centos vscode安装到指定目录_Docker+VSCode 配置属于自己的深度学习炼丹炉

最新推荐文章于 2024-05-28 11:29:44 发布

王信文

最新推荐文章于 2024-05-28 11:29:44 发布

阅读量203

点赞数

文章标签： centos vscode安装到指定目录

本文链接：https://blog.csdn.net/weixin_30695935/article/details/112163253

版权

本文介绍了如何使用Docker和VSCode配置个人的深度学习开发环境，主要涉及Docker的安装、NVIDIA-Docker的配置、VSCode的远程访问设置以及相关扩展推荐。通过Docker容器实现环境隔离，使用VSCode远程连接，实现灵活的代码管理和开发。文章还提及了VSCode的SSH服务配置和oh-my-zsh的安装，以及一系列VSCode插件的推荐，帮助提升开发效率。

摘要由CSDN通过智能技术生成

点击上方“AI有道”，选择“星标”公众号

重磅干货，第一时间送达

来自 | 知乎

作者 | 常庆丰

地址 | https://zhuanlan.zhihu.com/p/102385239

编辑 | 机器学习算法与自然语言处理

本文仅作学术分享，若侵权，请联系后台删文处理

Docker+VSCode配置属于自己的炼丹炉

序

之所以要写这么一篇介绍的文章，主要是因为作为一个打杂的算法工程师，在工作中需要使用远程服务器进行开发，然而远程服务器系统版更新缓慢，总有些代码跑不起来，让调包的我很难办。

另外工作中难免遇到共用开发机器的情况，如果把现在的算法工作称为炼丹，那服务器就是丹房，如果大家共用一个丹炉那总是会有配置不同的问题，因此最好的解决方式就是每个人用自己的丹炉。

基于以上原因，我整理了这么一篇配置，大体方案是基于 Docker + VSCode 配置属于个人的开发环境，还会涉及 VSCode 扩展等。

声明

首先要说明的是，由于个人才疏学浅，本文介绍的方案并不是理论上最优的方案，而且一些配置项也并不是必须或并不是适合所有人的，因此如果有同学想要参考的话建议首先完整阅读下各部分，有了整体的概念之后再根据自身需要参考配置。

其次本文各部分都参考了大量文档文章，我尽量给出了相关的参考链接，在此感谢原作者们。对于给出了具体参考链接的情况本文就不会对具体内容多做描述，还请看官查看相关参考文章。不论是本文还是相关参考资料都存在错误的可能，因此还需要阅读的各位根据自己遇到的情况进行调整，官方文档永远比二手博客文章更靠谱。

最后感谢各位(如果有)看官给本文贡献了点击量和浏览量…

Docker

首先要说 Docker 是什么

Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows 机器上，也可以实现虚拟化

以上是我抄的百科词条，总体意思看来是做了个内核容器虚拟化，也就是在真实系统的基础上又虚拟化了容器出来。类比的话可以类似于常用的虚拟机，但又不一样，容器开销上会小很多。这种虚拟容器适合用来制作可移植镜像发布应用，而我这里要用它来当做虚拟环境用，不知道算不算是一种浪费。

提到了Docker就要说到它的底层 LXC ，关于 LXC 和 Docker 的关系可以看看《请问docker与lxc是什么关系，有什么区别》。因为 LXC 是 Docker 的底层，所以也有人用 LXC 来达到共用机器隔离的目的，可以参考《为实验室建立公用GPU服务器》。不过本文还是介绍使用 Docker 的方法，就不多介绍 LXC 了。

知道了Docker 是什么了之后就要使用 Docker，需要说明的是最好参考 docker-docs (注：大家都看过廖雪峰老师的Python等系列博客吧，他在自己的博客里也表示“docker就看官方文档”)，一些中文资料如《菜鸟教程-Docker 教程》因为更新不及时可能会存在些问题，这里我是踩过坑的。

安装 Docker

以 CentOS7 + 社区版Docker 为例，CentOS7 中 Docker 的安装可以参考《Get Docker Engine - Community for CentOS》

