全网最简约的Vscode配置Anaconda环境(百分百成功)

前言🍉

        声明:本文所有内容皆是在拥有:配好的Anaconda、PythonVscode环境的前提下进行的(大致如下方链接与图中所述)。

(1)Python and Anaconda

全网最简约的Anaconda+Python3.7安装教程Win10(百分百成功)_大气层煮月亮的博客-优快云博客_anaconda安装python3.7https://blog.youkuaiyun.com/qq_51831335/article/details/124993976?spm=1001.2014.3001.5502 (2)Vscode and Anaconda

0e71f44befea415cb9badfc0e895c587.png

17825e9e40bb4131997d6f5f4f66bdc3.png


 全网最简约的Vscode配置Anaconda环境(百分百成功)

vscode配置anaconda环境步骤

第一步:安装Python软件

第二步: 打开项目文件

第三步、选择anconda中的环境


vscode配置anaconda环境步骤🍉

🎈第一步:安装Python插件🎈

        务必在Vscode中安装好Python插件。(教程如下)

aHR0cHM6Ly91cGxvYWQtaW1hZ2VzLmppYW5zaHUuaW8vdXBsb2FkX2ltYWdlcy81NzkyOTQ5LThhMjQ2NWNmZWRjMjUzMGEuZ2lm

🎈第二步: 打开项目文件🎈

        打开选择文件夹的页面。format,png

        选择一个文件夹作为项目文件。 

format,png 🎈第三步、选择anconda中的环境🎈

        在Vscode中使用CTRL+P另外部分系统是:CTRL+Shift+P的快捷键打开搜索,然后输入:> select interpreter。

> select interpreter

        弹出如下页面后,点击Python:选择解释器。 

840950c2ee864816b5f8f27ba10717bf.png

             弹出如下页面后,请自行选择自己想要的anaconda环境,双击F5运行。

1f3429a5a7f44a319d38d6856697b2f7.png

🎈对于其他🎈

        运行情况:成功运行! (出现红色报错是因为Anaconda3未放入系统环境变量,但任然可以运行

2f66a7f3582b45e494f63f291c0f98cd.png         (提示:对于:“由于目标计算机积极拒绝,无法连接。” 的错误,我得到错误后再次运行就奇迹般的运行成功了。) 

        导入包情况:包全部也导入成功, 

7b64e4a0a84a409c92281f516443b320.png

        一种习惯:我习惯于使用anaconda终端直接输入命令运行,而不是在VsCode中运行。这样做的好处是独立出运行界面,使得开发起来更加得心应手,坏处是在不习惯的情况下,可能会觉得不太方便。(工作区界面如下)5eedc158ec134eb78844c105d4f7895f.png

 大功告成,是不是超级简单呢?

如果觉得本文有帮助的话,欢迎大家点赞+收藏喔!

### 配置 VSCodeAnaconda 环境以支持 YOLO 项目 要在 Visual Studio Code (VSCode) 中使用 Anaconda 虚拟环境来运行 YOLO 项目,需完成以下几个方面的设置: #### 创建并激活 Conda 环境 首先,在 Anaconda Prompt 或终端中创建一个新的 Python 环境,并安装必要的依赖项。假设目标是构建一个适用于 YOLO 的 PyTorch 环境。 ```bash conda create -n yolov5_env python=3.8 conda activate yolov5_env ``` 接着,按照官方推荐的方式安装 PyTorch 及其 CUDA 支持[^1]。例如,对于 CUDA 11.3 版本的系统,可执行如下命令: ```bash conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -c nvidia ``` #### 安装 YOLO 所需库 克隆 YOLOv5 的 GitHub 仓库至本地目录,并进入该文件夹。 ```bash git clone https://github.com/ultralytics/yolov5.git cd yolov5 pip install -r requirements.txt ``` 上述步骤完成后即可确保基础框架已准备好[^4]。 #### 设置 VSCode 使用指定的 Conda 环境 打开 VSCode 并加载包含 `yolov5` 文件夹的工作区。通过扩展市场安装 **Python 插件** 后,切换到左侧活动栏中的“Python Interpreters”,选择之前建立好的 `yolov5_env` 环境作为当前解释器。 如果发现无法识别 Conda 环境,则可能需要调整路径配置或者重新启动应用后再试一次。另外需要注意的是,默认情况下 PowerShell 不一定适配所有的调试场景;当遇到不兼容情况时,可以修改 launch.json 将 terminalKind 设定为 cmd 来解决此问题。 #### 测试运行效果 后一步就是验证整个流程是否成功——尝试训练模型或预测图片样本看看能否正常工作。比如简单调用预定义脚本来检测一张图像的效果如何? ```python from pathlib import Path import sys FILE = Path(__file__).resolve() ROOT = FILE.parents[0] if str(ROOT) not in sys.path: sys.path.append(str(ROOT)) # add ROOT to PATH from models.common import DetectMultiBackend from utils.dataloaders import IMG_FORMATS, VID_FORMATS, LoadImages, LoadStreams from utils.general import LOGGER, Profile, check_file, check_img_size, colorstr, cv2, increment_path, non_max_suppression, print_args, scale_boxes, strip_optimizer, xyxy2xywh from utils.plots import Annotator, colors, save_one_box from utils.torch_utils import select_device, smart_inference_mode weights='yolov5s.pt' source='./data/images/zidane.jpg' model=DetectMultiBackend(weights) stride=model.stride names=model.names pt=model.pt imgsz=(640,640) dataset=LoadImages(source,img_size=imgsz,stride=stride,auto=pt) for path,im,im0s,vid_cap,s in dataset: im=cv2.cvtColor(im,cv2.COLOR_BGR2RGB) results=model(im)[0] det=non_max_suppression(results)[0] annotator=Annotator(im0s,line_width=3,example=names) if len(det): for *xyxy,conf,cls in reversed(det): c=int(cls) label=f'{names[c]} {conf:.2f}' annotator.box_label(xyxy,label,color=colors(c,True)) cv2.imshow('YOLO',annotator.result()) cv2.waitKey(0) ``` 以上代码片段展示了如何利用 YOLO 对单张照片实施对象侦测功能[^5]。 ---
评论 18
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

打赏作者

大气层煮月亮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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