[PYTHON] Persönliche Hinweise zur Integration von vscode und anaconda

Kooperationsnotiz von vscode und anaconda

Ein persönliches Memo, das Python in der von Anaconda mit VScode erstellten Umgebung verwendet.

anaconda und vscode sind bereits installiert und die python3.6-Umgebung wurde mit anaconda erstellt.

Machen Sie es mit vscode debuggbar

in settings.json

"python.pythonPath": "(Python in Anakonda-Umgebung.Absoluter Weg der Exe)",

Hinzugefügt.

Verwenden Sie Anacondas Python in einem integrierten Terminal

Erstellen Sie eine Bat-Datei, um in die Anaconda-Umgebung zu gelangen. Führen Sie diese bis zur Aktivierung mit der Fledermausdatei durch.

%windir%\system32\cmd.exe "/K" C:\Users\(Nutzername)\Anaconda3\Scripts\activate.bat C:\Users\(Nutzername)\Anaconda3\envs\(Umgebungsname)

Fügen Sie als Nächstes den folgenden Inhalt zu settings.json hinzu.

"terminal.integrated.shell.windows": "(Absoluter Pfad der Fledermausdatei)"

Wenn vscode gestartet wird, wird es im integrierten Zustand im integrierten Terminal gestartet.

Recommended Posts

Persönliche Hinweise zur Integration von vscode und anaconda
Persönliche Notizen und Links zum maschinellen Lernen ① (Maschinelles Lernen)
Über das Verhalten von copy, deepcopy und numpy.copy
Über Importfehler von numpy und scipy in anaconda
Denken Sie an das Rack und WSGI der nächsten Generation
Über die Komponenten von Luigi
Über die Funktionen von Python
Die Geschichte von Python und die Geschichte von NaN
Über Boxplot und Violinplot, die die Variation unabhängiger Daten visualisieren
Über den Rückgabewert von pthread_mutex_init ()
Über den Rückgabewert des Histogramms.
Über den Grundtyp von Go
Über die Obergrenze von Threads-max
Über den Fehler, dass Anaconda Numpy und Scipy nicht importieren kann
Über das Verhalten von Yield_per von SqlAlchemy
(Persönliche Notizen) Python-Metaklassen und Metaprogrammierung
Informationen zum Importfehler von PyQt5.QtWidgets (Anaconda)
Über die Größe der Punkte in Matplotlib
Informationen zur Grundlagenliste der Python-Grundlagen
Ergänzung zur Erklärung von vscode
Über die Hauptaufgaben der Bildverarbeitung (Computer Vision) und die verwendete Architektur
Dies und das der Einschlussnotation.
Notizen vom Anfang von Python 1 lernen
Informationen zum Verhalten von enable_backprop von Chainer v2
Informationen zur virtuellen Umgebung von Python Version 3.7
Verschiedene Hinweise zum Django REST-Framework
Über sensor_mode und Blickwinkel der Picamera
Überprüfen Sie das Konzept und die Terminologie der Regression
Das Ergebnis der Installation von Python auf Anaconda
Über die Argumente der Setup-Funktion von PyCaret
Über die Beziehung zwischen Git und GitHub
Die Geschichte, deep3d auszuprobieren und zu verlieren
Über die Normalgleichung der linearen Regression
Notizen vom Anfang von Python 2 lernen
Sprechen Sie über die Funktionen, für die Pandas und ich im Projekt verantwortlich waren
Über _ und __
Überprüfen Sie den Betrieb von OpenCV3, das von Anaconda installiert wurde
Über die linke und rechte Rechtfertigung von Kivy Label
Informationen zur Genauigkeit der Berechnungsmethode für das Umfangsverhältnis von Archimedes
Informationen zur X-Achsen-Notation des Balkendiagramms von Matplotlib
Die Antwort von "1/2" unterscheidet sich zwischen Python2 und 3
Über die Verarbeitungsgeschwindigkeit von SVM (SVC) von Scikit-Learn
Organisieren Sie die Bedeutung von Methoden, Klassen und Objekten
Angeben des Bereichs von Ruby- und Python-Arrays
Ändern Sie die Farbe von Fabric-Fehlern und Warnungen
Über den Unterschied zwischen "==" und "is" in Python
Schreiben Sie eine Notiz über die Python-Version von Python Virtualenv
Vergleichen Sie die Geschwindigkeit von Python Append und Map
Über die Entwicklungsinhalte des maschinellen Lernens (Beispiel)
Koexistenz von Anaconda 2 und Anaconda 3 in Jupyter + Bonus (Julia)
Allgemeine Beschreibung des CPUFreq-Kerns und der CPUFreq-Benachrichtigungen
Organisieren Sie die grundlegende Verwendung von Autotools und pkg-config
Ich habe die Varianten von UKR gelesen und implementiert
Informationen zum Verhalten der Warteschlange während der Parallelverarbeitung
Informationen zur kumulativen Zuordnung von Liste und Numpy-Array
Berücksichtigung der Stärken und Schwächen von Python
Über flache und tiefe Kopien von Python / Ruby
Die schönen und bedauerlichen Teile von Cloud Datalab