VSCode Python 开发环境搭建

版权声明:本文为优快云博主「YanWennian」的原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.youkuaiyun.com/yanwennian/article/details/103470770


VSCode 开发环境搭建  ---- Python 开发环境搭建 及 代码运行

平台:Windows 10

IDE:Visual Studio Code :VSCode

功能环境:Python 代码运行环境


目录

1. 开发平台确认

2. VSCode 下载及安装

【1】. VSCode 下载:

【2】. VSCode 安装:

3. VSCode 插件安装

【1】. VSCode 中文插件安装

【2】. VSCode vscode-icons插件安装

【3】. VSCode Python 插件安装

【4】. VSCode Code Runner插件安装

4. Python 编译环境配置

【1】. Python 3.8 下载

【2】. Python 3.8 安装

5. python 测试代码编写及运行

【1】. python 测试代码编写

【2】. python 测试代码运行

6. 结束语


严文年 -- 记于苏州

1. 开发平台确认

确认开发平台的系统信息:目前基于Windows 10 - 64位操作系统进行VSCode配置。


2. VSCode 下载及安装

【1】. VSCode 下载:

1. VScode 官网下载地址:https://code.visualstudio.com/

2. 打开连接地址,点击【Download for Windows】:

3. 下载的VScode安装源文件如下:


【2】. VSCode 安装:

1. 双击打开下载好的VScode安装源文件,点击【运行按钮】:此处为系统安全提示。

2. 选择安装路径:

3. 点击接受许可协议:

4. 选择安装配置,点击下一步:

备注:在桌面创建打开VScode的快捷方式。

备注:将VScode添加到鼠标右键,可以直接通过鼠标右键打开文件夹和文档,如下图:

备注:将VScode设置为文件编辑器。

备注:将VScode添加到系统环境变量,VScode安装完成后  在powershell中输入【code】可以直接打开VScode,如图所示:

5. 点击安装:

6. 安装中:

7. 安装完成:

8. 安装完成后第一次打开界面:


Visual Studio Code(简称VS Code)是一个由微软开发,同时支持Windows 、 Linux和macOS等操作系统且开放源代码的代码编辑器,它支持测试,并内置了Git 版本控制功能,同时也具有开发环境功能,例如代码补全(类似于 IntelliSense)、代码片段和代码重构等,该编辑器支持用户个性化配置,例如改变主题颜色、键盘快捷方式等各种属性和参数,同时还在编辑器中内置了扩展程序管理的功能。


3. VSCode 插件安装

【1】. VSCode 中文插件安装

VScode默认为英文界面,可以根据自己的需要添加中文插件,添加中文插件后重新打开VScode,UI界面会自动切换到中文显示界面。如果需要换回英文显示界面,删除此插件,重新打开VScode,UI会重新切换到英文显示界面。

1. 搜索并安装插件:Chinese (Simplified) Language Pack for Visual Studio Code

2. 安装完插件后,重新打开VScode,UI界面已经自动切换到中文界面:

3. 如果习惯使用英文UI界面,可以卸载中文插件,然后重新打开VScode,即可恢复英文UI界面:

参考:中文界面下卸载插件:

参考:英文界面下卸载插件:

【2】. VSCode vscode-icons插件安装

Bring icons to your Visual Studio Code ( 将图标添加到您的Visual Studio代码中 )。

1. 搜索并安装插件:vscode-icons

【3】. VSCode Python 插件安装

A Visual Studio Code extension with rich support for the Python language (for all actively supported versions of the language: 2.7, >=3.5), including features such as IntelliSense, linting, debugging, code navigation, code formatting, Jupyter notebook support, refactoring, variable explorer, test explorer, snippets, and more。

一个Visual Studio Code扩展,具有对Python语言的丰富支持(对于该语言的所有受支持的版本:2.7,> = 3.5),包括诸如IntelliSense,linting,调试,代码导航,代码格式,Jupyter Notebook支持,重构的功能 ,变量浏览器,测试浏览器,代码段等。

1. 搜索并安装插件:Python

 

【4】. VSCode Code Runner插件安装

Run code snippet or code file for multiple languages: C, C++, Java, JavaScript, PHP, Python, Perl, Perl 6, Ruby, Go, Lua, Groovy, PowerShell, BAT/CMD, BASH/SH, F# Script, F# (.NET Core), C# Script, C# (.NET Core), VBScript, TypeScript, CoffeeScript, Scala, Swift, Julia, Crystal, OCaml Script, R, AppleScript, Elixir, Visual Basic .NET, Clojure, Haxe, Objective-C, Rust, Racket, Scheme, AutoHotkey, AutoIt, Kotlin, Dart, Free Pascal, Haskell, Nim, D, Lisp, Kit, V, and custom command。

