Linux下Anaconda + VScode搭建TensorFlow开发环境全攻略

本文档详细介绍了如何在Linux环境下，从头开始构建一个用于TensorFlow开发的舒适环境，结合VS Code编辑器。首先，作者强调了使用VS Code作为编辑器的优势，因其用户友好、功能强大且可扩展性好。本文的主要目标是在Linux上通过Anaconda3进行TensorFlow的安装和配置，最终实现一个简单的TensorFlow Hello World示例（MNIST手写数字分类）。 步骤如下： 1. **安装Anaconda3**： 对于国内用户，推荐从清华镜像站下载Anaconda3的Linux安装包（.sh格式的脚本）。在终端中，进入下载目录，使用`bash Anaconda3-<版本号>-Linux-x86_64.sh`来执行安装。在安装过程中，可能会询问是否接受许可协议，一般选择Yes继续。 2. **配置环境变量**： 安装完成后，确保Anaconda被添加到系统的PATH环境变量中。如果没有自动添加，需要手动编辑`.bashrc`文件（需要sudo权限），并在文件末尾添加Anaconda3的bin路径，如`export PATH="/home/lanhsi/anaconda3/bin:$PATH"`。记得替换`lanhsi`为你的用户名。 3. **验证安装**： 通过运行`conda -V`检查安装是否成功，如果能看到conda版本号，则说明安装已完成。 4. **安装VS Code**： 实际上，安装Anaconda的过程中可能已经包含了VS Code的安装。如果没有，可以通过Anaconda的安装程序或者单独下载并安装VS Code。确保安装后，可以在VS Code中安装TensorFlow插件，以便支持代码编写和调试。 5. **配置VS Code**： 安装必要的插件，如TensorFlow Language Server，以提供代码补全、错误检测等功能。此外，根据个人喜好配置代码主题和设置，以优化开发体验。 6. **创建虚拟环境**： 在开发TensorFlow项目时，为了隔离依赖，通常建议在Anaconda的虚拟环境中工作。使用`conda create --name <env_name> python=3.7`命令创建新环境，然后激活它。 7. **安装TensorFlow**： 在激活的虚拟环境中，通过`conda install tensorflow`安装TensorFlow。这样安装的TensorFlow不会影响全局环境，便于管理和更新。 8. **运行Hello World示例**： 一旦TensorFlow安装完成，可以开始编写简单的MNIST手写数字分类代码，并在VS Code中运行测试，确保环境设置无误。 总结来说，本文详细指导了从零开始在Linux系统上利用Anaconda3和VS Code搭建TensorFlow开发环境的每个步骤，包括软件安装、环境配置和基本操作验证，旨在为初学者提供一个实用的开发起点。