VScode不愧是用戶數(shù)量上升最快的編輯器，界面華麗（當(dāng)然，需要配合各種主題插件），十分容易上手且功能強(qiáng)大。之前用它寫C++體驗(yàn)十分nice，現(xiàn)在需要學(xué)習(xí)tensorflow，而工欲善其事必先利其器，搭建一個舒服的開發(fā)環(huán)境是非常重要的第一步。

目標(biāo)：在linux下從無到有，安裝anaconde3, tensorflow, 配置vs code，直到可以運(yùn)行一個tensorflow版hello world（實(shí)為mnist手寫數(shù)據(jù)分類）。盡管有其他的安裝tensorflow的方式，但使用anaconda安裝最方便，而且在conda虛擬環(huán)境中安裝不怕搞砸重來，反正是虛擬環(huán)境嘛。

安裝Anaconda3

下載Anaconda

對國內(nèi)用戶來說，最快最方便的方式就是到清華鏡像站上下載anaconda的安裝包：

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

安裝Anaconda

打開終端，cd到下載目錄。下載得到的文件具有.sh后綴，顯然是一個shell腳本，于是用bash命令執(zhí)行它：

bash Anaconda3-5.3.1-Linux-x86_64.sh 

以下除非特殊說明，命令均為在bash下執(zhí)行。

注意這里的文件名可能與你下載的文件名字不同，務(wù)必?fù)Q成自己下載的文件名。

安裝過程中會有一些需要確認(rèn)的問題，一路yes即可。

配置環(huán)境變量

安裝程序會提示你將Anaconda加入$PATH，如果你沒有加入，或忘記了自己是否選擇了YES，那么需要配置環(huán)境變量。

用任意的編輯器打開.bashrc文件(需要sudo 權(quán)限才能編輯)，在文件末尾添加一行

export PATH="/home/lanhsi/anaconda3/bin:$PATH"
#注意，lanhsi是我的用戶名，如果你也將Anaconda安裝在默認(rèn)位置，那么將lanhsi替換成你自己的用戶名即可，否則需要將地址整個替換為anaconda的安裝位置。

退出編輯器，執(zhí)行

source ~/.bashrc

這條命令將重新載入你的bash配置，以使環(huán)境變量修改生效。

檢驗(yàn)安裝是否成功：

conda -V

如果像下圖一樣打印出conda版本號，說明安裝成功。

安裝VS CODE

實(shí)際上安裝Anaconda時，安裝程序會聲稱anaconda與微軟具有合作關(guān)系，然后詢問你是否要安裝VS CODE，如果你在這一步?jīng)]有選擇安裝VS CODE，那么就需要自行安裝了。

由于linux各發(fā)行版的安裝方式都不同，因此這里不詳細(xì)描述安裝過程了。對于我使用的ubuntu19.10來說，從vs code官網(wǎng)下載.deb 包，然后終端運(yùn)行

dpkg -i 包名.deb

即可

安裝TENSORFLOW

首先，創(chuàng)建一個叫做tf的虛擬環(huán)境

conda create -n tf

然后，我們需要進(jìn)入這個剛創(chuàng)建的tf環(huán)境中去安裝tensorflow

source activate tf
#注：如要退出這個環(huán)境，只需要執(zhí)行source deactivate tf

進(jìn)入虛擬環(huán)境后，提示符會變化，顯示你正處在的虛擬環(huán)境名字

讓conda去安裝tensorflow，以及tensorflow依賴的一大堆其他軟件

conda install tensorflow

過程比較漫長，可以先喝杯咖啡休息一下。

安裝成功后，進(jìn)入tf虛擬環(huán)境，進(jìn)入python命令行，嘗試導(dǎo)入tensorflow:

import tensorflow as tf

沒有報(bào)錯，那么說明tensorflow安裝好了。

配置VSCODE

距離萬事大吉只差一步了，只要在VS CODE中添加CONDA的環(huán)境，就能在VS CODE中方便的使用tensorflow了。

假定我們已經(jīng)安裝好了官方Python插件。打開VS CODE，點(diǎn)擊文件->首選項(xiàng)，點(diǎn)擊左側(cè)列表中python旁邊的小齒輪，選擇配置擴(kuò)展信息

找到右邊的配置選項(xiàng)autoComplete：extraPath，選擇在settings.json中編輯

圖中選中的三行是我們需要添加的信息。這幾行中，第一行自定義了一個Python解釋器，將其設(shè)置為anaconda帶的python解釋器；后面幾行配置了Python自動補(bǔ)全的路徑，相當(dāng)于是include了這些目錄中的文件，這樣VS CODE就可以讀取到tensorflow，方便自動補(bǔ)全。同樣，記得將路徑中的lanhsi換成你的用戶名。

不要忘了在配置完成后，更換Python解釋器為圖中下拉清單的最后一個也就是在settings.json中設(shè)置的那個，相當(dāng)于將運(yùn)行環(huán)境更換為我們剛添加的conda虛擬環(huán)境。

創(chuàng)建一個py文件，內(nèi)容為

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的集成終端中運(yùn)行這個文件。

如果配置成功，新建終端時，可以看到自動啟動了conda 且進(jìn)入了tf虛擬環(huán)境：

code runner插件更是可以一步直接運(yùn)行文件，非常方便。

到此VS CODE下的TENSORFLOW環(huán)境就搭好了。萬事開頭難，而一個好的開頭又是成功的一半，環(huán)境搭好后我們的項(xiàng)目就等于已經(jīng)開發(fā)了一半了(笑）

到此這篇關(guān)于從零開始的TensorFlow+VScode開發(fā)環(huán)境搭建的步驟(圖文)的文章就介紹到這了,更多相關(guān)TensorFlow VScode 環(huán)境搭建內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論