首先 Docker 对系统环境有些要求，参考文档中《OS requirements 》部分，具体的说就是 CentOS7 以及 centos-extras repository 。

系统符合要求后可以卸载已有老版本 docker，参考《Uninstall old versions》部分，没装过的可以跳过了。

接下来的安装部分提供了三种安装方式，分别是常用的由repository安装、使用 RPM package 手动安装以及测试脚本安装，参考文档《Install Docker Engine - Community》部分，以下简单介绍下常用的安装方式：

第一步 SET UP THE REPOSITORY：

- 安装依赖包：sudo yum install -y yum-utils device-mapper-persistent-data lvm2
- 设置稳定源：sudo yum-config-manager --add-repo https://download.docker.com/linux/centos/docker-ce.repo

第二步就是安装 docker：sudo yum install docker-ce docker-ce-cli containerd.io，安装后docker并未自动启动

第三步就是启动 docker：sudo systemctl start docker

最后可以测试下docker 是否安装成功：sudo docker run hello-world，如果能够正确显示一些信息则安装成功
安装完之后如果想卸载了可以参考《Uninstall old versions》部分卸载 docker，但是卸载时候不会自动删除镜像和容器，需要记得手动删除。

安装NVIDIA-Docker

作为一个算法工程师，总归有用上 GPU 的时候，为了在 Linux 上启用 GPU 支持，需要安装 nvidia-docke。

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

要安装 nvidia-docker 首先要确保安装了 NVIDIA driver 和 Docker 19.03，其中驱动的链接已经给出了，没安装的自己安装下。

CentOS7下的 nvidia-docker 的安装可以参考《CentOS 7 (docker-ce), RHEL 7.4/7.5 (docker-ce), Amazon Linux 1/2》，使用说明可以参考《Usage》。

需要注意的是在 Usage 里已经使用 --gpus 参数，而后续的 TensorFlows 的 docker 中文教程中还在使用已废弃 --runtime=nvidia参数，需要记得替换成--gpus。

安装好之后可以使用命令 docker run --gpus all,capabilities=utility nvidia/cuda:9.0-base nvidia-smi 测试下。

Docker 的使用

docker的使用真的是参考 docker-docs 就好了，这里只说几个和后文有关及常用的。

首先是一些查看镜像(image)和容器(container)的命令：

列出本机的所有 image 文件：docker image ls
删除 image 文件：docker image rm [imageName]
列出本机正在运行的容器：docker container ls -l
列出本机所有容器，包括终止运行的容器：docker container ls -l --all
删除容器文件：docker container rm [containerID]
导出容器：docker export [OPTIONS] CONTAINER
导入容器：docker import [OPTIONS] file|URL|- [REPOSITORY[:TAG]]

这里镜像可以简单粗暴的理解为系统安装包，而容器可以理解为虚拟系统。

容器是可以导入和导出的，也就是说配置好了一个自己满意的容器后可以导出，之后每次需要干净的新系统环境之后都可以导入这个，就有一个符合自己需要的干净系统了。

docker 的启动使用 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 表示对端口号进行映射，即将 docker 容器的 22 号端口映射到宿主机的 8022 端口，这样设置的目的是方便后续使用 VSCode 连接容器，可以根据需要进行设置
-ipc host 的目的是为了增加主机与容器共享内存用的，如果这个参数报错，还可以采用--shm-size参数[1]
--name docker_example 是将容器命名为 docker_example，docker 有长id、短id、name三个标识，如果不指定名称则会随机名称
--gpus all 是使用全部宿主机 GPU，这里的设置可以参考 nvidia-docker 的 Usage 具体设置使用哪个卡
-v ~/work:/work 是将宿主机的 ~/work 目录映射到容器的 /work 目录，方便主机和宿主机间共享数据，这里的 -v 是 volumes 的意思，而这个共享是有两种情况的，具体信息可以参考《 Use volumes 》
tensorflow/tensorflow:latest-gpu-py3-jupyter 是指定使用的镜像版本，这里的版本可以在 docker-hub 查到

docker 的镜像为了减小体积会精简掉很多内容，比如刚刚这个机遇 Ubuntu 的 tensorflow/tensorflow 就没有 vim、locate、man手册等等，有需要的可以自行安装。

