1.Anaconda下载和安装
下载地址:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
https://www.anaconda.com/download/
安装时下图面建议两个选项都勾选:
① 将Anaconda添加到我的环境变量Path中,选中此项目确保使用Python,IPython、conda和其他程序时可以使用本次安装的python。
② 将Anaconda设置为本机的默认的Python3.5。选中此项后,其他编译器默认将Anaconda作为默认的Python3.5环境。后续再安装其他Python的IDE(例如我推荐给大家的Pycharm等)时,这些后装的IDE将自动检测Anaconda并优先选择Anaconda的Python作为其Python解释器(interpreter)。
2.pycharm下载和安装
下载网址:https://www.jetbrains.com/pycharm/download/#section=windows
之后在License server address中随意输入下面两个注册码中的任意一个即可,Pycharm新注册码1:http://idea.liyang.io或pycharm新注册码2:http://xidea.online,之后点击OK,便可以激活Pycharm了。
3.Anaconda创建虚拟环境
https://www.cnblogs.com/Sssun/p/11722575.html
- 首先在所在系统中安装Anaconda。可以打开命令行输入conda -V检验是否安装以及当前conda的版本。如若没有安装,请看上一篇。
- conda常用的命令。
1)conda list 查看安装了哪些包。
2)conda env list查看当所有的虚拟环境
3)conda update conda 检查更新当前conda。 - 创建python虚拟环境。
- 在开始中,找到Anaconda Prompt,双击打开。
输入 conda create -n 虚拟环境名称(自己随意,英文) python=X.X(2.7、3.6等)命令创建python版本为X.X。
输入yes。
等待一段时间,虚拟环境会自动下载文件。 - 也可以打开Anaconda Navigator。(反正我的电脑打开这个软件是慢的很)。
根据图上的指示就可以使用图形化创建虚拟环境。
- 激活虚拟环境。
使用DOS命令就可以了,输入以下命令即可激活虚拟环境
Linux: source activate 虚拟环境名称。
Windows: activate 虚拟环境名称。 - 对虚拟环境中安装额外的包。
使用命令conda install -n 虚拟环境名称 需要的包名 即可安装需要的包到特定的虚拟环境中。
激活特定的环境后,使用pip install 需要的包名 也可安装需要的包到特定的虚拟环境中。 - 关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)。
使用如下命令即可。
Linux: source deactivate。
Windows: deactivate。 - 删除虚拟环境。
使用命令conda remove -n 虚拟环境名称 --all, 即可删除。
8.删除环境中的某个包。
使用命令conda remove --name 虚拟环境名称 不需要的包名 即可。
激活特定的环境后,使用pip uninstall 不需要的包名 也可卸载不需要的包。
4.第三方库下载
第三方库下载地址:
https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
https://www.lfd.uci.edu/~gohlke/pythonlibs/
查看第三方库输入
pip list
卸载第三方库
pip uninstall opencv-python
通过Anaconda安装python和各依赖库,再使用pip安装opencv(使用.whl文件安装)
需要注意的是,不要使用 conda install,因为 conda 安装时会将其他库更新,甚至把 python 更新掉,导致 pcl 无法使用,因此必须使用 pip 安装。
打开网页选择对应Python版本的.whl文件并下载至硬盘(.whl件是python的包文件,包含了py文件,以及经过编译的pyd文件,用于安装),contrib模块会提供更多的图像处理功能,cp37表示python3.7。
1.python-pcl
https://ci.appveyor.com/project/Sirokujira/python-pcl-iju42/build/job/dqefbpxo8h9e0yyb
选择 Artifacts 标签,然后下载 .whl 文件,注意 python 版本和 pcl 版本。
2.python-opencv
https://pypi.tuna.tsinghua.edu.cn/simple/opencv-python/
3.matplotlib(自带安装)
https://pypi.tuna.tsinghua.edu.cn/simple/matplotlib/
4.scipy (自带安装)
https://www.lfd.uci.edu/~gohlke/pythonlibs/#scipy
5.mayavi
https://www.lfd.uci.edu/~gohlke/pythonlibs/#mayavi
6.scikit-learn (自带安装)
https://pypi.tuna.tsinghua.edu.cn/simple/scikit-learn/
7.scikit-image (自带安装)
https://pypi.tuna.tsinghua.edu.cn/simple/scikit-image/
