【Deepin 20系统】Linux系统从零打造完美VScode for Python环境

简介: 如何在Deepin 20系统中从零开始配置一个完美的VScode for Python开发环境,包括安装Anaconda、VScode、必要的插件、汉化、主题和字体设置,以及如何运行和调试Python程序。

1 引言

环境

系统:Deepin 20社区版(内核是Debian)
Anaconda: 2021年最新,Python3.8

以下内容试用所有Linux系统

2 配置步骤

2.1 Linux系统安装Anaconda

(1)进入官网下载Anaconda

1.png


(2)安装以上安装包后,执行以下命令,添加环境变量

> vim ~/.bashrc
> 在最后添加:
> export PATH=~/anaconda3/bin:$PATH
> 重启环境变量:
> source ~/.bashrc

安装成功后,查看conda环境

conda info --env

刚安装时只会输出base的哪一行,base是conda默认的环境。其他操作命令 Linux系统使用Anaconda常用命令汇总

2.png

2.2 安装VScode

VSCODE下载官网
下载.deb格式文件,直接点击就可以运行安装

2.3 安装插件

(1)编译环境Python:点击左侧如图的图标,搜python,点击安装即可

3.png


(2)自动补全插件Kite:同上,搜kite,点击安装即可

4.png

2.4 汉化

在应用商店处搜chinese,选择第一个插件安装,重启后整个软件都是中文了

5.png

2.5 主题

超级好看的主题,One Dark Pro。同理在应用商店搜One Dark Pro,点击安装即可

6.png

2.6 字体

(1)下载Cascadia Code
Cascadia Code字体下载 https://github.com/microsoft/cascadia-code/releases/download/v2105.24/CascadiaCode-2105.24.zip
(2)解压安装
下载后,解压点击安装Cascadia Code.ttf文件会自动安装在系统上。
(3)配置VScode
在vscode设置处,搜font,点击Font–>Font Family处添加‘Cascadia Code’,保存重启VScode即可

7.png

3 运行和调试程序

(1)运行程序
新建一个python文件test.py,输入:
print(“Hello VScode”)
单击右键,选择"在终端中运行 Python 文件",就可以输出Hello VScode
(2)调试程序
点击左侧三角图标,选择”Run and Debug“ -->“Python文件 调试打开的Python文件”。也可以加断点后,再调试程序。

8.png

目录
打赏
0
6
6
2
148
分享
相关文章
|
3天前
|
Linux系统之whereis命令的基本使用
Linux系统之whereis命令的基本使用
47 23
Linux系统之whereis命令的基本使用
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
眼疾识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了4种常见的眼疾图像数据集(白内障、糖尿病性视网膜病变、青光眼和正常眼睛) 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,实现用户上传一张眼疾图片识别其名称。
121 5
基于Python深度学习的眼疾识别系统实现~人工智能+卷积网络算法
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
蘑菇识别系统,本系统使用Python作为主要开发语言,基于TensorFlow搭建卷积神经网络算法,并收集了9种常见的蘑菇种类数据集【"香菇(Agaricus)", "毒鹅膏菌(Amanita)", "牛肝菌(Boletus)", "网状菌(Cortinarius)", "毒镰孢(Entoloma)", "湿孢菌(Hygrocybe)", "乳菇(Lactarius)", "红菇(Russula)", "松茸(Suillus)"】 再使用通过搭建的算法模型对数据集进行训练得到一个识别精度较高的模型,然后保存为为本地h5格式文件。最后使用Django框架搭建了一个Web网页平台可视化操作界面,
28 11
基于Python深度学习的【蘑菇识别】系统~卷积神经网络+TensorFlow+图像识别+人工智能
Python3虚拟环境venv
`venv` 是 Python 的虚拟环境工具,用于为不同项目创建独立的运行环境,避免依赖冲突。通过 `python3 -m venv` 命令创建虚拟环境,并使用 `source bin/activate` 激活。激活后,所有 Python 包将安装在该环境中,不影响系统全局环境。退出环境使用 `deactivate` 命令。每个虚拟环境拥有独立的包集合,确保项目间的隔离性。删除虚拟环境只需删除其目录即可。
81 34
Linux系统查看操作系统版本信息、CPU信息、模块信息
在Linux系统中,常用命令可帮助用户查看操作系统版本、CPU信息和模块信息
101 23
云产品评测|分布式Python计算服务MaxFrame | 在本地环境中使用MaxFrame + 基于MaxFrame实现大语言模型数据处理
本文基于官方文档,介绍了由浅入深的两个部分实操测试,包括在本地环境中使用MaxFrame & 基于MaxFrame实现大语言模型数据处理,对步骤有详细说明。体验下来对MaxCompute的感受是很不错的,值得尝试并使用!
48 1
轻松搞定在Python中构建虚拟环境
本教程教你如何使用业界公认的最佳实践,创建一个完全工作的Python开发环境。虚拟环境通过隔离依赖项,避免项目间的冲突,并允许你轻松管理包版本。我们将使用Python 3的内置`venv`模块来创建和激活虚拟环境,确保不同项目能独立运行,不会相互干扰。此外,还将介绍如何检查Python版本、激活和停用虚拟环境,以及使用`requirements.txt`文件共享依赖项。 通过本教程,你将学会: - 创建和管理虚拟环境 - 避免依赖性冲突 - 部署Python应用到服务器 适合新手和希望提升开发环境管理能力的开发者。
基于Python深度学习果蔬识别系统实现
本项目基于Python和TensorFlow,使用ResNet卷积神经网络模型,对12种常见果蔬(如土豆、苹果等)的图像数据集进行训练,构建了一个高精度的果蔬识别系统。系统通过Django框架搭建Web端可视化界面,用户可上传图片并自动识别果蔬种类。该项目旨在提高农业生产效率,广泛应用于食品安全、智能农业等领域。CNN凭借其强大的特征提取能力,在图像分类任务中表现出色,为实现高效的自动化果蔬识别提供了技术支持。
基于Python深度学习果蔬识别系统实现
|
1月前
|
[oeasy]python057_如何删除print函数_dunder_builtins_系统内建模块
本文介绍了如何删除Python中的`print`函数,并探讨了系统内建模块`__builtins__`的作用。主要内容包括: 1. **回忆上次内容**:上次提到使用下划线避免命名冲突。 2. **双下划线变量**:解释了双下划线(如`__name__`、`__doc__`、`__builtins__`)是系统定义的标识符,具有特殊含义。
31 3
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈
40 0
python已经安装有其他用途如何用hbuilerx配置环境-附带实例demo-python开发入门之hbuilderx编译器如何配置python环境—hbuilderx配置python环境优雅草央千澈

热门文章

最新文章

AI助理

你好,我是AI助理

可以解答问题、推荐解决方案等