Docker+VSCode 配置屬於自己的深度學習煉丹爐

來自 | 知乎
作者 | 常慶豐
地址 | https://zhuanlan.zhihu.com/p/102385239
編輯 | 機器學習算法與自然語言處理
本文僅作學術分享，若侵權，請聯繫後臺刪文處理

序

之所以要寫這麼一篇介紹的文章，主要是因爲作爲一個打雜的算法工程師，在工作中需要使用遠程服務器進行開發，然而遠程服務器系統版更新緩慢，總有些代碼跑不起來，讓調包的我很難辦。

另外工作中難免遇到共用開發機器的情況，如果把現在的算法工作稱爲煉丹，那服務器就是丹房，如果大家共用一個丹爐那總是會有配置不同的問題，因此最好的解決方式就是每個人用自己的丹爐。

基於以上原因，我整理了這麼一篇配置，大體方案是基於 Docker + VSCode 配置屬於個人的開發環境，還會涉及 VSCode 擴展等。

聲明:
首先要說明的是，由於個人才疏學淺，本文介紹的方案並不是理論上最優的方案，而且一些配置項也並不是必須或並不是適合所有人的，因此如果有同學想要參考的話建議首先完整閱讀下各部分，有了整體的概念之後再根據自身需要參考配置。

其次本文各部分都參考了大量文檔文章，我儘量給出了相關的參考鏈接，在此感謝原作者們。對於給出了具體參考鏈接的情況本文就不會對具體內容多做描述，還請看官查看相關參考文章。不論是本文還是相關參考資料都存在錯誤的可能，因此還需要閱讀的各位根據自己遇到的情況進行調整，官方文檔永遠比二手博客文章更靠譜。

最後感謝各位（如果有）看官給本文貢獻了點擊量和瀏覽量…

Docker

首先要說 Docker 是什麼

Docker 是一個開源的應用容器引擎，讓開發者可以打包他們的應用以及依賴包到一個可移植的鏡像中，然後發佈到任何流行的 Linux或Windows 機器上，也可以實現虛擬化

以上是我抄的百科詞條，總體意思看來是做了個內核容器虛擬化，也就是在真實系統的基礎上又虛擬化了容器出來。類比的話可以類似於常用的虛擬機，但又不一樣，容器開銷上會小很多。這種虛擬容器適合用來製作可移植鏡像發佈應用，而我這裏要用它來當做虛擬環境用，不知道算不算是一種浪費。

提到了Docker就要說到它的底層 LXC ，關於 LXC 和 Docker 的關係可以看看 《請問docker與lxc是什麼關係，有什麼區別》。因爲 LXC 是 Docker 的底層，所以也有人用 LXC 來達到共用機器隔離的目的，可以參考《爲實驗室建立公用GPU服務器》。不過本文還是介紹使用 Docker 的方法，就不多介紹 LXC 了。

知道了Docker 是什麼了之後就要使用 Docker，需要說明的是最好參考 docker-docs （注：大家都看過廖雪峯老師的Python等系列博客吧，他在自己的博客裏也表示“docker就看官方文檔”），一些中文資料如《菜鳥教程-Docker 教程》因爲更新不及時可能會存在些問題，這裏我是踩過坑的。

安裝 Docker

以 CentOS7 + 社區版Docker 爲例，CentOS7 中 Docker 的安裝可以參考《Get Docker Engine - Community for CentOS》

首先 Docker 對系統環境有些要求，參考文檔中 《OS requirements 》部分，具體的說就是 CentOS7 以及 centos-extras repository 。

系統符合要求後可以卸載已有老版本 docker，參考 《Uninstall old versions》 部分，沒裝過的可以跳過了。

接下來的安裝部分提供了三種安裝方式，分別是常用的由repository安裝、使用 RPM package 手動安裝以及測試腳本安裝，參考文檔 《Install Docker Engine - Community》部分，以下簡單介紹下常用的安裝方式：

第一步 SET UP THE REPOSITORY：

• 安裝依賴包：sudo yum install -y yum-utils device-mapper-persistent-data lvm2

• 設置穩定源：sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

第二步就是安裝 docker：sudo yum install docker-ce docker-ce-cli containerd.io，安裝後docker並未自動啓動

