手把手教你在VSCode上搭建TensorFlow2.0环境

落日映苍穹つ 2022-11-21 01:22 2041阅读 0赞

# 手把手教你在VSCode上搭建TensorFlow2.0环境 #

## 一、相应软件准备 ##

### **1、anaconda** ###

https://www.anaconda.com/products/individual

官网下载可能较慢，建议使用清华镜像（[链接地址][Link 1]）

直接在上述链接中选择个人电脑对应的操作系统下载即可，建议使用python 3.7版本（3.8在后续安装TensorFlow相应包时，可能出现一些无法下载的情况）

`具体下载过程省略（在选择是否需要将anaconda加入path时，推荐选择，这样便可以直接在cmd页面使用anaconda了，不选择也没关系）`

### **2、vscode** ###

https://code.visualstudio.com/

vscode作为最强的文本编辑器之一，应该大家都知道吧（至少我写c++都是在vscode写的）。但是由于anaconda3开始对于vscode不在列入内部文件（即：在anaconda主页面中没有vscode图标直接进入相应环境）

> 网上可能存在一些博客，说在vscode下载`Anaconda Extension Pack`插件，重启anaconda后即可在anaconda主页中出现vscode图标，但是实践后发现还是不行，于是这篇博客便有了意义。

## 二、TensorFlow2.0环境准备 ##

安装好anaconda和vscode后，接下来就需要搭建TensorFlow了。

### **1、检测anaconda是否下载成功** ###

若选择将anaconda加入环境变量，则可以直接在cmd页面输入 `anaconda --version`即可查看anaconda是否安装成功，以及anaconda对应版本

若没有选择将anaconda加入环境变量，则需要在开始菜单中找到：

![在这里插入图片描述][20201029200255825.png_pic_center]

然后输入 `anaconda --version`即可查看anaconda是否安装成功，以及anaconda对应版本

### **2、配置国内加速镜像代理** ###

同样可以步骤1打开anaconda环境，然后以此输入接下来的代码，设置代理

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
    
    conda config --set show_channel_urls yes

### 3、搭建TensorFlow2.0环境 ###

**2.1 创建一个环境**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center]

**2.2 为环境创建一个名字以及选择python版本**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 1]

**2.3 下载相应TensorFlow包**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 2]

**2.4 下载相应包，可以先只下一个名为 `tensorflow`包**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 3]

**2.5 检测tensorflow是否搭建成功**  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 4]

（修改 ，没有`open in terminal`这个选项，直接选择`oepn terminal`即可

![BGcjoD.png][]\](https://imgchr.com/i/BGcjoD)

输入`python`进入python环境，然后`import tensorflow as tf`表示导入tensorflow，如果没有报错即导入成功

输入`print(tf.__version__)`即可查看tensorflow版本

### 4、vscode配置tensorflow ###

**4.1 在本机随便选择一个地方创建一个文件夹，在文件夹内创建一个python文件，如：`tf.py`**

**4.2 右击文件夹，选择通过vscode打开**

打开后vscode显示是这样子的

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 5]

**4.3 选择python解释器**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 6][]

**4.4 输入简单代码，检测环境**

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 7]

**4.5 如果显示没有tensorflow相应包时，直接在terminal（终端）导入相应包**

导入tensorflow：

> pip install tensorflow

导入opencv包：

> pip install python-opencv

导入matplotlib，用来显示图片：

> pip install matplotlib

如果按照上述的已经使用清华镜像仍然下载非常慢，则建议使用科学上网（过于敏感，所以不具体介绍）

## 三、测试 ##

上述操作已经在vscode上搭建好一个tensorflow环境了，于是用代码测试一下：

import tensorflow as tf
    print(tf.__version__)

实现最经典的手写体识别（运用已经训练好的LeNet模型）：

# 加载已经训练好的LeNet模型
    import tensorflow as tf
    
    model = tf.keras.models.load_model('lenet_model.h5')
     
    model.summary()
    
    import cv2
    import matplotlib.pyplot as plt
    
    # 第一步：读取图片
    img = cv2.imread('8.png') 
    print(img.shape)
    
    # 第二步：将图片转为灰度图
    img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
    print(img.shape)
    plt.imshow(img,cmap='Greys')
    
     
    # 第三步：将图片的底色和字的颜色取反
    img = cv2.bitwise_not(img)
    plt.imshow(img,cmap='Greys')
    
    
    # 第四步：将底变成纯白色，将字变成纯黑色
    img[img<=144]=0
    img[img>140]=255  # 130
    
    # 显示图片
    plt.imshow(img,cmap='Greys')
     
    
    # 第五步：将图片尺寸缩放为输入规定尺寸
    img = cv2.resize(img,(32,32))
    plt.show()
    
    
    # 第六步：将数据类型转为float32
    img = img.astype('float32')
    
    # 第七步：数据正则化
    img /= 255
    
    # 第八步：增加维度为输入的规定格式
    img = img.reshape(1, 32, 32, 1)
    print(img.shape)
     
    
     
    # 第九步：预测
    pred = model.predict(img)
    
    print(pred)
    # 第十步：输出结果
    print(pred.argmax())

相关代码已经上传github

[https://github.com/SoHotLB/tensorflowDemo][https_github.com_SoHotLB_tensorflowDemo]

以上就大功告成了，如果觉得有用就给博主一个赞呗

[Link 1]: https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
[20201029200255825.png_pic_center]: /images/20221120/63673186f7144f2c9a299f4959d41a59.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/8c83ed7a19ce41deb75d0f28aa8c00c5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 1]: /images/20221120/254ff1b29bc5452586b74b78773bc5ef.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 2]: /images/20221120/cb46abb592b64b8ba89fe19281505f90.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201029200450175.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20201029200606382.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4,size_16,color_FFFFFF,t_70#pic_center
[BGcjoD.png]: https://img-blog.csdnimg.cn/img_convert/2c78a623c2c8d5a7448a463ae04f9d79.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 5]: https://img-blog.csdnimg.cn/20201029200627306.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 6]: https://img-blog.csdnimg.cn/20201029153457700.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4_size_16_color_FFFFFF_t_70_pic_center 7]: https://img-blog.csdnimg.cn/20201029200646759.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2JvbGl1MTQ3MjU4,size_16,color_FFFFFF,t_70#pic_center
[https_github.com_SoHotLB_tensorflowDemo]: https://github.com/SoHotLB/tensorflowDemo