VSCode通过SSH连接GCP Vertex AI创建的VM时无法识别已安装Python包

问题根源 #

Vertex AI创建的托管VM默认将Jupyter运行环境封装在独立容器内，你通过SSH直接连接的是VM宿主机，宿主机的/opt/conda/lib/python3.7/site-packages和容器内的依赖目录相互独立，因此会出现浏览器端Jupyter正常、VSCode SSH连接后报ModuleNotFoundError的问题。

可行解决方案 #

方案1：VSCode直接附加到运行中的容器（最推荐） #

• 先SSH连接到Vertex AI VM宿主机，执行命令sudo docker ps，找到镜像名带jupyter或vertex-ai标识的运行中容器，记录容器ID
• 本地VSCode安装「Dev Containers」扩展，SSH连接到VM后，点击左下角远程连接图标，选择「附加到正在运行的容器」，选中上一步找到的Jupyter容器
• 连接容器成功后，选择容器内的Python解释器/opt/conda/bin/python3，此时打开的Jupyter Notebook会直接使用容器内的预装环境，nltk、spacy等包均可正常调用

方案2：修改Jupyter内核配置指向容器解释器 #

• 在VM宿主机执行mkdir -p ~/.local/share/jupyter/kernels/vertex-container创建自定义内核目录
• 在该目录下新建kernel.json文件，写入如下内容（替换<容器ID>为你实际的Jupyter容器ID）：

{
  "argv": [
    "docker",
    "exec",
    "-i",
    "<容器ID>",
    "/opt/conda/bin/python3",
    "-m",
    "ipykernel_launcher",
    "-f",
    "{connection_file}"
  ],
  "display_name": "Vertex 容器 Python 3",
  "language": "python"
}

• 重启VSCode后打开Jupyter Notebook，内核选择「Vertex 容器 Python 3」即可，无需单独连接容器
  注意：VM重启后容器ID会重置，可提前将Jupyter容器设置为固定名称，避免每次修改配置文件。

方案3：宿主机同步安装依赖（临时使用） #

• 进入容器导出依赖列表：docker exec <容器ID> pip freeze > requirements.txt
• 回到宿主机执行/opt/conda/bin/pip3 install -r requirements.txt，将容器内所有依赖安装到宿主机conda环境中，即可直接使用宿主机解释器调用对应包

内容的提问来源于stack exchange，提问作者Abhishek