第三步就是啓動 docker：sudo systemctl start docker

最後可以測試下docker 是否安裝成功：sudo docker run hello-world，如果能夠正確顯示一些信息則安裝成功
安裝完之後如果想卸載了可以參考 《Uninstall old versions》部分卸載 docker，但是卸載時候不會自動刪除鏡像和容器，需要記得手動刪除。

安裝NVIDIA-Docker

作爲一個算法工程師，總歸有用上 GPU 的時候，爲了在 Linux 上啓用 GPU 支持，需要安裝 nvidia-docke。

The NVIDIA Container Toolkit allows users to build and run GPU accelerated Docker containers.

要安裝 nvidia-docker 首先要確保安裝了 NVIDIA driver 和 Docker 19.03，其中驅動的鏈接已經給出了，沒安裝的自己安裝下。

CentOS7下的 nvidia-docker 的安裝可以參考《CentOS 7 (docker-ce), RHEL 7.4/7.5 (docker-ce), Amazon Linux 1/2》，使用說明可以參考《Usage》。

需要注意的是在 Usage 裏已經使用 --gpus 參數，而後續的 TensorFlows 的 docker 中文教程中還在使用已廢棄 --runtime=nvidia參數，需要記得替換成–gpus。

安裝好之後可以使用命令 docker run --gpus all,capabilities=utility nvidia/cuda:9.0-base nvidia-smi 測試下。

Docker 的使用

docker的使用真的是參考 docker-docs 就好了，這裏只說幾個和後文有關及常用的。

首先是一些查看鏡像（image）和容器（container）的命令：

• 列出本機的所有 image 文件：docker image ls

• 刪除 image 文件：docker image rm [imageName]

• 列出本機正在運行的容器：docker container ls -l

• 列出本機所有容器，包括終止運行的容器：docker container ls -l --all

• 刪除容器文件：docker container rm [containerID]

• 導出容器：docker export [OPTIONS] CONTAINER

• 導入容器：docker import [OPTIONS] file|URL|- [REPOSITORY[:TAG]]

這裏鏡像可以簡單粗暴的理解爲系統安裝包，而容器可以理解爲虛擬系統。

容器是可以導入和導出的，也就是說配置好了一個自己滿意的容器後可以導出，之後每次需要乾淨的新系統環境之後都可以導入這個，就有一個符合自己需要的乾淨系統了。

docker 的啓動使用 docker run [OPTIONS] IMAGE [COMMAND] [ARG…] 命令，例如：

docker run -it -p 8022:22 --ipc host --name docker_example --gpus all -v ~/work:/work tensorflow/tensorflow:latest-gpu-py3-jupyter /bin/bash

• -i 表示 Allocate a pseudo-tty

• -t 表示 Keep STDIN open even if not attached

• -p 表示對端口號進行映射，即將 docker 容器的 22 號端口映射到宿主機的 8022 端口，這樣設置的目的是方便後續使用 VSCode 連接容器，可以根據需要進行設置

• -ipc host 的目的是爲了增加主機與容器共享內存用的，如果這個參數報錯，還可以採用–shm-size參數[1]

• -name docker_example 是將容器命名爲 docker_example，docker 有長id、短id、name三個標識，如果不指定名稱則會隨機名稱

• -gpus all 是使用全部宿主機 GPU，這裏的設置可以參考 nvidia-docker 的 Usage 具體設置使用哪個卡

• -v ~/work:/work 是將宿主機的 ~/work 目錄映射到容器的 /work 目錄，方便主機和宿主機間共享數據，這裏的 -v 是 volumes 的意思，而這個共享是有兩種情況的，具體信息可以參考《 Use volumes 》

