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:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

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。

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

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

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

让conda去安装tensorflow,以及tensorflow依赖的一大堆其他软件

conda install tensorflow

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

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

找到右边的配置选项autoComplete:extraPath,选择在settings.json中编辑

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

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。

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

创建一个py文件,内容为

import tensorflow as tf
mnist = tf.keras.datasets.mnist

(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.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')
])


model.compile(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:

从零开始的TensorFlow+VScode开发环境搭建的步骤(图文)

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)

华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com