基于 VSCode 的代码环境配置

type
status
date
slug
summary
tags
category
icon
password
 
 

一、安装 Python 与 R 的环境

PyCharm 和 RStudio 分别是 Python、R 两种代码语言的工作利器，不过随着 VSCode 相关生态的逐渐完善，使用 VSCode 进行 Python 和 R 的 coding 已经趋于成熟。相较于 VSCode，PyCharm 和 RStudio 也略显笨重。因此，本文将详细介绍如何基于 VSCode，完成 Python 和 R 两种代码环境的一体化配置。

1. 配置 Python 环境

机器学习技术日新月异，不过也导致了 Python 环境的管理问题，时常导致多个项目依赖包的不兼容问题，而 conda 为此提供了一个解决方案。不过，Anaconda 实在是过于庞大，个人而言更青睐一个小体量的工具，也因此选择了 MiniForge。
Miniforge 的安装十分简单，macOS 上在终端运行下述代码，安装即可。
在 Windows 上则需前往 GitHub 下载名称为 Miniforge3-Windows-x86_64.exe 的安装包，下载后双击安装即可。
值得注意的是，macOS 会将 conda 命令直接添加到系统环境，但 Windows 系统中在默认设置下，Miniforge 不会自动添加到系统环境中，因此直接在终端运行下述命令可能会报错。解决方法有两个，其一是官方推荐的做法，即通过 Miniforge Prompt （在开始菜单中） 来进行以下代码；其二是在安装时勾选添加到系统环境中。
Windows 中打开终端为“win+R”，然后输入“cmd”。macOS 中打开终端的方式为，“cmd+空格”，输入“Terminal”，回车打开即可。打开终端后，依次输入以下代码：
  1. 初始化 conda。运行即可，如果报错，请确保系统环境中已添加 Miniforge。
    1. 值得注意的是，第一次conda init之后，需要重启终端，确保上述修改已生效。重启终端后，再次输入相同命令，然后会出现如下图“No action taken”。此时说明，conda 的初始化设置已经完成，继续后续步骤即可。
        2. notion image
    1. 创建虚拟环境。name 是虚拟环境的名称，可以随意设置，例如 nlp、cv 等等。python=3.12 声明了安装的 Python 版本是 3.12，按需设置即可。此外还在代码中声明安装 uv 包，安装改包的原因见第四步。
      1. 激活环境。注意，请将 name 修改为上一步中你自定义的名称。这一步之后即可通过 pip 来安装包了。每次启动终端时，会默认启用 base 环境，这是 conda 的基础环境。若想在虚拟环境中进行包的管理与安装，请先激活该环境。
        1. 安装包。在激活环境后，就可以安装包了。 conda 中安装包有多种方式，其中最基本的是 conda install package，使用 conda 安装包时，会自动解析环境依赖，确保各个包的版本是相互兼容的。不过由于 conda 的解析较慢，后续开发了 mamba 命令来加快包的解析和安装速度，因此也可以使用 mamba install package。不过，这两者都面临一个问题，就是解析速度较慢，以及对于部分包是缺失的，例如 hanlp，以及最新的 PyTorch 也不官方支持 conda / mamba 安装了。 因此更推荐使用 uv 来管理包，它的解析和安装速度极快，能够安装几乎绝大多数的包，且语法简单，与 pip 几乎相同，只需要 uv pip install package 即可安装。
          至此，Python 环境即已经配置完成。

          2. 配置 R 环境。

          R 的配置相对简单，同样的也可以通过包管理器安装，macOS 请在终端运行 brew install —cask r，Windows 请运行 winget install rproject.r。同样的，也可以前往 R 的官网下载安装包来安装。
          到这里 R 的安装就已经完成了。不过 R 为了适配更多老旧机器，默认的 Blas 计算库性能较为保守，在处理大数据时运行效率可能会相对较低。如果你的机器是20年后生产的，建议参考以下方法优化：
          对于 Windows 系统：
          1. 下载 OpenBLAS 的最新文件，解压后提取 bin 文件夹中的 libopenblas.dll 。
          1. 复制两个该文件到 C:/Program Files/R/R-x.x.x/bin/x64 。
          1. 将文件夹中的 Rblas.dll 和 Rlapack.dll 文件命名为 Rblas.dll.bak 和 Rlapack.dll.bak 。
          1. 将复制的两个文件，分别命名为 Rblas.dll 和 Rlapack.dll 。
          1. 打开任务管理器 → 性能 → CPU，查看电脑的内核数和线程数（逻辑处理器）。
          1. 在系统环境变量中添加 OPENBLAS_NUM_THREADS，值可以设置为内核数和线程数的中间值。
          对于 MacOS 系统：
          1. 打开终端，运行 brew tap homebrew/science && brew install openblas
          1. ln -sf /usr/local/opt/openblas/lib/libopenblas.dylib /Library/Frameworks/R.framework/Resources/lib/libRblas.dylib

