为什么激活了anaconda我创建的虚拟环境使用vscode运行代码还是在默认环境base环境中运行

这可能是因为你在 VS Code 中选择的 Python 解释器路径仍然指向默认环境（base 环境）的路径。你需要在 VS Code 中重新配置 Python 解释器路径，以便指向你所创建的虚拟环境中的 Python 解释器路径。

1. 打开 VS Code，并打开你的 Python 项目。
2. 点击左下角的“选择解释器”按钮，或通过“查看”菜单中的“命令面板”（Ctrl/Cmd + Shift + P）选择“Python: 选择解释器”。
3. 在弹出的列表中，找到你所创建的虚拟环境并选择其路径。
4. 如果你的虚拟环境还没有被添加到 VS Code 中，请按照下面的步骤添加：
- 打开 VS Code 的“设置”（Ctrl/Cmd + ,）。
- 搜索“python.venvFolders”。
- 在“python.venvFolders”中添加你所创建的虚拟环境的路径。
5. 重新启动 VS Code。

现在，你应该能够在 VS Code 中使用你所创建的虚拟环境了。

相关问题

vscode conda init

### 配置 VSCode 使用 Conda 环境

#### 设置 PowerShell 终端支持 Conda 命令
为了使 VSCode 的 PowerShell 终端能够识别并执行 `conda` 相关命令，需先通过初始化操作让 PowerShell 支持这些功能。具体做法是在 PowerShell 输入以下指令完成初始化工作[^1]：

conda init powershell

此过程可能会提示调整策略以允许脚本运行，此时应同意设置执行策略为 `RemoteSigned`。

#### 修改启动行为防止自动激活 base 环境
为了避免每次打开终端都默认进入名为 `base` 的 Anaconda 主环境中去，可以关闭这一特性，方法如下所示：

conda config --set auto_activate_base false

#### 添加环境变量到系统 PATH 中
为了让操作系统全局范围内找到 Miniconda 或者 Anaconda 安装目录下的可执行文件，应当把对应路径加入系统的环境变量列表内。通常情况下需要添加两个位置：一个是 Scripts 文件夹的位置；另一个则是 condabin 文件夹所在之处[^3]。

例如对于安装于 `C:\Users\XXX\miniconda3` 下的情况，则应该追加这两条记录：
- `C:\Users\XXX\miniconda3\Scripts`
- `C:\Users\XXX\miniconda3\condabin`

#### 将特定配置集成进 VSCode 设置
最后一步是要告诉 Visual Studio Code 应该怎样加载已有的 Python 虚拟环境作为解释器以及关联的工具链。这可以通过编辑 JSON 形式的用户偏好设定来达成目的。以下是针对 Windows 平台的一个实例片段：

{
    "terminal.integrated.profiles.windows": {
        "anacoda":{
            "path":"PowerShell",
            "args": ["-NoExit", "H:/anacoda/WindowsPowerShell/profile.ps1"]
        }
    },
    "terminal.integrated.defaultProfile.windows" :"anacoda"
}

上述代码段定义了一个新的终端概要文件 `"anacoda"`，它指向 PowerShell，并指定了额外参数用于加载位于指定路径上的个人资料脚本。同时设定了这个新创建的概要文件成为 Windows 上默认使用的选项。

另外一种更简便的方式是利用图形界面来进行相同的操作——即按快捷键组合 Ctrl+Shift+P 来唤起命令面板，从中选取合适的项进行下一步处理[^4]。

vscode配置深度学习黄金

### 配置适用于深度学习开发的VSCode环境

#### 推荐扩展安装

为了提高工作效率并简化项目管理，在VSCode中应考虑安装一系列有助于深度学习开发工作的扩展。对于版本控制系统集成方面，GitLens是一个非常有用的工具，它允许开发者直接查看当前文件的历史提交记录以及每次更改的具体位置[^4]。

除了上述提到的功能外，Python支持也是必不可少的一部分。通过安装官方提供的Python扩展包，可以获取语法高亮显示、Linting服务（代码质量检测）、自动补全功能以及其他众多特性来辅助编写高质量的Python程序。此外，该插件还集成了Conda环境的支持能力，方便用户快速创建和切换不同的Python运行时环境[^2]。

#### 虚拟环境配置

针对不同项目的依赖关系差异较大这一情况，建议采用Anaconda/Miniconda作为主要的包管理系统，并利用其内置命令行工具`conda create`建立独立的工作区。完成之后需按照以下步骤操作：

1. 打开VSCode中的命令面板(`Ctrl+Shift+P`)；
2. 输入“Python Select Interpreter”，选取对应名称前缀带有`(base)`字样的解释器实例；
3. 如果希望进一步指定某个特定版本，则可以在终端内执行相应指令更新默认选项。

conda activate base
python -m pip install --upgrade pip setuptools wheel

以上过程能够确保所使用的库均处于最新稳定版状态之下。

#### 调试配置说明

当涉及到复杂神经网络结构训练任务时，良好的调试机制显得尤为重要。借助于Visual Studio Code自带的强大断点追踪能力和交互式控制台界面，配合之前已经激活好的Conda Environment，只需简单几步即可实现高效便捷地定位潜在错误所在之处：

- 创建`.vscode/launch.json`文件用于保存自定义启动参数组合；
- 添加如下所示JSON对象至数组内部，以便开启远程SSH连接模式下的GPU加速计算资源访问权限；

{
    "name": "(gdb) Launch",
    "type": "cppdbg",
    "request": "launch",
    "program": "${workspaceFolder}/build/main",
    "args": [],
    "stopAtEntry": false,
    "cwd": "${fileDirname}",
    "environment": [{"name":"LD_LIBRARY_PATH","value":"/usr/local/cuda/lib64:$LD_LIBRARY_PATH"}],
    "externalConsole": true,
    "MIMode": "gdb",
    "setupCommands": [
        {
            "description": "Enable pretty-printing for gdb",
            "text": "-enable-pretty-printing",
            "ignoreFailures": true
        }
    ],
    "preLaunchTask": "C/C++: g++.exe build active file"
}

请注意修改其中的关键字段以适应个人实际需求场景。