VSCode运行TensorFlow需确保Python解释器、Jupyter内核和终端环境三者一致指向含TensorFlow的虚拟环境；否则import tensorflow会报ModuleNotFoundError。需通过“Python: Select Interpreter”选择正确环境，配置Code Runner使用${command:python.interpreterPath}，并在Jupyter中手动注册并选择对应ipykernel内核。
VSCode本身不直接“运行”TensorFlow代码，它靠绑定正确的Python解释器 + 执行Python文件来完成。关键不是点哪个按钮，而是解释器是否指向装了tensorflow的环境、当前工作目录和import tensorflow as tf是否能成功。
Python解释器必须选对，否则import tensorflow报错
很多人卡在ModuleNotFoundError: No module named 'tensorflow'，根本原因不是没装，是VSCode用的Python解释器不是你装tensorflow的那个。
- 按
Ctrl+Shift+P（Windows/Linux）或Cmd+Shift+P（macOS），输入Python: Select Interpreter - 从列表里选带
tf_env、dl_env或明确含site-packages/tensorflow路径的项；如果没出现，点Enter interpreter path...，手动找：~/venvs/tf_env/bin/python（macOS/Linux）或C:\Users\XXX\anaconda3\envs\tf_env\python.exe（Windows） - 确认右下角状态栏显示的路径与你激活虚拟环境后终端里
which python或where python输出一致 - 打开一个
.py文件，输入import tensorflow as tf; print(tf.__version__)，右键 →Run Python File in Terminal—— 这步必须成功，才算真正连通
code Runner插件默认不走VSCode选定的解释器
很多人装了Code Runner，点右上角三角形就报ModuleNotFoundError，因为它的默认执行命令是python，调用的是系统PATH里的Python，不是VSCode当前项目绑定的解释器。
- 打开设置（
Ctrl+,），搜索code-runner.executorMap - 找到
python对应的值，把它从"python -u"改成："${command:python.interpreterPath} -u" - 保存后重启VSCode，再点运行按钮，就会用当前选中的解释器了
- 或者干脆不用
Code Runner，右键 →Run Python File in Terminal更可靠，且自动继承VSCode的解释器和工作目录
Jupyter Notebook里跑TensorFlow，内核必须匹配
在.ipynb里写import tensorflow失败，常见原因是Notebook内核没切到装了tensorflow的环境，哪怕解释器选对了也没用。
- 打开Notebook后，看右上角内核名称（如
Python 3 (ipykernel)），点击它 - 选
Select Another Kernel→Existing Jupyter Kernel→ 找到名字含tf_env或dl_env的项；如果没有，说明该环境没注册Jupyter内核 - 在对应虚拟环境中运行：
python -m ipykernel install --user --name tf_env --display-name "Python (tf_env)" - 重启VSCode，再打开Notebook，就能看到新内核了
最容易被忽略的是：VSCode的Python解释器设置、Jupyter内核、终端里激活的环境，这三者必须指向同一个虚拟环境。三者不同步，import tensorflow 就永远在某个环节失败。
