VScode+pyqt5配置使用说明

  1. 首先安装anaconda环境,创建对应的虚拟环境

conda create --name env_pyqt python=3.8

(注意python环境尽量就选择3.8进行安装,因为其他的环境3.6我试验的虽然之后的安装库操作都可以进行成功,但是在通过pyuic5进行ui到py转化时会出现错误,目前不明原因)

  1. 安装PyQt5

pip install PyQt5
  1. 安装PyQt5-tools库

pip install PyQt5-tools

建议在进行pip使用前添加清华镜像。如果第二步与第三步无法安装成功(setupXX egg等问题),则需要更新pip后重试

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple 
//添加清华镜像源
pip install --upgrade pip
//更新pip

4.在vscode中extensions中搜索pyqt intergration并安装。

5.配置pyuic5启动项与QTdesigner启动,主要需要修改如下图所示的两项,一般情况下pyuic那个文件在安装的虚拟环境下的..\Scripts\pyuic5.exe里(需要根据安装的实际路径进行填写)。第二个一般在在安装的虚拟环境下的..\Lib\site-packages\qt5_applications\Qt\bin\designer.exe中。

如果找不到可以通过everything搜索工具搜索designer.exe和pyuic5.exe,然后进行填写即可

6.之后返回Vscode中进入自己的项目文件目录,右键会生成PYQT:New Form会调用designer,随便生成一个ui文件并进行保存,然后右键相应的ui文件进行PYQT:compile form进行相应的python文件。

PS:建议按照我上面标记好的方式进行安装操作,我之前的一个环境是python3.6但是安装好了,在使用PYQT:compile form进行ui文件转化时会出现error command XXX\pyuic5.exe XXX\x.ui -o XXX\x.py 错误。试了好久,最后通过重试环境python版本比如3.8就可以啦。因此如果出现问题,先看下python环境是不是对上了

  • 2
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 您可以参考以下步骤在Conda虚拟环境中安装TensorFlow GPU:1.首先,在您的Deepin系统中安装Conda。2.然后,使用Conda创建一个虚拟环境。3.接着,在虚拟环境中安装TensorFlow GPU。4.最后,激活您的虚拟环境,并开始使用TensorFlow GPU。 ### 回答2: 要在conda虚拟环境中安装tfGPU,需要按照以下步骤进行操作: 1. 首先,确保在你的计算机上已经安装了conda。如果没有,请先下载并安装最新的conda发行版。 2. 打开终端或命令提示符窗口,在命令行中输入以下命令,创建一个新的conda虚拟环境: ``` conda create -n myenv ``` 其中,"myenv"是你给虚拟环境起的名称,可以根据自己的喜好进行更改。 3. 激活你的虚拟环境。在命令行中输入以下命令: ``` conda activate myenv ``` 4. 接下来,你需要安装NVIDIA GPU驱动程序和CUDA和cuDNN库。你可以根据你的显卡和CUDA版本到NVIDIA官方网站下载并安装对应版本的驱动程序和CUDA和cuDNN库。 5. 安装TensorFlow GPU版本。在命令行中输入以下命令: ``` conda install tensorflow-gpu ``` 这将会自动下载和安装最新版本的TensorFlow GPU。请注意,这可能会花费一些时间来解决依赖关系和下载安装所需的文件。 6. 安装其他必要的依赖项。根据你的项目需求,你可能需要安装其他一些依赖项,例如Keras等。你可以使用conda包管理器来安装这些依赖项。 7. 确认安装成功。在命令行中输入以下命令,启动Python解释器: ``` python ``` 然后,导入TensorFlow库并验证是否成功: ```python import tensorflow as tf print(tf.__version__) print(tf.test.is_gpu_available()) ``` 如果输出显示了你安装的TensorFlow版本,并且指示GPU可用,则说明成功安装了tfGPU。 请注意,安装tfGPU需要相应版本的NVIDIA GPU驱动程序、CUDA和cuDNN库,以及与之兼容的TensorFlow版本。因此,请确保你按照官方文档中的要求进行安装,并根据你的硬件和软件环境进行相应的调整。 ### 回答3: 首先,为了在conda虚拟环境中安装tfGPU,我们需要确保已经在deepin操作系统上成功安装了Anaconda和CUDA。 1. 首先,在deepin操作系统上下载并安装Anaconda。可以在Anaconda官方网站上下载合适的版本,并按照官方指南进行安装。 2. 安装完成后,打开终端,并创建一个新的conda虚拟环境。可以使用以下命令: conda create -n myenv python=3.8 "myenv"是虚拟环境的名称,你可以自己设置。 3. 激活虚拟环境: conda activate myenv 4. 接下来,安装CUDA。可以根据你的显卡型号和CUDA版本到NVIDIA官网上下载对应版本的CUDA,并按照官方指南进行安装。 5. 安装完成后,我们可以使用以下命令安装tensorflow-gpu: conda install tensorflow-gpu 以上步骤将在你的conda虚拟环境中安装tfGPU。请注意,这些步骤需要一些时间和网络资源,所以请确保你的网络连接稳定。 安装完成后,你可以在python脚本或jupyter notebook中,导入tensorflow并开始使用tfGPU进行深度学习任务。确保在代码中使用`import tensorflow as tf`来导入tensorflow库,以便正确使用tfGPU加速功能。 希望以上信息能帮助你在deepin操作系统上成功安装tfGPU并进行深度学习任务。如果遇到任何问题,请参考conda和CUDA的官方文档或向相关社区求助。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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