运行多种语言的代码段或代码文件:C,C ++,Java,JavaScript,PHP,Python,Perl,Perl 6,Ruby,Go,Lua,Groovy,PowerShell,BAT / CMD,BASH / SH,F#脚本,F#( .NET Core),C#脚本,C#(.NET Core),VBScript,TypeScript,CoffeeScript,Scala,Swift,Julia,Crystal,OCaml脚本,R,AppleScript,Elixir,Visual Basic .NET,Clojure,Haxe,Objective-C ,Rust,Racket,Scheme,AutoHotkey,AutoIt,Kotlin,Dart,Free Pascal,Haskell,Nim,D,Lisp,Kit,V和自定义命令。

1. 搜索并安装插件:Code Runner


4. Python 编译环境配置

Python is a programming language that lets you work quickly and integrate systems more effectively.

Python是一种编程语言,可让您快速工作并更有效地集成系统。

【1】. Python 3.8 下载

1. 打开Python官网下载地址:https://www.python.org/downloads/windows/

2. 选择 并 下载文件:

【2】. Python 3.8 安装

1. 双击运行已下载的Python 3.8 安装程序:

2. 选择自定义安装方式,添加Python 3.8路径 到系统环境变量。

3. 默认设置,点击【next】继续安装。

4. 选择安装功能,安装路径,并开始安装。

5. Python 3.8 安装中...

6. 解除Python路径字符长度限制,结束安装。

5. 验证Python环境配置是否正确:【Win+R】--> 【cmd】,在打开的控制台窗口输入【python -v】,查看是否有python相关信息输出。

6. 到此为止,python 代码运行环境搭建完成,接下来就可以进行代码编写和查看运行结果。

7. 为方便调试运行程序,需要对code runner 做如下配置:


5. python 测试代码编写及运行

【1】. python 测试代码编写

编写python代码输出9*9乘法表:

附代码:


 
 
  1. for i in range( 1, 10):
  2. for j in range( 1, i+ 1):
  3. print( '{}x{}={}\t'.format(j, i, i*j), end= '')
  4. print()

【2】. python 测试代码运行

 


6. 结束语

1. 以上是使用VScode + code runner 运行 python 的完整配置过程。

2. 关于VScode + code runner 对 python 代码进行debug的配置:

见另一篇文章:Visual Studio Code  -> VSCode 开发环境搭建  ----  Python 代码调试(code runner 插件)。


  •                     <li class="tool-item tool-active is-like "><a href="javascript:;"><svg class="icon" aria-hidden="true">
                            <use xlink:href="#csdnc-thumbsup"></use>
                        </svg><span class="name">点赞</span>
                        <span class="count">2</span>
                        </a></li>
                        <li class="tool-item tool-active is-collection "><a href="javascript:;" data-report-click="{&quot;mod&quot;:&quot;popu_824&quot;}"><svg class="icon" aria-hidden="true">
                            <use xlink:href="#icon-csdnc-Collection-G"></use>
                        </svg><span class="name">收藏</span></a></li>
                        <li class="tool-item tool-active is-share"><a href="javascript:;" data-report-click="{&quot;mod&quot;:&quot;1582594662_002&quot;}"><svg class="icon" aria-hidden="true">
                            <use xlink:href="#icon-csdnc-fenxiang"></use>
                        </svg>分享</a></li>
                        <!--打赏开始-->
                                                <!--打赏结束-->
                                                <li class="tool-item tool-more">
                            <a>
                            <svg t="1575545411852" class="icon" viewBox="0 0 1024 1024" version="1.1" xmlns="http://www.w3.org/2000/svg" p-id="5717" xmlns:xlink="http://www.w3.org/1999/xlink" width="200" height="200"><defs><style type="text/css"></style></defs><path d="M179.176 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5718"></path><path d="M509.684 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5719"></path><path d="M846.175 499.222m-113.245 0a113.245 113.245 0 1 0 226.49 0 113.245 113.245 0 1 0-226.49 0Z" p-id="5720"></path></svg>
                            </a>
                            <ul class="more-box">
                                <li class="item"><a class="article-report">文章举报</a></li>
                            </ul>
                        </li>
                                            </ul>
                </div>
                            </div>
            <div class="person-messagebox">
                <div class="left-message"><a href="https://blog.youkuaiyun.com/yanwennian">
                    <img src="https://profile.csdnimg.cn/2/A/D/3_yanwennian" class="avatar_pic" username="yanwennian">
                                            <img src="https://g.csdnimg.cn/static/user-reg-year/1x/8.png" class="user-years">
                                    </a></div>
                <div class="middle-message">
                                        <div class="title"><span class="tit"><a href="https://blog.youkuaiyun.com/yanwennian" data-report-click="{&quot;mod&quot;:&quot;popu_379&quot;}" target="_blank">YanWennian</a></span>
                                            </div>
                    <div class="text"><span>发布了8 篇原创文章</span> · <span>获赞 12</span> · <span>访问量 4969</span></div>
                </div>
                                <div class="right-message">
                                            <a href="https://im.youkuaiyun.com/im/main.html?userName=yanwennian" target="_blank" class="btn btn-sm btn-red-hollow bt-button personal-letter">私信
                        </a>
                                                            <a class="btn btn-sm  bt-button personal-watch" data-report-click="{&quot;mod&quot;:&quot;popu_379&quot;}">关注</a>
                                    </div>
                            </div>
                    </div>
    
