 注意事项 虽然理论上可以成功搭建基于 Miniconda 的开发流程,但由于某些特定场景下的复杂性可能增加额外维护成本,因此推荐优先考虑全功能版 Anaconda 替代方案。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值