docker 容器启动后可以使用exit退出，而如果使用 -d 模式的话会将 docker 放在后台，此时可以通过 docker attach command 进入容器。

docker 容器关闭后，可以使用 Usage: docker start [OPTIONS] CONTAINER [CONTAINER...] 命令启动容器，此时不能再用 docker run。

nvidia-docker 的安装使用说明中还出现了 -rm 参数，此参数默认则为 false，当使用此参数时会在退出容器时自动清理容器。

如果在 docker 的使用时遇到了用户问题，还可以考虑在 docker run 的时候增加 -u 参数设置登录用户。

如果想修改已有容器的部分参数(如 -v 的目录映射)，可以参考《docker-修改容器的挂载目录三种方式》进行修改。

需要注意：当 attach 到 docker 服务后，看到的输出是同样的，如果需要同时开启多个窗口可以考虑：

按照下文方法配置并启动 ssh 服务，这样就通过 xshell 等方式远程登录
使用 screen 或者 tmux 等终端复用工具，这两个工具以类似 session-windows-pane 的方式复用窗口
同时还可以通过 screen 或者 tmux 起到程序后台运行的作用，参考：Linux 技巧：让进程在后台运行更可靠的几种方法

TensorFlow Docker

以 TensorFlow 为例，参考 TensorFlow Docker

先抄下介绍：

Docker 使用容器创建虚拟环境，以便将 TensorFlow 安装与系统的其余部分隔离开来。TensorFlow 程序在此虚拟环境中运行，该环境能够与其主机共享资源(访问目录、使用 GPU、连接到互联网等)。系统会针对每个版本测试 TensorFlow Docker 映像。
Docker 是在 Linux 上启用 TensorFlow GPU 支持的最简单方法，因为只需在主机上安装 NVIDIA® GPU 驱动程序(无需安装 NVIDIA® CUDA® 工具包)

可以看出 TensorFlow 官方还是很支持使用 docker 方法的，官方也会发布每个版本经测试的 TensorFlow Docker 镜像，而且 docker 是 Linux 上启用 TensorFlow GPU 支持的最简单方法，直接使用官方打好的镜像，避免我们这些渣渣到处去提“tensorflow gpu 如何配置”这种低级问题。

TensorFlow Docker 要求在本地主机上安装 Docker，如果需要在 Linux 上启用 GPU 支持，请安装 nvidia-docker

注意：要在没有 sudo 的情况下运行 docker 命令，请创建 docker 组并添加用户。有关详情，请参阅针对 Linux 的安装后步骤。

是使用 TensorFlow Docker 首先要拉取官方镜像，镜像位于 tensorflow/tensorflow，是基于 Ubuntu 的，映像版本按照以下格式进行标记：

latest ：TensorFlow CPU 二进制映像的最新版本，默认项
nightly ：TensorFlow 映像的每夜版 (不稳定)
version ：指定 TensorFlow 二进制映像的版本，例如：1.13.1
devel ：TensorFlow master 开发环境的每夜版。包含 TensorFlow 源代码

每个基本标记都有用于添加或更改功能的变体：

tag-gpu：支持 GPU 的指定标记版本
tag-py3：支持 Python 3 的指定标记版本
tag-jupyter：带有 Jupyter 的指定标记版本

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

需要注意的是并非所有版本都包含这些，例如 tensorflow 1.12.0 并没有 jupyter 项，具体镜像可以通过 tensorflow/tensorflow/tags 搜索查询

选定好版本后可以通过docker pull [OPTIONS] NAME[:TAG|@DIGEST] 拉取镜像到本地

例如 docker pull tensorflow/tensorflow:latest-gpu-jupyter 即为拉取基于py2的最新版TensorFlow，带 gpu 和 jupyter
实际使用 docker run 命令时如果本地没有对应镜像则会自动拉取

拉取镜像(或者不拉取也行)后，可以通过上文介绍过的 docker run命令启动容器

例如 TensorFlow：docker run -it tensorflow/tensorflow bash，其余容器名称、目录映射、端口映射等设置项可以参考上文
如果需要启用 gpu 支持需要使用--gpus all 命令，其中 all 为使用所有 gpu，具体设置参考《Usage》