• tensorflow/tensorflow:latest-gpu-py3-jupyter 是指定使用的鏡像版本，這裏的版本可以在 docker-hub 查到

docker 的鏡像爲了減小體積會精簡掉很多內容，比如剛剛這個機遇 Ubuntu 的 tensorflow/tensorflow 就沒有 vim、locate、man手冊等等，有需要的可以自行安裝。

docker 容器啓動後可以使用exit退出，而如果使用 -d 模式的話會將 docker 放在後臺，此時可以通過 docker attach command 進入容器。

docker 容器關閉後，可以使用 Usage: docker start [OPTIONS] CONTAINER [CONTAINER…] 命令啓動容器，此時不能再用 docker run。

nvidia-docker 的安裝使用說明中還出現了 -rm 參數，此參數默認則爲 false，當使用此參數時會在退出容器時自動清理容器。

如果在 docker 的使用時遇到了用戶問題，還可以考慮在 docker run 的時候增加 -u 參數設置登錄用戶。

如果想修改已有容器的部分參數（如 -v 的目錄映射），可以參考 《docker-修改容器的掛載目錄三種方式》進行修改。

需要注意 ：當 attach 到 docker 服務後，看到的輸出是同樣的，如果需要同時開啓多個窗口可以考慮：

• 按照下文方法配置並啓動 ssh 服務，這樣就通過 xshell 等方式遠程登錄

• 使用 screen 或者 tmux 等終端複用工具，這兩個工具以類似 session-windows-pane 的方式複用窗口

• 同時還可以通過 screen 或者 tmux 起到程序後臺運行的作用，參考：Linux 技巧：讓進程在後臺運行更可靠的幾種方法

TensorFlow Docker

以 TensorFlow 爲例，參考 TensorFlow Docker

先抄下介紹：

Docker 使用容器創建虛擬環境，以便將 TensorFlow 安裝與系統的其餘部分隔離開來。TensorFlow 程序在此虛擬環境中運行，該環境能夠與其主機共享資源（訪問目錄、使用 GPU、連接到互聯網等）。系統會針對每個版本測試 TensorFlow Docker 映像。

Docker 是在 Linux 上啓用 TensorFlow GPU 支持的最簡單方法，因爲只需在主機上安裝 NVIDIA® GPU 驅動程序（無需安裝 NVIDIA® CUDA® 工具包）

可以看出 TensorFlow 官方還是很支持使用 docker 方法的，官方也會發布每個版本經測試的 TensorFlow Docker 鏡像，而且 docker 是 Linux 上啓用 TensorFlow GPU 支持的最簡單方法，直接使用官方打好的鏡像，避免我們這些渣渣到處去提“tensorflow gpu 如何配置”這種低級問題。

TensorFlow Docker 要求在本地主機上安裝 Docker，如果需要在 Linux 上啓用 GPU 支持，請安裝 nvidia-docker

注意：要在沒有 sudo 的情況下運行 docker 命令，請創建 docker 組並添加用戶。有關詳情，請參閱針對 Linux 的安裝後步驟。

是使用 TensorFlow Docker 首先要拉取官方鏡像，鏡像位於 tensorflow/tensorflow，是基於 Ubuntu 的，映像版本按照以下格式進行標記：

• latest ：TensorFlow CPU 二進制映像的最新版本，默認項

• nightly ：TensorFlow 映像的每夜版 （不穩定）

• version ：指定 TensorFlow 二進制映像的版本，例如：1.13.1

• devel ：TensorFlow master 開發環境的每夜版。包含 TensorFlow 源代碼

每個基本標記都有用於添加或更改功能的變體：

• tag-gpu：支持 GPU 的指定標記版本

• tag-py3：支持 Python 3 的指定標記版本

• tag-jupyter：帶有 Jupyter 的指定標記版本

例如 tensorflow/tensorflow:latest-gpu-py3-jupyter 表示最新版(latest）、帶GPU支持(-gpu)、基於Python3(-py3)、含 jupyter （-jupyter)

需要注意的是並非所有版本都包含這些，例如 tensorflow 1.12.0 並沒有 jupyter 項，具體鏡像可以通過 tensorflow/tensorflow/tags 搜索查詢

選定好版本後可以通過docker pull [OPTIONS] NAME[:TAG|@DIGEST] 拉取鏡像到本地

• 例如 docker pull tensorflow/tensorflow:latest-gpu-jupyter 即爲拉取基於py2的最新版TensorFlow，帶 gpu 和 jupyter