### RT-DETRv3 网络结构分析 RT-DETRv3 是一种基于 Transformer 的实时端到端目标检测算法,其核心在于通过引入分层密集正监督方法以及一系列创新性的训练策略,解决了传统 DETR 模型收敛慢和解码器训练不足的问题。以下是 RT-DETRv3 的主要网络结构特点: #### 1. **基于 CNN 的辅助分支** 为了增强编码器的特征表示能力,RT-DETRv3 引入了一个基于卷积神经网络 (CNN) 的辅助分支[^3]。这一分支提供了密集的监督信号,能够与原始解码器协同工作,从而提升整体性能。 ```python class AuxiliaryBranch(nn.Module): def __init__(self, in_channels, out_channels): super(AuxiliaryBranch, self).__init__() self.conv = nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1) self.bn = nn.BatchNorm2d(out_channels) def forward(self, x): return F.relu(self.bn(self.conv(x))) ``` 此部分的设计灵感来源于传统的 CNN 架构,例如 YOLO 系列中的 CSPNet 和 PAN 结构[^2],这些技术被用来优化特征提取效率并减少计算开销。 --- #### 2. **自注意力扰动学习策略** 为解决解码器训练不足的问题,RT-DETRv3 提出了一种名为 *self-att 扰动* 的新学习策略。这种策略通过对多个查询组中阳性样本的标签分配进行多样化处理,有效增加了阳例的数量,进而提高了模型的学习能力和泛化性能。 具体实现方式是在训练过程中动态调整注意力权重分布,确保更多的高质量查询可以与真实标注 (Ground Truth) 进行匹配。 --- #### 3. **共享权重解编码器分支** 除了上述改进外,RT-DETRv3 还引入了一个共享权重的解编码器分支,专门用于提供密集的正向监督信号。这一设计不仅简化了模型架构,还显著降低了参数量和推理时间,使其更适合实时应用需求。 ```python class SharedDecoderEncoder(nn.Module): def __init__(self, d_model, nhead, num_layers): super(SharedDecoderEncoder, self).__init__() decoder_layer = nn.TransformerDecoderLayer(d_model=d_model, nhead=nhead) self.decoder = nn.TransformerDecoder(decoder_layer, num_layers=num_layers) def forward(self, tgt, memory): return self.decoder(tgt=tgt, memory=memory) ``` 通过这种方式,RT-DETRv3 实现了高效的目标检测流程,在保持高精度的同时大幅缩短了推理延迟。 --- #### 4. **与其他模型的关系** 值得一提的是,RT-DETRv3 并未完全抛弃经典的 CNN 技术,而是将其与 Transformer 结合起来形成混合架构[^4]。例如,它采用了 YOLO 系列中的 RepNCSP 模块替代冗余的多尺度自注意力层,从而减少了不必要的计算负担。 此外,RT-DETRv3 还借鉴了 DETR 的一对一匹配策略,并在此基础上进行了优化,进一步提升了小目标检测的能力。 --- ### 总结 综上所述,RT-DETRv3 的网络结构主要包括以下几个关键组件:基于 CNN 的辅助分支、自注意力扰动学习策略、共享权重解编码器分支以及混合编码器设计。这些技术创新共同推动了实时目标检测领域的发展,使其在复杂场景下的表现更加出色。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值