习惯使用 jupyter notebook 的同学可以参考官方设置启用 jupyter notebook，例如

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

但我不习惯使用 jupyter notebook，所以没有认真测试过是否好用。

容器系统配置

配置 SSH服务

此部分参考 [1] 以及 [2]，之所以配置 ssh 是为了能够在启动容器后可通过 ssh 连接，也是为了后续能够通过 VSCode 进行远程连接。

然而似乎在 docker 中不应该启用 ssh 服务，并且 VSCode 似乎也是可以直接通过 docker 容器远程连接[3]，因此此处只是介绍方法，具体如何使用还需自行判断。

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

此处第 4 行设置了容器的 root 用户登录密码为 mypasswd，第 5 行修改了 ssh 的设置为可以通过密码登录。

需要注意的是，根据 [2] 的回复中的记录看，似乎第 5 行可能有问题，导致密码依旧无法登录，如有问题可以自行查阅 ssh 配置文档进行修改。

当然此处更推荐的方式是参考 [4] 中的方式生成 ssh-key，并将 ssh-key 加入容器系统的 /root/.ssh/authorized_keys，这样可以实现免密登录，减少了每次登录输入密码的麻烦。

还需要注意的是每次停用 docker 的时候 ssh 服务会关闭，再次使用时候需要再次启用 ssh 服务，这样也间接避免了容器内 ssh 服务在不使用时开启的问题。

配置 oh-my-zsh

Oh-My-Zsh 是一款基于 zsh 的命令行工具，可以说是一种生活方式，而我大概更多是因为莫名的觉得 oh-my-zsh看起来有点像orz(笑)。

不过也有很多人不习惯使用 zsh，而是更喜欢系统的 bash，因此此处只是介绍下 oh-my-zsh 的配置，使用与否自行决定。

oh-my-zsh 的官方网站是[ohmyzsh]，使用文档可以参考 wiki。

首先需要安装zsh。并将 zsh 设置为默认shell，此处可能会设置失败，参考：zsh default without chsh

之后需要安装 ohmyzsh，需要注意的是必须已安装 curl 或者 wget 以及 git，安装方式由以下三种：

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

安装好 ohmyzsh 之后可以设置下主题和插件

插件比较值得推荐的是 zsh-syntax-highlighting，安装方式参考 How to install，在 ohmyzsh 中可以直接通过命令安装

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

安装插件之后运行 plugins=( [plugins...] zsh-syntax-highlighting) 启动插件。

ohmyzsh的插件和主题及按键映射等配置项都在 ~/.zshrc 中，其中

ZSH_THEME="ys"：设置主题，主题可以参考 Themes
可以像 oh my zsh 哪些主题比较好看、有特点？中的回一样答使用独(丧)树(心)一(病)帜(狂)的'random'—— 使用 random 主题的 ohmyzsh 就像一盒巧克力，你永远不知道下一词打开会给你带来什么样的主题
需要注意的是部分主题需要使用 Powerline fonts ，需要自行安装字体才能正确显示各种图标
plugins=(git z zsh-syntax-highlighting)：用来设置启用的插件，插件可以参考 Plugins
部分插件如 zsh-syntax-highlighting 需要单独安装，详细信息参考具体插件
小键盘按键映射问题：如果遇到小键盘数字键无法使用的问题可以参考 Num Pad can't input #4916 设置按键映射

配置 VSCode

上文已经介绍了如何使用 docker 创建一个属于自己的丹炉，那么下一步就是使用这个丹炉炼丹了。习惯使用 jupyter notebook 的同学可以参考官方设置启用 jupyter notebook，或者参考[5]，但我没有具体测试过。接下来要参考 [3] 及 [4] 中方法介绍 VSCode 远程炼丹方法。

PS：以下介绍实际上并不基于 docker，而是在 docker 容器内启用 ssh 服务后的 VSCode 的通用方法。也就是说对于非 docker 情况，只要能用 ssh 连接则是通用的。