• 實際使用 docker run 命令時如果本地沒有對應鏡像則會自動拉取

拉取鏡像（或者不拉取也行）後，可以通過上文介紹過的 docker run命令啓動容器

• 例如 TensorFlow：docker run -it tensorflow/tensorflow bash，其餘容器名稱、目錄映射、端口映射等設置項可以參考上文

• 如果需要啓用 gpu 支持需要使用–gpus all 命令，其中 all 爲使用所有 gpu，具體設置參考 《Usage》

習慣使用 jupyter notebook 的同學可以參考官方設置啓用 jupyter notebook，例如

docker run -it -p 8888:8888 tensorflow/tensorflow:latest-gpu-jupyter

但我不習慣使用 jupyter notebook，所以沒有認真測試過是否好用。

容器系統配置

配置 SSH服務

此部分參考 [1] 以及 [2]，之所以配置 ssh 是爲了能夠在啓動容器後可通過 ssh 連接，也是爲了後續能夠通過 VSCode 進行遠程連接。

然而似乎在 docker 中不應該啓用 ssh 服務，並且 VSCode 似乎也是可以直接通過 docker 容器遠程連接[3]，因此此處只是介紹方法，具體如何使用還需自行判斷。

apt update
apt install -y openssh-server
mkdir /var/run/sshd
echo 'root:passwd' | mypasswd
sed -i 's/PermitRootLogin prohibit-password/PermitRootLogin yes/' /etc/ssh/sshd_config
sed 's@session\s*required\s*pam_loginuid.so@session optional pam_loginuid.so@g' -i /etc/pam.d/sshd
echo "export VISIBLE=now" >> /etc/profile
service ssh restart

此處第 4 行設置了容器的 root 用戶登錄密碼爲 mypasswd，第 5 行修改了 ssh 的設置爲可以通過密碼登錄。

需要注意的是，根據 [2] 的回覆中的記錄看，似乎第 5 行可能有問題，導致密碼依舊無法登錄，如有問題可以自行查閱 ssh 配置文檔進行修改。

當然此處更推薦的方式是參考 [4] 中的方式生成 ssh-key，並將 ssh-key 加入容器系統的 /root/.ssh/authorized_keys，這樣可以實現免密登錄，減少了每次登錄輸入密碼的麻煩。

還需要注意的是每次停用 docker 的時候 ssh 服務會關閉，再次使用時候需要再次啓用 ssh 服務，這樣也間接避免了容器內 ssh 服務在不使用時開啓的問題。

配置 oh-my-zsh

Oh-My-Zsh 是一款基於 zsh 的命令行工具，可以說是一種生活方式，而我大概更多是因爲莫名的覺得 oh-my-zsh看起來有點像orz（笑）。

不過也有很多人不習慣使用 zsh，而是更喜歡系統的 bash，因此此處只是介紹下 oh-my-zsh 的配置，使用與否自行決定。

oh-my-zsh 的官方網站是[ohmyzsh]，使用文檔可以參考 wiki。

首先需要 安裝zsh。並將 zsh 設置爲默認shell，此處可能會設置失敗，參考：zsh default without chsh

之後需要安裝 ohmyzsh，需要注意的是必須已安裝 curl 或者 wget 以及 git，安裝方式由以下三種：

• via curl：sh -c "$(curl -fsSL https://raw.github.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

• via wget：sh -c "$(wget -O- -https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh)"

• curl -Lo install.sh https://raw.githubusercontent.com/ohmyzsh/ohmyzsh/master/tools/install.sh && sh install.sh

安裝好 ohmyzsh 之後可以設置下主題和插件

插件比較值得推薦的是 zsh-syntax-highlighting，安裝方式參考 How to install，在 ohmyzsh 中可以直接通過命令安裝

git clone https://github.com/zsh-users/zsh-syntax-highlighting.git ${ZSH_CUSTOM:-~/.oh-my-zsh/custom}/plugins/zsh-syntax-highlighting

安裝插件之後運行 plugins=( [plugins…] zsh-syntax-highlighting) 啓動插件。

ohmyzsh的插件和主題及按鍵映射等配置項都在 ~/.zshrc 中，其中

• ZSH_THEME=“ys”：設置主題，主題可以參考 Themes

• 可以像 oh my zsh 哪些主題比較好看、有特點？ 中的回一樣答使用獨(喪)樹(心)一(病)幟(狂)的’random’—— 使用 random 主題的 ohmyzsh 就像一盒巧克力，你永遠不知道下一詞打開會給你帶來什麼樣的主題

