【编程Tool】VS code安装与使用配置保姆级教程

目录

1.软件介绍

2.软件下载:

3.安装

3.1. 双击可执行文件

3.2. 同意协议

3.3. 选择安装路径,默认在C盘

3.4. 点击下一步

3.5. 可选择所有附加任务

3.6. 点击安装

3.7. 等待安装

3.8. 点击完成

3.9. 安装成功

4.下载MinGW64

4.1. MinGW-64下载地址 :

4.2. 下载完成得到压缩包,对压缩包进行解压

4.3. 拷贝MinGW-64到C盘根目录

4.4. 复制成功

4.5. 在windows电脑搜索框中搜索【环境变量】

4.6. 进入系统属性,点击环境变量

4.7. 在系统变量中找到Path,双击进入

4.8. 添加变量,如图所示步骤操作

4.9. 验证环境,按win+R输入cmd打开命令行窗口,输入gcc--version。

5.配置使用

5.1. 打开VS code 软件,安装C/C++插件

5.2. 创建一个文件夹(代码存放处)

5.3. 打开文件夹,现在可以打开刚创建的文件夹。

5.4. 新建文件并对文件进行命名

5.5. 编写完代码后,进入代码区域。

5.6. 按下图红框圈中的选项进行配置

5.7. 配置完成后,侧边栏会出现新增文件。

5.8. 创建执行任务

5.9. 点击【终端-运行生成任务】菜单,生成完成后按任意键退出。

5.10. 按  Ctrl + ` 打开终端,输入下面语句运行代码并执行。


 

1.软件介绍

Visual Studio Code(简称“VS Code” )是Microsoft在2015年4月30日Build开发者大会上正式宣布一个运行于 Mac OS X、Windows和 Linux 之上的,针对于编写现代Web和云应用的跨平台源代码编辑器,可在桌面上运行,并且可用于Windows,macOS和Linux。它具有JavaScriptTypeScript和Node.js的内置支持,并具有丰富的其他语言(例如C++,C#,Java,Python,PHP,Go)和运行时(例如.NET和Unity)扩展的生态系统。

2.软件下载:

官网地址:

https://code.visualstudio.com/download

由于下载速度比较慢,大家可以找一下镜像教程

也可以在联想应用商店直接下载:

3.安装

3.1. 双击可执行文件

图片

3.2. 同意协议

图片

3.3. 选择安装路径,默认在C盘

建议换个盘符,因C盘是系统盘,存放太多会导致电脑卡顿。

图片

3.4. 点击下一步

图片

3.5. 可选择所有附加任务

图片

3.6. 点击安装

图片

3.7. 等待安装

图片

3.8. 点击完成

图片

3.9. 安装成功

图片上有软件菜单栏的介绍

图片

VS code已经安装好了,但是它不能够直接编译,还需要搭建编译和调试环境,在这里使用MinGW-64。

4.下载MinGW64

4.1. MinGW-64下载地址 :

https://sourceforge.net/projects/mingw-w64/files/

(可复制链接到网页下载)

图片

4.2. 下载完成得到压缩包,对压缩包进行解压


 

图片

图片

4.3. 拷贝MinGW-64到C盘根目录

打开解压后的包,将包里面的MinGW-64文件夹复制到C盘根目录

图片

4.4. 复制成功

图片

4.5. 在windows电脑搜索框中搜索【环境变量】

图片

4.6. 进入系统属性,点击环境变量

图片

4.7. 在系统变量中找到Path,双击进入

图片


 

4.8. 添加变量,如图所示步骤操作

图片

4.9. 验证环境,按win+R输入cmd打开命令行窗口,输入gcc--version。

能看到下面这些内容,证明MinGW-64的编译套件已经配置好了。

图片

图片

5.配置使用

5.1. 打开VS code 软件,安装C/C++插件

安装好插件之后关掉并重启VS code,让之前的设置生效。

图片

图片

5.2. 创建一个文件夹(代码存放处)

图片

5.3. 打开文件夹,现在可以打开刚创建的文件夹。

图片

图片

5.4. 新建文件并对文件进行命名

编写C语言文件时,请以【.C】为后缀命名,并回车完成命名。

图片

图片

图片

5.5. 编写完代码后,进入代码区域。

按快捷键Ctrl+Shift+P,选择【C/C++: 编辑配置(UI)】

图片

5.6. 按下图红框圈中的选项进行配置

图片

图片

图片

5.7. 配置完成后,侧边栏会出现新增文件。

图片


5.8. 创建执行任务

击菜单栏的“终端-配置任务-生成活动文件”,会生成task.json文件,用于执行编译任务。

图片

图片

图片

5.9. 点击【终端-运行生成任务】菜单,生成完成后按任意键退出。

图片

5.10. 按  Ctrl + ` 打开终端,输入下面语句运行代码并执行。

按键【` 】:将键盘切换到英文模式下,按ESC按键下面的按键就可以。

图片

图片

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/637328.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

labview中循环停止事件的深入研究

1.错误用法 第一次值事件运行的时候空白按钮给的F值,第二次值事件运行的时候空白按钮给的T值,这时循环才真正结束。 2.正确用法之一 赋值和值改变事件从同时进行变成按顺序执行。 3.正确用法之二 值事件发生以后超时事件将T值赋值给结束条件&#xff…