PPS：貌似这种用 ssh 连接 docker 容器的方式比较不符合 docker 理念，而 VSCode Remote 提供了直连容器的方法 [Developing inside a Container]，但我目前还没研究明白…有精通此道的同学请指点下我，或者等我自行领悟后也有可能更新下此文。

为何选择 VSCode

VSCode 作为宇宙第一IDE—— Visual Studio 的兄弟，目标自然是宇宙第一编辑器(Vim、Emacs：嗯？)。

从多年前刚刚发布时不支持插件的版本开始，VSCode 的市场份额在逐步扩张。

关于 VSCode 能够成功的原因可以参考下：Visual Studio Code 可以翻盘成功主要是因为什么？我这里说明下我选择 VSCode 的原因吧。

如果有人问写 Python 最好的工具是什么，那我一定毫不犹豫的说 Pycharm；而 C++ IDE 则必须是前文提到的 VS。但是很多时候我要面对的不仅仅是 Python，作为一个打杂的，C++、Python、Shell 都是常用的，在一些情况下 Java、Perl 也是要会一点的，偶尔做个 Demo 的话 Html 也是需要了解一二的，在更偶尔的情况下世界上最好的语言 PHP 也要能看能改的，面对这种复杂环境，我觉得还是 VSCode 这种能试用不同场景的编辑器比较符合我的需求。

还有就是 VSCode 还能远程连接服务器，头文件依赖库都是直接基于服务器内环境，跳转、查阅都方便。当然 Pycharm 和 VS 也提供远程开发——但那不是收费的嘛。

不过 VSCode 也存在它的局限性，毕竟有些时候临时使用线上机器或者他人机器，不可能在每台机器上都配置VSCode，这时还是要靠 Vim 的。总体而言很多开发工作是可以转移到 VSCode 进行的。

VSCode 安装及配置

没啥好说的，看看官方网站。而 VSCode 的常用介绍及配置介绍可以参考下 [6] 和 [7] 及其他网上能搜到的相关文章。这里说几个我觉得需要注意的地方

VSCode 更新速度还是很快的，而一些博客的方案介绍是基于比较早期的版本。比如一些方案介绍的是使用 sftp 同步代码，但是现在 VSCode 已经支持远程开发，sftp 的方式变得意义不大。因此最好还是多看看官方文档，自行判断需求。
VSCode 的设置是以 Json 方式写到 setting.json 中的，而且区分本地和远程的，可以根据实际需要为不同项目编写不同的设置
很多公司为了安全会采用跳板机/堡垒机的方式连接服务器，在需要进行远程调整时的 VSCode 配置可以尝试参考 [8](因为我暂时不需要，因此没有认真进行测试)

VSCode 访问 Docker 容器

VSCode 的 Remote Development 配置可以参考官方文旦 [Remote development over SSH]，也可以参考 [4]，其中比较需要注意的地方就是 ssh-key 的生成，当然这里 ssh-key 的应用场景不仅仅是 VSCode。

在按照上文提到的方式在 docker 容器中启用 ssh 服务后，自然也可以通过 VSCode 的 Remote Development 以 SSH 方式访问 docker 容器，需要注意的一点是此时 VSCode 的 ssh 配置时要增加 Port 参数，例如

Host TestServer
  HostName ${ip}
  User root
  Port 8022

其中 ${ip} 为远程服务器 ip 地址， Port 则为之前在使用 'docker run' 命令时使用'-p'参数设置的转发端口。也就是说使用 8022 端口连接，而这个连接会转发到容器的 22 号端口(默认ssh端口)。因此如果在 'docker run' 时没指定端口转发的话，就不能以此方式连接容器。

VSCode 扩展推荐

VSCode 的一个强大之处就在于丰富的扩展——特别是一些官方支持的扩展。前文提到的 Remote Development 就是微软官方提供的远程开发扩展集合。

网络上现在也有很多 VSCode 扩展的推荐，但普遍是前端偏多，毕竟 VSCode 实属前端神器。而以下会介绍一些我日常使用的扩展，我的目标是把 VSCode 打造成打杂神器。