• 需要注意的是部分主題需要使用 Powerline fonts ，需要自行安裝字體才能正確顯示各種圖標

• plugins=(git z zsh-syntax-highlighting)：用來設置啓用的插件，插件可以參考 Plugins

• 部分插件如 zsh-syntax-highlighting 需要單獨安裝，詳細信息參考具體插件

• 小鍵盤按鍵映射問題：如果遇到小鍵盤數字鍵無法使用的問題可以參考 Num Pad can’t input #4916 設置按鍵映射

配置 VSCode

上文已經介紹瞭如何使用 docker 創建一個屬於自己的丹爐，那麼下一步就是使用這個丹爐煉丹了。習慣使用 jupyter notebook 的同學可以參考官方設置啓用 jupyter notebook，或者參考[5]，但我沒有具體測試過。接下來要參考 [3] 及 [4] 中方法介紹 VSCode 遠程煉丹方法。

PS：以下介紹實際上並不基於 docker，而是在 docker 容器內啓用 ssh 服務後的 VSCode 的通用方法。也就是說對於非 docker 情況，只要能用 ssh 連接則是通用的。

PPS：貌似這種用 ssh 連接 docker 容器的方式比較不符合 docker 理念，而 VSCode Remote 提供了直連容器的方法 [Developing inside a Container]，但我目前還沒研究明白…有精通此道的同學請指點下我，或者等我自行領悟後也有可能更新下此文。

爲何選擇 VSCode

VSCode 作爲宇宙第一IDE—— Visual Studio 的兄弟，目標自然是宇宙第一編輯器（Vim、Emacs：嗯？）。

從多年前剛剛發佈時不支持插件的版本開始，VSCode 的市場份額在逐步擴張。

關於 VSCode 能夠成功的原因可以參考下：Visual Studio Code 可以翻盤成功主要是因爲什麼？我這裏說明下我選擇 VSCode 的原因吧。

如果有人問寫 Python 最好的工具是什麼，那我一定毫不猶豫的說 Pycharm；而 C++ IDE 則必須是前文提到的 VS。但是很多時候我要面對的不僅僅是 Python，作爲一個打雜的，C++、Python、Shell 都是常用的，在一些情況下 Java、Perl 也是要會一點的，偶爾做個 Demo 的話 Html 也是需要了解一二的，在更偶爾的情況下世界上最好的語言 PHP 也要能看能改的，面對這種複雜環境，我覺得還是 VSCode 這種能試用不同場景的編輯器比較符合我的需求。

還有就是 VSCode 還能遠程連接服務器，頭文件依賴庫都是直接基於服務器內環境，跳轉、查閱都方便。當然 Pycharm 和 VS 也提供遠程開發——但那不是收費的嘛。

不過 VSCode 也存在它的侷限性，畢竟有些時候臨時使用線上機器或者他人機器，不可能在每臺機器上都配置VSCode，這時還是要靠 Vim 的。總體而言很多開發工作是可以轉移到 VSCode 進行的。

VSCode 安裝及配置

沒啥好說的，看看 官方網站 。而 VSCode 的常用介紹及配置介紹可以參考下 [6] 和 [7] 及其他網上能搜到的相關文章。這裏說幾個我覺得需要注意的地方

• VSCode 更新速度還是很快的，而一些博客的方案介紹是基於比較早期的版本。比如一些方案介紹的是使用 sftp 同步代碼，但是現在 VSCode 已經支持遠程開發，sftp 的方式變得意義不大。因此最好還是多看看官方文檔，自行判斷需求。

• VSCode 的設置是以 Json 方式寫到 setting.json 中的，而且區分本地和遠程的，可以根據實際需要爲不同項目編寫不同的設置

• 很多公司爲了安全會採用跳板機/堡壘機的方式連接服務器，在需要進行遠程調整時的 VSCode 配置可以嘗試參考 [8]（因爲我暫時不需要，因此沒有認真進行測試）

