vscode更换tensorflow

配置或切换 TensorFlow 环境
安装并激活特定的 Python 解释器
为了确保 VSCode 正确识别所需的 TensorFlow 版本，需先确认已安装适用于目标项目的 Python 虚拟环境。对于不同版本的 TensorFlow（如 CPU 和 GPU），建议分别为其建立独立的 Conda 或虚拟环境。
通过命令行工具可以轻松管理这些环境：
# 创建新的 conda 环境 (假设要创建名为 'tf-gpu' 的环境)
conda create -n tf-gpu python=3.7

# 激活该环境
conda activate tf-gpu

# 在此环境下安装所需版本的 TensorFlow 及其他依赖包
pip install tensorflow==1.9 # 对应于 GPU 支持版本

一旦完成上述操作，在 VSCode 中可通过以下方式选择对应的解释器[^1]：

浏览列表找到之前创建的环境名称（例如 tf-gpu）

设置启动配置文件以支持调试功能
为了让项目能够顺利执行带有断点等功能的调试会话，还需要调整 .vscode/launch.json 文件中的参数来指定正确的 Python 解释路径以及任何必要的附加选项。
示例 launch.json 内容如下所示：
{
"version": "0.2.0",
"configurations": [
{
"name": "Python: Current File",
"type": "python",
"request": "launch",
"program": "${file}",
"console": "integratedTerminal",
"justMyCode": true,
"envFile": "${workspaceFolder}/.env", // 如果有的话
"pythonPath": "/path/to/env/bin/python" // 替换成实际位置
}
]
}

进一步验证当前使用的 TensorFlow 版本
最后，可以通过简单的测试脚本来检验所选环境是否正确加载了预期版本的库：
import tensorflow as tf
print(tf.__version__)

如果一切正常，则应该看到输出的是期望的 TensorFlow 版本号而不是旧版本的信息[^3]。