从零开始的TensorFlow+VScode开发环境搭建的步骤（图⽂）
VScode不愧是⽤户数量上升最快的编辑器，界⾯华丽（当然，需要配合各种主题插件），⼗分容易上⼿且功能强⼤。之前⽤它写C++体验⼗分nice，现在需要学习tensorflow，⽽⼯欲善其事必先利其器，搭建⼀个舒服的开发环境是⾮常重要的第⼀步。
⽬标：在linux下从⽆到有，安装anaconde3, tensorflow, 配置vs code，直到可以运⾏⼀个tensorflow版hello world（实为mnist⼿写数据分类）。尽管有其他的安装tensorflow的⽅式，但使⽤anaconda安装最⽅便，⽽且在conda虚拟环境中安装不怕搞砸重来，反正是虚拟环境嘛。
安装Anaconda3
下载Anaconda
对国内⽤户来说，最快最⽅便的⽅式就是到清华镜像站上下载anaconda的安装包：
安装Anaconda
打开终端，cd到下载⽬录。下载得到的⽂件具有.sh后缀，显然是⼀个shell脚本，于是⽤bash命令执⾏它：
bash Anaconda3-5.3.1-Linux-x86_64.sh
以下除⾮特殊说明，命令均为在bash下执⾏。
注意这⾥的⽂件名可能与你下载的⽂件名字不同，务必换成⾃⼰下载的⽂件名。
安装过程中会有⼀些需要确认的问题，⼀路yes即可。
配置环境变量
安装程序会提⽰你将Anaconda加⼊$PATH，如果你没有加⼊，或忘记了⾃⼰是否选择了YES，那么需要配置环境变量。
⽤任意的编辑器打开.bashrc⽂件(需要sudo 权限才能编辑)，在⽂件末尾添加⼀⾏
export PATH="/home/lanhsi/anaconda3/bin:$PATH"
#注意，lanhsi是我的⽤户名，如果你也将Anaconda安装在默认位置，那么将lanhsi替换成你⾃⼰的⽤户名即可，否则需要将地址整个替换为anaconda的安装位置。
退出编辑器，执⾏
source ~/.bashrc
这条命令将重新载⼊你的bash配置，以使环境变量修改⽣效。
检验安装是否成功：
conda -V
如果像下图⼀样打印出conda版本号，说明安装成功。
安装VS CODE
实际上安装Anaconda时，安装程序会声称anaconda与微软具有合作关系，然后询问你是否要安装VS CODE，如果你在这⼀步没有选择安装VS CODE，那么就需要⾃⾏安装了。
由于linux各发⾏版的安装⽅式都不同，因此这⾥不详细描述安装过程了。对于我使⽤的ubuntu19.10来
说，从vs code官⽹下载.deb 包，然后终端运⾏
dpkg -i 包名.deb
即可
安装TENSORFLOW
⾸先，创建⼀个叫做tf的虚拟环境
conda create -n tf
然后，我们需要进⼊这个刚创建的tf环境中去安装tensorflow
source activate tf
#注：如要退出这个环境，只需要执⾏source deactivate tf
进⼊虚拟环境后，提⽰符会变化，显⽰你正处在的虚拟环境名字
让conda去安装tensorflow，以及tensorflow依赖的⼀⼤堆其他软件
conda install tensorflow
python安装教程非常详细过程⽐较漫长，可以先喝杯咖啡休息⼀下。
安装成功后，进⼊tf虚拟环境，进⼊python命令⾏，尝试导⼊tensorflow:
import tensorflow as tf
没有报错，那么说明tensorflow安装好了。
配置VSCODE
距离万事⼤吉只差⼀步了，只要在VS CODE中添加CONDA的环境，就能在VS CODE中⽅便的使⽤tensorflow了。
假定我们已经安装好了官⽅Python插件。打开VS CODE，点击⽂件->⾸选项，点击左侧列表中python旁边的⼩齿轮，选择配置扩展信息
到右边的配置选项autoComplete：extraPath，选择在settings.json中编辑
图中选中的三⾏是我们需要添加的信息。这⼏⾏中，第⼀⾏⾃定义了⼀个Python解释器，将其设置为anaconda带的python解释器；后⾯⼏⾏配置了Python⾃动补全的路径，相当于是include了这些⽬录中的⽂件，这样VS CODE就可以读取到tensorflow，⽅便⾃动补全。同样，记得将路径中的lanhsi换成你的⽤户名。
不要忘了在配置完成后，更换Python解释器为图中下拉清单的最后⼀个也就是在settings.json中设置的那个，相当于将运⾏环境更换为我们刚添加的conda虚拟环境。
创建⼀个py⽂件，内容为
import tensorflow as tf
mnist = tf.ist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = dels.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
modelpile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test,  y_test, verbose=2)
最后⼀步，在VSCODE的集成终端中运⾏这个⽂件。
如果配置成功，新建终端时，可以看到⾃动启动了conda 且进⼊了tf虚拟环境：
code runner插件更是可以⼀步直接运⾏⽂件，⾮常⽅便。
到此VS CODE下的TENSORFLOW环境就搭好了。万事开头难，⽽⼀个好的开头⼜是成功的⼀半，环境搭好后我们的项⽬就等于已经开发了⼀半了(笑）
到此这篇关于从零开始的TensorFlow+VScode开发环境搭建的步骤(图⽂)的⽂章就介绍到这了，更多相关TensorFlow VScode 环境搭建内容请搜索以前的⽂章或继续浏览下⾯的相关⽂章希望⼤家以后多多⽀持！

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。