VSCode 訪問 Docker 容器

VSCode 的 Remote Development 配置可以參考官方文旦 [Remote development over SSH]，也可以參考 [4]，其中比較需要注意的地方就是 ssh-key 的生成，當然這裏 ssh-key 的應用場景不僅僅是 VSCode。

在按照上文提到的方式在 docker 容器中啓用 ssh 服務後，自然也可以通過 VSCode 的 Remote Development 以 SSH 方式訪問 docker 容器，需要注意的一點是此時 VSCode 的 ssh 配置時要增加 Port 參數，例如

Host TestServer
  HostName ${ip}
  User root
  Port 8022

其中 ${ip} 爲遠程服務器 ip 地址， Port 則爲之前在使用 ‘docker run’ 命令時使用’-p’參數設置的轉發端口。也就是說使用 8022 端口連接，而這個連接會轉發到容器的 22 號端口（默認ssh端口）。因此如果在 ‘docker run’ 時沒指定端口轉發的話，就不能以此方式連接容器。

VSCode 擴展推薦

VSCode 的一個強大之處就在於豐富的擴展——特別是一些官方支持的擴展。前文提到的 Remote Development 就是微軟官方提供的遠程開發擴展集合。

網絡上現在也有很多 VSCode 擴展的推薦，但普遍是前端偏多，畢竟 VSCode 實屬前端神器。而以下會介紹一些我日常使用的擴展，我的目標是把 VSCode 打造成打雜神器。

VSCode 的擴展是有本地安裝和需要遠程安裝兩種情況的，本地安裝的擴展是指在使用 VSCode Remote Development 時不需要在服務器再安裝一遍的，而遠程安裝的是指需要在服務器再次安裝的，其中遠程安裝的擴展也可以使用本地的全局配置。

強烈推薦

• Code Spell Checker：據說大多數代碼 bug 是因爲拼寫錯誤，裝個拼寫檢查能夠減少拼寫錯誤…然後發現自己定義的各種縮寫命名也都被識別成錯誤拼寫

• GitLens：Git 高級擴展，文件歷史、行歷史等等功能，用 Git 的都應該裝一個，然而對 git 版本有要求，具體多少我忘了，反正 git 版本太低的是遺憾了

• koroFileHeader / vscode-fileheader：自動增加代碼文件頭部註釋，可以根據需要配置下要添加的內容，還能自動修改文件最新修改時間

• Path Autocomplete：在寫代碼時候自動目錄提示，通常寫代碼時候都會有個 src 目錄還有個 data 目錄，有時候在src時候需要指向 data 下的文件，用這個擴展可以避免手動一點點敲相對路徑

• Remote Development：包括 Remote - SSH、Remote-Containers、Remote-WSL 三個組件，堪稱神器

• Remote-SSH：通過 SSH 方式連接服務器或虛機，上文介紹的方法即依賴於這個擴展

• Remote-Containers：連接 docker 容器進行開發，然而還沒搞清具體用法…

• Remote-WSL：配合 Windows Subsystem for Linux (WSL) 使用，然而我沒用過這個…

• Resource Monitor：資源使用情況顯示，請對系統資源佔用有點 x 數
  

• Vim：Vim 擴展，適合習慣使用 Vim 的同學，然而我還是喜歡鼠標…

• Visual Studio IntelliCode：微軟官方 IntelliCode 擴展，支持 Python，需要在線下載對應 server，貌似現在在推廣這種使用模型進行提示的策略

主題圖標

• Community Material Theme：質感主題，VSCode 的主題似乎沒有 Atom 的漂亮，但是也是有挺多的，我比較喜歡這個

• Material Icon Theme：質感圖標，VSCode 也是支持各種圖標的

代碼高亮美化

• autoconf：提供 Autoconf M4 和 Automake files 的語法高亮，因爲平常接觸的 C++ 項目中就有使用 Autoconf 的，因此使用了這個擴展