8.tensorflow
https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu/
9.numpy(自带安装)
https://pypi.org/project/numpy/#files
5. 第三方库安装
1.使用 Anaconda Prompt创建一个 python3.7 的环境并进入
conda create -n PCL19Py37 python=3.7
activate PCL19Py37
2.在创建的虚拟环境下新建…\Anaconda3\envs\PCL19Py37\Scripts文件夹,将下载的 .whl文件放入其中。需要添加环境变量…\Anaconda3\envs\PCL19Py37\Scripts
4、安装PCL和Opencv,打开cmd,输入
pip install opencv_python-4.1.2+contrib-cp37-cp37m-win_amd64.whl
或
pip install opencv_python-4.1.1.26-cp37-cp37m-win_amd64.whl
pip install python_pcl-0.3.0rc1-cp37-cp37m-win_amd64.whl
ps: 有可能会提示 pip 版本过低,按照提示升级一下 pip 即可。
之后,pip 安装其他必要的库即可,比如我要安装 openCV 和 numpy。需要注意的是,不要使用 conda install,因为 conda 安装时会将其他库更新,甚至把 python 更新掉,导致 pcl 无法使用,因此必须使用 pip 安装。
5.安装其他第三方库
numpy
pip install numpy-1.17.3-cp37-cp37m-win_amd64.whl
scipy
pip install scipy-1.3.1-cp37-cp37m-win_amd64.whl
matplotlib
pip install matplotlib-3.2.0rc1-cp37-cp37m-win_amd64.whl
mayavi
pip install mayavi-4.7.1+vtk82-cp37-cp37m-win_amd64.whl
scikit-learn
pip install scikit_learn-0.21rc2-cp37-cp37m-win_amd64.whl
scikit-image
pip install scikit_image-0.16.2-cp37-cp37m-win_amd64.whl
tensorflow2.0.0
开始安装TensorFlow
pip install tensorflow_gpu-2.0.0rc2-cp37-cp37m-win_amd64.whl
安装GPU版本之前,需要下载安装CUDA + cuDNN
点击查看最新tensorflow支持的CUDA版本:
https://tensorflow.google.cn/install/gpu
cuda下载地址: https://developer.nvidia.com/cuda-toolkit-archive
下载好CUDA Toolkit 10.1 后,我们开始下载cuDnn
cuDNN历史版本在该网址下载:https://developer.nvidia.com/rdp/cudnn-archive
解压“cudnn-10.1-windows10-x64-v7.6.3.zip”,将一下三个文件夹,拷贝到CUDA安装的根目录下。
将下面四个路径加入到环境变量中,注意要换成自己的安装路径。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
至此cuda安装步骤都已经完成。
注意:
CUDA Toolkit本地安装包时内含特定版本Nvidia显卡驱动的,所以只选择下载CUDA Toolkit就足够了,如果想安装其他版本的显卡驱动就下载相应版本即可。NVIDIA显卡驱动和CUDA工具包本身是不具有捆绑关系的,也不是一一对应的关系,只不过是离线安装的CUDA工具包会默认携带与之匹配的最新的驱动程序。
所以NVIDIA的显卡驱动器与CUDA并不是一一对应的哦,CUDA本质上只是一个工具包而已,所以我可以在同一个设备上安装很多个不同版本的CUDA工具包。一般情况下,我只需要安装最新版本的显卡驱动,然后根据自己的选择选择不同CUDA工具包就可以了,但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序,所以在使用多个CUDA的时候就不要选择离线安装的CUDA了,否则每次都会安装不同的显卡驱动,这不太好,我们直接安装一个最新版的显卡驱动,然后在线安装不同版本的CUDA即可。
cuDNN是一个SDK,是一个专门用于神经网络的加速包,注意,它跟我们的CUDA没有一一对应的关系,即每一个版本的CUDA可能有好几个版本的cuDNN与之对应,但一般有一个最新版本的cuDNN版本与CUDA对应更好。
6.测试
1.打开软件,打开右下角的Configure中setting。
2.找到Project Interpreter,右上角有个设置打开add。
3.找到如下图所示的内容,点击Existing environment中的…找到虚拟环境中的python.exe文件即可,点击确定。
4. 然后点击Add Configuration,
5.点击加号,点击Python:
选择脚本路径和解释器。点击OK即可
5. 输入代码测试。
import cv2
img = cv2.imread('D:\\test.jpg')
cv2.imshow('Image', img)
cv2.waitKey (0)
cv2.destroyAllWindows()