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）

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：

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

2.2 为环境创建一个名字以及选择python版本

2.3 下载相应TensorFlow包

2.4 下载相应包，可以先只下一个名为 tensorflow包

2.5 检测tensorflow是否搭建成功

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

](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

4.3 选择python解释器

4.4 输入简单代码，检测环境

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*（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

以上就大功告成了，如果觉得有用就给博主一个赞呗