堆的概念、堆的向下调整算法、堆的向上调整算法、堆的基本功能实现

目录 堆的介绍 堆的概念 堆的性质 堆的结构 堆的向下调整算法 基本思想(以建小堆为例) 代码 堆的向上调整算法 基本思想(以建小堆为例) 代码 堆功能的实现 堆的初始化 HeapInit 销毁堆 HeapDestroy 打印堆 HeapPrint …

【ZYNQ】Zynq 芯片介绍

Zynq 是 Xilinx 公司提出的全可编程 SoC 架构,集成了单核或多核 ARM 处理器与 Xilinx 16nm 或 28nm 可编程逻辑,包括 Zynq 7000 Soc,Zynq UltraScale MPSoC 和 Zync UltraScale RFSoC 等系列。本文主要介绍 Xilinx Zynq 7000 系列芯片架构、功…

[阅读笔记20][BTX]Branch-Train-MiX: Mixing Expert LLMs into a Mixture-of-Experts LLM

这篇论文是meta在24年3月发表的,它提出的BTX结构融合了BTM和MoE的优点,既能保证各专家模型训练时的高度并行,又是一个统一的单个模型,可以进一步微调。 这篇论文研究了以高效方法训练LLM使其获得各领域专家的能力,例如…

欧科云链:香港虚拟资产OTC合规在即,技术监管成市场规范关键

4月12日香港OTC发牌制度公众咨询结束后,欧科云链研究院在星岛日报发表专栏文章,分享对香港OTC市场的调研情况,并提出“技术监管是香港OTC及Web3生态走向规范的关键”。欧科云链研究院认为,随着OTC监管及虚拟资产现货ETF等事件向前…

【Yolov系列】Yolov5学习(一)补充1.1:自适应锚框计算

1、Yolov5的网络结构 Yolov5中使用的Coco数据集输入图片的尺寸为640*640,但是训练过程的输入尺寸并不唯一,Yolov5可以采用Mosaic增强技术把4张图片的部分组成了一张尺寸一定的输入图片。如果需要使用预训练权重,最好将输入图片尺寸调整到与作…

【剪映专业版】13快速为视频配好音:清晰、无噪声、对齐

视频课程:B站有知公开课【剪映电脑版教程】 使用场景:视频无声音或者视频有声音但是需要更改声音 时间指示器在哪里,就从哪里开始 红色按钮:开始录音 声音波纹:蓝色最佳,黄色或红色声音太大,…

梯度消失/梯度爆炸

梯度消失/梯度爆炸(Vanishing / Exploding gradients) 梯度消失或梯度爆炸:训练神经网络的时候,导数或坡度有时会变得非常大,或者非常小,甚至于以指数方式变小,这加大了训练的难度。 g ( z ) …

目标检测YOLO数据集的三种格式及转换

目标检测YOLO数据集的三种格式 在目标检测领域,YOLO(You Only Look Once)算法是一个流行的选择。为了训练和测试YOLO模型,需要将数据集格式化为YOLO可以识别的格式。以下是三种常见的YOLO数据集格式及其特点和转换方法。 1. YOL…

node的事件循环

异步同步啥的就不多说了,直接看node中有哪些是异步 其中灰色部分和操作系统有很大的关系,就不多说了,其中定时器属于timers队列,I/O操作属于poll队列,setImmediate属于check队列,其中nextTick和promise不属…

PTA L2-052 吉利矩阵

题目 解析 这题考的是搜索剪枝 可行性剪枝: 即判断当前行(列)是否已经超过L和剩下的格子都填最大值是否小于L,若是则剪枝。 当前行数大于1时,判断上一个填完的行是否等于L,若否,则剪枝。 当前行…

【深度学习实战(12)】训练之模型参数初始化

在深度学习模型的训练中,权重的初始值极为重要。一个好的初始值,会使模型收敛速度提高,使模型准确率更精确。一般情况下,我们不使用全0初始值训练网络。为了利于训练和减少收敛时间,我们需要对模型进行合理的初始化。 …