# VSCodeee在Windows环境下 Jupyter AI学习环境配置指南Conda
发布时间：2025-06-24 17:08:21 作者：北方职教升学中心 阅读量：460
VSCodeee在Windows环境下 + Jupyter + 人工智能学习环境配置指南Conda。
目录。
VSCodeee在Windows环境下 + Jupyter + 人工智能学习环境配置指南Conda。
优点。
1. 安装Anaconda。
2. 安装Visual Studio Code。
3. Python环境配置在VSCode中。
4. Jupyter的安装和配置。
5. 虚拟环境的创建和管理。
6. 安装常用的AI/ML库。
7. 测试环境。
8. 常见问题及解决方案。
优点。
vscode 编辑能力强。
conda 环境自动维护不需要自己去找可以直接指定环境。
jupyter 牛。
1. 安装Anaconda。
Anaconda是Python开源版包括conda、180多个科学包及其依赖项，如Python。
1. 访问Anaconda官网下载Windows版安装包。
2. 运行下载的安装文件，安装按安装导向进行。
- 建议安装路径不包括空格或中文字符。
- 选择"安装所有用户"（推荐）。
- 勾选"将Anaconda添加到系统PATH环境变量"。
3. 安装完成后打开命令提示符，#xff08;CMD），输入`conda --version`确认安装成功。
2. 安装Visual Studio Code。
VSCode是一种轻量级但功能强大的源代码编辑器。
1. 访问Visual Studio Code官网下载Windows版安装包。
2. 运行安装文件按向导安装。
- 建议对"进行检查;添加到PATH"选项，从命令行启动VSCode很方便。
3. 安装完成后启动VSCode。
3. Python环境配置在VSCode中。
1. 在VSCode中，打开扩展商店（Ctrl+Shift+X）。
2. 以下扩展和xff1的搜索和安装a;
- Python。
- Jupyter。
3. 安装完成后，重启VSCode。
4. Jupyter的安装和配置。
Jupyter已包含在Anaconda安装中c;但是我们需要在VSCode中进行一些配置。
1. 打开VSCode。
2. 使用快捷键`Ctrl+Shift+P`打开命令面板。
3. 输入"Python: Select Interpreter"并选择。
4. 从列表中选择你的Anaconda Python环境。
5. 虚拟环境的创建和管理。
虚拟环境可以帮助您为不同的项目创建一个隔离的Python环境。
1. 打开Anaconda Prompt（从菜单搜索开始，#xff09;。
2. 创造一个新的虚拟环境：
conda create --name ai_env python=3.8。3. 激活环境：
conda activate ai_env。4. 在VSCode中，打开新的终端（Ctrl+`），确保它使用你刚创建的环境。
6. 安装常用的AI/ML库。
在激活的虚拟环境中，安装以下常用库：
conda install numpy pandas matplotlib scikit-learnconda install -c pytorch pytorch torchvisionconda install tensorflow。注意：根据你的需要，您可能需要安装其他特定的库。
注意：根据你的需要，您可能需要安装其它特定的库。
pytorch 我推荐去官网直接复制命令，pytorch官网。
7. 用Conda安装Jupyter。
7.1 打开Anaconda Prompt（菜单搜索从Windows开始，#xff09;。
7.2 如果您想在特定的虚拟环境中安装Jupyter，首先激活环境：conda activate your_environment_name。
7.3 以下命令安装Jupyter：conda install -c conda-forge jupyter。
7.4 在安装过程中，系统会提示您确认安装输入 'y' 并按回车确认。
7.5 安装完成后，您可以通过操作以下命令来验证安装：jupyter --version。
7.6 将环境注册为Jupyter内核：python -m ipykernel install --user --name=your_environment_name。
8. 测试环境。
1. 在VSCode中，创建新的Jupyter Noteboook文件（.ipynb）。
2. 选择创建的核心：vscode 右上角。
3. 输入以下代码并在一个代码单元中运行：import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport sklearnimport torchimport tensorflow as tfprint(f"NumPy version: {np.__version__}")print(f"Pandas version: {pd.__version__}")print(f"Scikit-learn version: {sklearn.__version__}")print(f"PyTorch version: {torch.__version__}")print(f"TensorFlow version: {tf.__version__}")plt.plot([1, 2, 3, 4])plt.ylabel('some numbers')plt.show()。
4. 如果代码运行成功，并显示版本信息和一个简单的图表，说明环境配置成功。
4. 如果代码运行成功，并显示版本信息和一个简单的图表，说明环境配置成功。 9. 常见问题及解决方案。1.。
问题。：终端不能使用`conda`命令。 。
解决方案。：确保系统PATH中添加了Anaconda。Anaconda可重新安装并检查相关选项。2.。
问题。：VSCode找不到Python解释器。 。
解决方案。 ：Python解释器路径手动选择#xff0c;通常在安装Anaconda的目录下。3.。
问题。：安装某些包时出现错误。 。
解决方案。 ：试着用`pip install [包名]`替代`conda install [包名]`。4.。
问题。：Jupyter Notebook无法显示图表。 。
解决方案。 ：确保已安装`ipykernel`，可通过运行φconda install ipykernel`来安装。5.。
问题。：CUDA相关错误（使用GPU时）。 。
解决方案。
：确保CUDA版本与您的NVIDIA显卡兼容c;并正确设置环境变量。
记住，遇到问题时，可查阅官方文件或Stack Overflow等平台寻求帮助。保持耐心，解决这些问题将加深你对开发环境的理解。祝你在人工智能学习之旅中取得成功;