VS Code 中如何创建一个专门的虚拟环境(深度学习项目)

1. 安装必备工具

确保已经安装以下工具：

• Python
• conda（如果使用 Anaconda，conda 应该已经安装）
• Visual Studio Code 的 Python 插件

2. 创建虚拟环境

使用 conda 或 venv 两种方法中的任意一种都可以。

使用 conda 创建虚拟环境：

1. 打开终端（可以使用 VS Code 的终端，快捷键 `Ctrl+``）。
2. 运行以下命令创建虚拟环境（替换 myenv 为你的环境名称）·

conda create -n myenv python=3.9

这里的Python版本按照自己需要修改，此次使用的是 python=3.9

激活虚拟环境：

conda activate myenv

使用 venv 创建虚拟环境：

1. 在终端中进入你的项目目录：

   cd path/to/your/project

2. 运行以下命令创建虚拟环境：

   python -m venv myenv

   或者指定具体的 Python 版本：

   python3.9 -m venv myenv

3. 激活虚拟环境：
   • Windows：

     myenv\Scripts\activate

   • macOS/Linux：

     source myenv/bin/activate

3. 在 VS Code 中选择虚拟环境

1. 打开项目目录。
2. 按下 Ctrl+Shift+P 调出命令面板，搜索并选择 Python: Select Interpreter。
3. 选择刚刚创建的虚拟环境路径（路径一般位于 myenv/bin/python 或 myenv\Scripts\python.exe）

如果没有看见你刚刚创建的环境，点击输入解释器路径，输入你的环境路径即可 

4. 安装深度学习相关库

激活虚拟环境后，安装所需库，例如：

pip install tensorflow keras numpy matplotlib

或者，如果你想要运行的项目有 requirements.txt 文件，使用：

pip install -r requirements.txt

国内镜像源可以大大加快下载速度，推荐使用如下方法：

• 通过命令临时指定镜像源：

  pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

  这会将下载源切换为清华大学的镜像源。

• 如果需要永久配置国内镜像源，运行以下命令：

  pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

  然后重新运行安装命令：

  pip install -r requirements.txt

5. 配置调试环境

1. 点击 VS Code 左侧的调试图标，点击 创建 launch.json 文件。
2. 根据需要配置调试环境，常见 Python 配置如下：

   { "version": "0.2.0", 
   "configurations": [ {
    "name": "Python: Current File",
    "type": "python", 
   "request": "launch", 
   "program": "${file}", 
   "console": "integratedTerminal" } ] }

   按照上述步骤，就可以顺利创建虚拟环境，运行和调试项目啦。