【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
相关文章
|
7天前
|
机器学习/深度学习 人工智能 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,
51 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
|
9天前
|
Linux
Linux系统之whereis命令的基本使用
Linux系统之whereis命令的基本使用
50 23
Linux系统之whereis命令的基本使用
|
1月前
|
缓存 安全 Linux
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
112 23
|
1月前
|
机器学习/深度学习 算法 前端开发
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
|
机器学习/深度学习 人工智能 算法
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。
135 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
|
1月前
|
Python
[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。
32 3
|
9月前
|
Python
新手向 Python:VsCode环境下Manim配置
该文介绍了如何准备和配置开发环境以使用Manim,主要包括两个步骤:一是准备工作,需要下载并安装VsCode和Anaconda,其中Anaconda需添加到系统PATH环境变量,并通过清华镜像源配置;二是配置环境,VsCode中安装中文插件和Python扩展,激活并配置虚拟环境。最后,安装ffmpeg和manim,通过VsCode运行测试代码验证配置成功。
690 1
|
9月前
|
人工智能 Java C++
python入门(五) vscode配置Anaconda 环境,代码自动提示
python入门(五) vscode配置Anaconda 环境,代码自动提示
696 0
|
C++ Python
Python(day4):Python VScode 配置
Python(day4):Python VScode 配置
261 0
Python(day4):Python VScode 配置
|
23天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
58 5
Python高性能编程:五种核心优化技术的原理与Python代码