從零開始的TensorFlow + VScode 開發環境搭建

VScode不愧是用戶數量上升最快的編輯器，界面華麗（當然，需要配合各種主題插件），十分容易上手且功能強大。之前用它寫C++體驗十分nice，現在需要學習tensorflow，而工欲善其事必先利其器，搭建一個舒服的開發環境是非常重要的第一步。

 

目標：在linux下從無到有，安裝anaconde3,  tensorflow, 配置vs code，直到可以運行一個tensorflow版hello world（實為mnist手寫數據分類）。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虛擬環境中安裝不怕搞砸重來，反正是虛擬環境嘛。

安裝Anaconda3

下載Anaconda

對國內用戶來說，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，於是用bash命令執行它：

bash Anaconda3-5.3.1-Linux-x86_64.sh 

以下除非特殊說明，命令均為在bash下執行。

 

注意這里的文件名可能與你下載的文件名字不同，務必換成自己下載的文件名。

安裝過程中會有一些需要確認的問題，一路yes即可。

配置環境變量

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，那么需要配置環境變量。

用任意的編輯器打開.bashrc文件(需要sudo 權限才能編輯)，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，執行

source ~/.bashrc

這條命令將重新載入你的bash配置，以使環境變量修改生效。

檢驗安裝是否成功：

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

實際上安裝Anaconda時，安裝程序會聲稱anaconda與微軟具有合作關系，然后詢問你是否要安裝VS CODE，如果你在這一步沒有選擇安裝VS CODE，那么就需要自行安裝了。

由於linux各發行版的安裝方式都不同，因此這里不詳細描述安裝過程了。對於我使用的ubuntu19.10來說，從vs code官網下載.deb 包，然后終端運行

dpkg -i 包名.deb

即可

安裝TENSORFLOW

首先，創建一個叫做tf的虛擬環境

conda create -n tf

然后，我們需要進入這個剛創建的tf環境中去安裝tensorflow

source activate tf
#注：如要退出這個環境，只需要執行source deactivate tf

進入虛擬環境后，提示符會變化，顯示你正處在的虛擬環境名字

 

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，進入tf虛擬環境，進入python命令行，嘗試導入tensorflow:

import tensorflow as tf

沒有報錯，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的環境，就能在VS CODE中方便的使用tensorflow了。

假定我們已經安裝好了官方Python插件。打開VS CODE，點擊文件->首選項，點擊左側列表中python旁邊的小齒輪，選擇配置擴展信息

 

 找到右邊的配置選項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，將其設置為anaconda帶的python解釋器；后面幾行配置了Python自動補全的路徑，相當於是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中設置的那個，相當於將運行環境更換為我們剛添加的conda虛擬環境。

 

 創建一個py文件，內容為

 
          
            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 且進入了tf虛擬環境：

 

 code runner插件更是可以一步直接運行文件，非常方便。

到此VS CODE下的TENSORFLOW環境就搭好了。萬事開頭難，而一個好的開頭又是成功的一半，環境搭好后我們的項目就等於已經開發了一半了(笑）