VSCode 的扩展是有本地安装和需要远程安装两种情况的，本地安装的扩展是指在使用 VSCode Remote Development 时不需要在服务器再安装一遍的，而远程安装的是指需要在服务器再次安装的，其中远程安装的扩展也可以使用本地的全局配置。

强烈推荐

Code Spell Checker：据说大多数代码 bug 是因为拼写错误，装个拼写检查能够减少拼写错误…然后发现自己定义的各种缩写命名也都被识别成错误拼写
GitLens：Git 高级扩展，文件历史、行历史等等功能，用 Git 的都应该装一个，然而对 git 版本有要求，具体多少我忘了，反正 git 版本太低的是遗憾了
koroFileHeader / vscode-fileheader：自动增加代码文件头部注释，可以根据需要配置下要添加的内容，还能自动修改文件最新修改时间
Path Autocomplete：在写代码时候自动目录提示，通常写代码时候都会有个 src 目录还有个 data 目录，有时候在src时候需要指向 data 下的文件，用这个扩展可以避免手动一点点敲相对路径
Remote Development：包括 Remote - SSH、Remote-Containers、Remote-WSL 三个组件，堪称神器
- Remote-SSH：通过 SSH 方式连接服务器或虚机，上文介绍的方法即依赖于这个扩展
- Remote-Containers：连接 docker 容器进行开发，然而还没搞清具体用法…
- Remote-WSL：配合 Windows Subsystem for Linux (WSL) 使用，然而我没用过这个…
Resource Monitor：资源使用情况显示，请对系统资源占用有点 x 数

Vim：Vim 扩展，适合习惯使用 Vim 的同学，然而我还是喜欢鼠标…
Visual Studio IntelliCode：微软官方 IntelliCode 扩展，支持 Python，需要在线下载对应 server，貌似现在在推广这种使用模型进行提示的策略

主题图标

Community Material Theme：质感主题，VSCode 的主题似乎没有 Atom 的漂亮，但是也是有挺多的，我比较喜欢这个
Material Icon Theme：质感图标，VSCode 也是支持各种图标的

代码高亮美化

autoconf：提供 Autoconf M4 和 Automake files 的语法高亮，因为平常接触的 C++ 项目中就有使用 Autoconf 的，因此使用了这个扩展
Beautify：javascript, JSON, CSS, Sass, 和 HTML 代码格式化，下载量很高
Better Comments：为代码注释中的 TODOs 等信息提供代码高亮
Bracket Pair Colorizer：为代码中的括号对提供不同颜色的高亮，嗯，可能有些同学会觉得太浮夸了，但对我这种经常数括号的人还是挺方便的
Log File Highlighter：日志文件高亮，主要是针对 INFO、WARN、ERROR 高亮，方便查看日志文件
MATLAB：Matlab 脚本的高亮、代码片段、代码检查功能
Output Colorizer：为 output/debug/extensions 面版以及 .log 文件提供高亮，刚刚发现这个似乎和 Log File Highlighter 有些重叠
prototxt：prototxt 语法高亮，使用 caffe 时候用的… 然而现在都 tf/pytorch 了，caffe 也该功成身退了
XML：XML 文件高亮…等等等功能
YAML：YAML 文件高亮…等等等功能

C++ 语言扩展

C/C++：微软官方 C/C++ 扩展，支持 IntelliSense 和 debugging
- 在远程开发时有些公用头文件会默认安装在系统目录，使用这个扩展能够方便的进行跳转及查询，感觉非常方便
CMake Tools ：微软官方 CMake 工具扩展，用于项目配置，当然如果像我这样只想稍微修改下别人的 CMake 文件那可以试试有高亮的 CMake
vscode-cudacpp：CUDA C++ 语法扩展，提供 cuda c++ 语法高亮、代码片段功能，深度学习高级玩家应该会用到，我就是用高亮看看代码

Docker 扩展

Docker：微软官方 Docker 扩展，支持建立、管理docker容器，Dockerfile 编写等功能，然而上文介绍的方式是基于 ssh 的，因此并未使用此扩展

