一、环境准备

1. 安装 Anaconda

• 访问 Anaconda 官网 下载对应系统的安装包（Windows/macOS/Linux）；
• 安装时勾选「Add Anaconda to my PATH environment variable」（可选，方便终端调用），完成安装后重启终端。

2. 安装 VS Code

• 访问 VS Code 官网 下载安装；
• 打开 VS Code，在左侧扩展商店搜索并安装「Python」扩展（Microsoft 官方出品）。

二、创建并配置 Anaconda 环境

1. 创建独立 Python 环境

打开 Anaconda Prompt（Windows）或终端（macOS/Linux），执行以下命令创建名为 modelscope-env 的环境（Python 3.10 兼容性最佳）：

bash

运行

conda create -n modelscope-env python=3.10 -y

2. 激活环境

bash

运行

conda activate modelscope-env

成功标志：终端前缀从 (base) 变为 (modelscope-env)。

3. 安装 ModelScope SDK

使用阿里云镜像加速安装，避免网络问题：

bash

运行

pip install modelscope --no-cache-dir -i https://mirrors.aliyun.com/pypi/simple/

成功标志：终端输出 Successfully installed modelscope-x.x.x。

---

三、在 VS Code 中编写并运行代码

1. 配置 VS Code 解释器

• 打开 VS Code，点击「文件」→「打开文件夹」，选择一个空文件夹（如 D:\modelscope-demo）作为工作目录；
• 在工作目录中新建文件 test_dataset.py；
• 按下 Ctrl+Shift+P（Windows）或 Cmd+Shift+P（macOS），输入「Python: Select Interpreter」，选择 modelscope-env 环境的 Python 解释器。

2. 编写数据集加载代码

以车型分类.数据集为例将以下代码复制到 test_dataset.py 中：

python

运行

from modelscope.msdatasets import MsDataset

def load_car_brands_dataset():
    try:
        # 加载汽车品牌数据集
        print("正在加载数据集...")
        ds = MsDataset.load(
            'tany0699/carBrands50', 
            subset_name='default', 
            split='train'
        )
        
        # 遍历前3条数据验证
        print("\n✅ 数据集加载成功！前3条数据如下：")
        for idx, data in enumerate(ds):
            print(f"\n第 {idx+1} 条数据：")
            print(f"图片路径：{data.get('image')}")
            print(f"品牌标签：{data.get('label')}")
            if idx >= 2:
                break
        
        return ds
    
    except Exception as e:
        print(f"\n❌ 加载失败，错误信息：{e}")
        import traceback
        traceback.print_exc()
        return None

if __name__ == "__main__":
    load_car_brands_dataset()

3. 运行代码

• 点击 VS Code 右上角的「运行」按钮（三角形图标），或在终端执行：

  bash

  运行

  python test_dataset.py
  

• 成功输出示例：

  plaintext

  正在加载数据集...
  
  ✅ 数据集加载成功！前3条数据如下：
  
  第 1 条数据：
  图片路径：C:\Users\zhangye\.cache\modelscope\datasets\tany0699___car_brands50\default\images\0001.jpg
  品牌标签：audi
  
  第 2 条数据：
  图片路径：C:\Users\zhangye\.cache\modelscope\datasets\tany0699___car_brands50\default\images\0002.jpg
  品牌标签：bmw
  ...
  

---

四、常见问题解决方案

1. 报错 EnvironmentNameNotFound: Could not find conda environment: modelscope-env

• 原因：未创建目标环境；
• 解决：先执行「二、1」的 conda create 命令创建环境。

2. 报错 No module named 'modelscope'

• 原因：VS Code 解释器未选择 modelscope-env 环境；
• 解决：重新执行「三、1」的解释器选择步骤。

3. 安装依赖慢或超时

• 解决：使用阿里云镜像（见「二、3」），或配置 conda 镜像：

  bash

  运行

  conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  conda config --set show_channel_urls yes
  

4. 加载数据集提示「找不到数据集」

• 原因：数据集需要授权或网络问题；
• 解决：在代码开头添加魔搭登录逻辑：

  python

  运行

  from modelscope.hub import login
  # 登录魔搭（Token 从 https://www.modelscope.cn/usercenter/tokens 获取）
  login()
  

---

五、总结

1. 核心流程：用 Anaconda 创建独立环境 → 安装 ModelScope SDK → VS Code 配置解释器 → 编写并运行数据集加载代码；
2. 关键要点：使用独立 conda 环境避免依赖冲突，选择正确的 VS Code 解释器，用镜像源加速安装；
3. 验证标准：成功加载并打印数据集的图片路径和标签。

按照本教程操作，你将能快速上手 ModelScope SDK 的基础使用，后续可在此基础上探索模型训练、推理等更多功能。