• Beautify：javascript, JSON, CSS, Sass, 和 HTML 代碼格式化，下載量很高

• Better Comments：爲代碼註釋中的 TODOs 等信息提供代碼高亮

• Bracket Pair Colorizer：爲代碼中的括號對提供不同顏色的高亮，嗯，可能有些同學會覺得太浮誇了，但對我這種經常數括號的人還是挺方便的

• Log File Highlighter：日誌文件高亮，主要是針對 INFO、WARN、ERROR 高亮，方便查看日誌文件

• MATLAB：Matlab 腳本的高亮、代碼片段、代碼檢查功能

• Output Colorizer：爲 output/debug/extensions 面版以及 .log 文件提供高亮，剛剛發現這個似乎和 Log File Highlighter 有些重疊

• prototxt：prototxt 語法高亮，使用 caffe 時候用的… 然而現在都 tf/pytorch 了，caffe 也該功成身退了

• XML：XML 文件高亮…等等等功能

• YAML：YAML 文件高亮…等等等功能

C++ 語言擴展

• C/C++：微軟官方 C/C++ 擴展，支持 IntelliSense 和 debugging

在遠程開發時有些公用頭文件會默認安裝在系統目錄，使用這個擴展能夠方便的進行跳轉及查詢，感覺非常方便

• CMake Tools ：微軟官方 CMake 工具擴展，用於項目配置，當然如果像我這樣只想稍微修改下別人的 CMake 文件那可以試試有高亮的 CMake

• vscode-cudacpp：CUDA C++ 語法擴展，提供 cuda c++ 語法高亮、代碼片段功能，深度學習高級玩家應該會用到，我就是用高亮看看代碼

Docker 擴展

Docker：微軟官方 Docker 擴展，支持建立、管理docker容器，Dockerfile 編寫等功能，然而上文介紹的方式是基於 ssh 的，因此並未使用此擴展

Java 語言擴展

• Java Extension Pack：微軟官方 Java 擴展 Pack，可以通過這個擴展一鍵開關相關 Java 擴展

• Language Support for Java™ by Red Hat：Code Navigation、Auto Completion、Refactoring、Code Snippets

• Debugger for Java：微軟官方 Java debug 擴展

• Java Test Runner：Run & Debug JUnit/TestNG Test Cases

• Maven for Java

• Java Dependency Viewer：View Java projects, referenced libraries, resource files, packages, classes, and class members

Python 語言擴展

Python：微軟官方 Python 擴展，支持 Python2、3

• 支持 Python 解釋器的選擇，同樣支持 Python 虛擬環境，也就是說可以直接選擇 Python 環境作爲解釋器

• 支持 IntelliSense, linting, debugging, code navigation, code formatting, Jupyter notebook, refactoring, variable explorer, test explorer, snippets 等功能，Python 程序員必備

• IntelliSense 還可以考慮使用 Kite 或者 TabNine 什麼的

• linting 可以通過 “python.formatting.provider”: “autopep8”, 設置，還支持 yapf 和 black

• Jupyter notebook 的支持爲使用 docker 遠程煉丹提供了方便，效果類似於下圖，具體參考[Working with Jupyter Notebooks in Visual Studio Code]
  

• debugging 可以直接調用遠程 Python 環境進行 debug，圖下圖所示，最左邊紅箭頭指的地方是 debug 面板，上方紅色箭頭指的地方是局部變量，右方紅色箭頭指的是設置斷點的地方，具體參考 [Python debug configurations in Visual Studio Code]
  