          二、配置 VSCode

          与 Python 与 R 的安装相同，安装 VSCode 也有包管理器和安装包两种安装方式。使用包管理器安装，macOS 用户请运行 brew install --cask visual-studio-code，Windows 用户请运行 winget install microsoft.visualstudiocode。与之前相同，也可以前往 VSCode 的官网来下载安装包以安装。
          在安装完成后，建议登录 Microsoft 或 GitHub 账号，以进行跨终端的同步设置，避免在不同系统环境，或是重装系统后重复配置 VSCode。

          1. 安装插件

          插件是 VSCode 中简化操作的重要工具，以下是 Python 和 R 工作中的常用插件。以下，是我常使用的一些插件。当然，在部分功能上有许多相似的插件，这部分插件的选择更加符合我的个人偏好。例如，用于自动格式化 Python 代码的插件 charliermarsh.ruff，就有 Microsoft 出品的 Black Format 等替代品。
          在 VSCode 的扩展栏中搜索下列插件的名称点击安装即可。注意，可能部分插件不是必须的，例如 ms-vscode-remote 的相关插件，是用于运行 WSL 或是连接远程服务器用的。下列插件中，个人觉得较为重要的插件会在插件末尾加上 * 号说明，请根据需要进行安装。

          2. 配置插件及编辑器

          在安装完插件之后，还需要进行设置。在 VSCode 中，提供了可视化的设置界面（左下角的⚙️状图标 → 设置）和 JSON 文件（设置界面中，右上角的 📄 状图标）两种设置方法。
          （ps: ⚙️可能不一定在左下角，我的就在右上角，总之你需要找到并点击这个图标，然后继续点击设置！一定是设置！！！别点配置文件！！！点了设置之后，找到下图的三个图标，然后点击三角形旁边那个类似翻转文件的图标，进去就是JSON文件，请继续配置。）
          notion image
          以下是我的 JSON 设置文件，以供参考。
          注意，其中有几个需要自定义的选项。
          1. editor.fontFamily 规定了编辑器使用的字体。我选用的字体是 Maple Mono，是 一款中英文等宽的圆体字体。若有别的偏好字体，可以在这里进行修改。
          1. workbench.iconTheme 和 workbench.colorTheme，定义了使用的主题。
          其余的选项可以根据需要来进一步修改。
          最后，为了更好的交互效果，还需要在 R 语言中安装三个必要的包，其中 languageserver 是必须安装的。httpgd 则是提供了一个更好的查看画图结果的界面，而 lintr 则是提供了一些代码书写风格的检查和修改建议。关于 R 的进一步配置，可以参考我的这篇博客。

          三、配置 CUDA 或 MPS（可选）

          1. 在 Windows 平台配置 CUDA

          1. 创建虚拟环境。conda create —name nlp python=3.12，这里创建了一个名为 nlp，Python 版本为 3.12 的虚拟环境，由于许多包适配的版本不一致，不建议安装太新的 Python 版本。
          1. 在激活环境后安装 pytorch，前往官方网站，选择合适的选项后运行相关命令即可，当前最新的命令为 conda install pytorch torchvision torchaudio pytorch-cuda=12.4 -c pytorch -c nvidia。
          1. 在当前，Windows 系统中，Tensorflow 2.10 版本之后已经不适配，因此不推荐安装 Tensorflow 的 GPU 版本，若确实需要安装，建议配置 WSL 之后，在 WSL 中安装。 若确实需要在 Windows 系统中安装 Tensorflow，2.10 版本的 Tensorflow 要求 CUDA 版本为 11.2，cuDNN 版本为 8.1（其他版本点此查阅）。随后前往英伟达官网，分别下载并安装对应版本的 CUDA 和 cuDNN。此外，需要安装 GPU 驱动，下载安装 GeForce Experience 即可。在激活环境后安装 tensorflow，运行 conda install tensorflow=2.10。

          2. 在 Mac 平台配置 MPS

          依次在终端运行以下代码即可。

          3. 在 WSL 或 Linux 平台配置 CUDA

          依次在终端运行以下代码即可。
          最后，可以通过下述代码验证是否能够调用 GPU。
           
          上一篇
          常用的学术网站
          下一篇
          本地部署开源大模型
          Loading...