anaconda+pycharm+win10+python-pcl+python-opencv+TensorFlow环境搭建

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

1. 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。
2. 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。
3. 创建python虚拟环境。

1. 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。
2. 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。

4. 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。
5. 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。
6. 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。
7. 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()