• python snippets：一些 python 的代碼片段

• kite：Kite 的 VSCode 擴展，AI自動補全工具，不過我還是用的 Visual Studio IntelliCode，類似的還有 TabNine

Shell 腳本擴展

• Bash IDE：Shell 腳本跳轉、補全等等，基於 bash language server，需要 nodejs，所以屬於看需求使用

• shellman：Bash Scripting Snippet，適合我這種 Shell 二把刀，還有配套教程電子書 shellman ebook

版本管理擴展

• SVN：VSCode 的 SVN 擴展，可以查看下 svn 提交歷史，在使用時可以直接查看已修改代碼與原始代碼區別，推薦用 svn 的同學裝一個

• 其他擴展

Bookmarks：爲 VSCode 提供書籤功能，有書籤面板，不過書籤的位置和斷點是重疊的，不是點擊即添加還算有點遺憾

• Chinese (Simplified) ：簡體中文官翻包，然而我沒安裝，因爲受不了菜單中中英混雜的情況（該死的強迫症）

• Markdown All in One：Markdown 擴展，基本上 Markdown 需要的功能都支持了，寫個文檔挺方便的

• Partial Diff：任意兩段文本之間的 diff，在某些時候挺方便的其實

• Project Manager：VSCode 項目管理，可以方便在項目中進行切換，然而目前還不支持遠程項目…

• Settings Sync：VSCode 尚未支持配置同步是個遺憾，這個擴展通過 GitHub Gist 對配置進行同步，算是曲線救國吧

• Todo Tree：能夠吧代碼中的 Todo、Fixme 之類的在邊欄顯示，可以參考[9]，值得推薦
  

• 這個擴展使用 ripgrep 進行關鍵字搜索，在遇到目錄中有大文件時會佔用大量資源，可以通過 todo-tree.filtering.excludeGlobs把數據文件排除

偶爾用一用的擴展

• Ascii Tree Generator：生成類似下圖的 Ascii Tree，我覺得會有用到的時候，然而並沒有用過…
  

• Code Runner：國人寫的擴展，參考 [10]，下載量和評價都很高，支持多種語言的運行配置，不過我沒怎麼用過…

• Color Picker for VS Code：方便在 VSCode 中取色調色，下載量不低，但是評分不高，我也不常用

• Excel Viewer：CSV 文件的擴展，提供更好的查看模式

• Rainbow CSV：CSV 文件的擴展，分列高亮，偶爾需要查看 CSV 文件時候可以用一用

• Readme Pattern：README.md 模板，有 Bot, Hackathon, Minimal, Standard 四種，寫項目時候留個 README.md 是好習慣，然而不隨代碼更新的話就很坑了

• SFTP：VSCode 的 SFTP 的擴展，然而我更習慣 WinSCP

• Sort JSON objects：把 Json 文件排序，我裝這個擴展的目的就是把我的 VSCode 配置文件 sort 了一下（我這強迫症啊）

總結

以上用了 8000 來字介紹了一些 docker + vscode 的配置，然而大家可以我介紹的詳細程度看出來：沒錯，我就是來吹 VSCode 的（笑）。

言歸正傳，其實除了我這裏提到的 Docker 的方法外，其實 Python 的虛擬環境也是個很好的隔離選擇，可以用來配置不同版本的 python 解釋器。

最後祝大家都能配置好自己煉丹爐，不受別人的爐子干擾，也不干擾別人的爐子…

參考資料

1. VSCode+Docker: 打造最舒適的深度學習環境

2. PyCharm+Docker：打造最舒適的深度學習煉丹爐

3. 在 VS Code 中使用容器開發

4. 使用vscode進行遠程煉丹

5. 如何構建包含TensorFlow/Python3/Jupyter的Docker？

6. 萬字長文把 VSCode 打造成 C++ 開發利器

7. 如何讓 VS Code 更好用10倍？這裏有一份VS Code 新手指南

8. [VS Code]如何通過跳板機連接服務器進行遠程開發：Remote-SSH 篇

9. vscode 插件推薦 todo-tree

10. [VSCode插件推薦] Code Runner: 代碼一鍵運行，支持超過40種語言

ⓝ

MaiweiE-com|WeChat ID:Yida_Zhang2

推薦閱讀

（點擊標題可跳轉閱讀）

[1] 超讚的PyTorch資源大列表，GitHub標星9.4k+，中文版也上線了

[2] GitHub標星23k+，從零開始的深度學習實用教程 | PyTorch官方推薦

[3] TPU也能快速運行PyTorch，只需一行代碼安裝即可快速移植

[4] GitHub推出雲端IDE，幾秒完成開發環境配置，今後可以在瀏覽器裏使用VS Code了

[5] 有了這些珍藏的實用工具/學習網站，自學更快樂！

關注微信公衆號，內容首發於公衆號。

△微信掃一掃關注「邁微電子研發社」公衆號

知識星球：社羣旨在分享AI算法崗的秋招/春招準備攻略（含刷題）、面經和內推機會、學習路線、知識題庫等。

△掃碼加入「邁微電子研發社」學習輔導羣