Java 语言扩展

Java Extension Pack：微软官方 Java 扩展 Pack，可以通过这个扩展一键开关相关 Java 扩展
Language Support for Java™ by Red Hat：Code Navigation、Auto Completion、Refactoring、Code Snippets
Debugger for Java：微软官方 Java debug 扩展
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 语言扩展

Python：微软官方 Python 扩展，支持 Python2、3
- 支持 Python 解释器的选择，同样支持 Python 虚拟环境，也就是说可以直接选择 Python 环境作为解释器

- 支持 IntelliSense, linting, debugging, code navigation, code formatting, Jupyter notebook, refactoring, variable explorer, test explorer, snippets 等功能，Python 程序员必备
- IntelliSense 还可以考虑使用 Kite 或者 TabNine 什么的
- linting 可以通过 "python.formatting.provider": "autopep8", 设置，还支持 yapf 和 black
- Jupyter notebook 的支持为使用 docker 远程炼丹提供了方便，效果类似于下图，具体参考[Working with Jupyter Notebooks in Visual Studio Code]

- debugging 可以直接调用远程 Python 环境进行 debug，图下图所示，最左边红箭头指的地方是 debug 面板，上方红色箭头指的地方是局部变量，右方红色箭头指的是设置断点的地方，具体参考 [Python debug configurations in Visual Studio Code]

python snippets：一些 python 的代码片段
kite：Kite 的 VSCode 扩展，AI自动补全工具，不过我还是用的 Visual Studio IntelliCode，类似的还有 TabNine

Shell 脚本扩展

Bash IDE：Shell 脚本跳转、补全等等，基于 bash language server，需要 nodejs，所以属于看需求使用
shellman：Bash Scripting Snippet，适合我这种 Shell 二把刀，还有配套教程电子书 shellman ebook

版本管理扩展

SVN：VSCode 的 SVN 扩展，可以查看下 svn 提交历史，在使用时可以直接查看已修改代码与原始代码区别，推荐用 svn 的同学装一个

其他扩展

Bookmarks：为 VSCode 提供书签功能，有书签面板，不过书签的位置和断点是重叠的，不是点击即添加还算有点遗憾
Chinese (Simplified) ：简体中文官翻包，然而我没安装，因为受不了菜单中中英混杂的情况(该死的强迫症)
Markdown All in One：Markdown 扩展，基本上 Markdown 需要的功能都支持了，写个文档挺方便的
Partial Diff：任意两段文本之间的 diff，在某些时候挺方便的其实
Project Manager：VSCode 项目管理，可以方便在项目中进行切换，然而目前还不支持远程项目…
Settings Sync：VSCode 尚未支持配置同步是个遗憾，这个扩展通过 GitHub Gist 对配置进行同步，算是曲线救国吧
Todo Tree：能够吧代码中的 Todo、Fixme 之类的在边栏显示，可以参考[9]，值得推荐

- 这个扩展使用 ripgrep 进行关键字搜索，在遇到目录中有大文件时会占用大量资源，可以通过 todo-tree.filtering.excludeGlobs把数据文件排除

偶尔用一用的扩展

Ascii Tree Generator：生成类似下图的 Ascii Tree，我觉得会有用到的时候，然而并没有用过…

Code Runner：国人写的扩展，参考 [10]，下载量和评价都很高，支持多种语言的运行配置，不过我没怎么用过…
Color Picker for VS Code：方便在 VSCode 中取色调色，下载量不低，但是评分不高，我也不常用
Excel Viewer：CSV 文件的扩展，提供更好的查看模式
Rainbow CSV：CSV 文件的扩展，分列高亮，偶尔需要查看 CSV 文件时候可以用一用
Readme Pattern：README.md 模板，有 Bot, Hackathon, Minimal, Standard 四种，写项目时候留个 README.md 是好习惯，然而不随代码更新的话就很坑了
SFTP：VSCode 的 SFTP 的扩展，然而我更习惯 WinSCP
Sort JSON objects：把 Json 文件排序，我装这个扩展的目的就是把我的 VSCode 配置文件 sort 了一下(我这强迫症啊)