深度学习-卷积神经网络（目标检测环境搭建）-TensorFlow及Keras环境搭建&详细安装教程

系列文章

相关文章

深度学习-卷积神经网络-实例及代码0.8—基于最小均方误差的线性判别函数参数拟合训练

深度学习-卷积神经网络-实例及代码0.9—MNIST数据集介绍、下载及基本操作

深度学习-卷积神经网络-实例及代码1（入门）—利用Tensorflow和mnist数据集训练单层前馈神经网络/感知机实现手写数字识别

深度学习-卷积神经网络-实例及代码2（初级）—利用Tensorflow和mnist数据集训练简单的深度网络模型实现手写数字识别

深度学习-卷积神经网络-实例及代码3（图像分类LeNet5模型）—利用Tensorflow和mnist数据集训练LeNet5-CNN模型实现手写数字识别

 

最近在学习研究目标检测算法，先看看YOLOV3—CNN深度模型的原理，然后看了代码实现，准备动手跑一遍

这篇文章先记录下所需的安装环境

因为代码看的是基于TensorFlow+Keras的版本，所以这里安装相对应的环境

（操作系统是Windows10 专业版）

第一部分：TensorFlow安装

1、安装Python 3.6.5 64位  

进入Python官方网站，找到Downloads页面，找对应的版本，下载安装

具体安装步骤比较简单，网上随便搜下就有

3.6.5版本的python我下载下来后上传到这个地址了：https://download.csdn.net/download/firemonkeycs/13074153

2、升级pip至最新版本，安装virtualenv
打开cmd命令窗口，查看当前python、pip和virtualenv版本，cmd中输入命令：
python --version
pip -V
virtualenv --version

升级pip的命令：pip install --upgrade pip
安装virtualenv的命令：pip install virtualenv

如果使用国内镜像(douban)进行安装和升级，速度会快很多，命令如下：
pip install --upgrade pip -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
pip install virtualenv-i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com

安装完成后可以查看python、pip和virtualenv版本，类似下面

C:\Users\USER>python --version
Python 3.6.5

C:\Users\USER>pip -V
pip 20.2.3 from c:\users\user\appdata\local\programs\python\python36\lib\site-packages\pip (python 3.6)

C:\Users\USER>virtualenv --version
virtualenv 20.0.31 from c:\users\user\appdata\local\programs\python\python36\lib\site-packages\virtualenv\__init__.py

3、安装TensorFlow所需相关python包

3.1、最好安装或者更新好其他几个包:numpy,wheel,setuptools,urllib3
如果要先查看安装了哪些包，cmd中输入命令：
pip list

C:\Users\USER>pip list
Package              Version
-------------------- ---------
absl-py              0.10.0
appdirs              1.4.4
astor                0.8.1
certifi              2020.6.20
cycler               0.10.0
distlib              0.3.1
filelock             3.0.12
gast                 0.2.2
google-pasta         0.2.0
grpcio               1.31.0
h5py                 2.10.0
importlib-metadata   1.7.0
importlib-resources  3.0.0
Keras                2.3.1
Keras-Applications   1.0.8
Keras-Preprocessing  1.1.2
kiwisolver           1.2.0
Markdown             3.2.2
matplotlib           3.3.2
numpy                1.19.1
opt-einsum           3.3.0
Pillow               7.2.0
pip                  20.2.3
protobuf             3.13.0
pyparsing            2.4.7
python-dateutil      2.8.1
PyYAML               5.3.1
scipy                1.5.2
setuptools           50.3.0
six                  1.15.0
tensorboard          1.15.0
tensorflow           1.15.0
tensorflow-estimator 1.15.1
termcolor            1.1.0
urllib3              1.25.10
virtualenv           20.0.31
Werkzeug             1.0.1
wheel                0.35.1
wrapt                1.12.1
zipp                 3.1.0

如果要查看某个包具体的版本，还有一种方式
以numpy为例查看版本，打开cmd命令窗口，输入python进入交互界面，输入命令：
import numpy
numpy.__version__或者print(numpy.__version__)

C:\Users\USER>python
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import numpy
>>> numpy.__version__
'1.19.1'

3.2、安装Visual C++ Redistributable Update3 for Visual Studio 2015
如果已经安装C++ 2017，可先卸载，再安装C++ 2015，完成后再安装回来C++2017

4、安装Tensorflow 1.15版本（适用于Python3.6.5，不知道Tensorflow2.1.0是否也适用于Python3.6）
打开cmd命令窗口，输入安装命令，这里使用的是阿里云的镜像，速度会快很多

pip install --index-url https://mirrors.aliyun.com/pypi/simple/ tensorflow==1.15.0
安装过程中提示将以下安装路径加入系统变量Path中，不同机器安装路径不一样：
C:\Users\cmdi-hh\AppData\Roaming\Python\Python36\Scripts

C:\Users\USER\AppData\Local\Programs\Python\Python36
5、测试验证

打开cmd命令窗口，输入python进入交互界面，输入下面两段代码之一运行正常即可

代码（1）——查看tensorflow版本

import tensorflow as tf
print(tf.__version__)

代码（2）——TensorFlow版本的HelloWorld

hello=tf.constant('Hello,TensorFlow!')
sess=tf.Session()
print(sess.run(hello))

>>> import numpy
>>> numpy.__version__
'1.19.1'
>>> import tensorflow as tf
2020-10-29 21:03:29.426564: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found
2020-10-29 21:03:29.438847: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine.
>>> print(tf.__version__)
1.15.0
>>> hello=tf.constant('Hello,TensorFlow!')
>>> sess=tf.Session()
2020-10-29 21:04:27.150051: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'nvcuda.dll'; dlerror: nvcuda.dll not found
2020-10-29 21:04:27.153995: E tensorflow/stream_executor/cuda/cuda_driver.cc:318] failed call to cuInit: UNKNOWN ERROR (303)
2020-10-29 21:04:27.257908: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:169] retrieving CUDA diagnostic information for host: USER-PC
2020-10-29 21:04:27.262164: I tensorflow/stream_executor/cuda/cuda_diagnostics.cc:176] hostname: USER-PC
2020-10-29 21:04:27.277681: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2
>>> print(sess.run(hello))
b'Hello,TensorFlow!'
>>>

第二部分：Keras安装
1、pip安装与TensorFlow版本相对应的Keras版本（前提已安装tensorflow1.15）
打开cmd窗口命令
输入pip install keras==2.3.1 (2.3.1为与tensorflow1.15对应的keras版本号)
安装完成

2、测试安装版本
在cmd命令行输入python进入python命令行
输入import keras，会提示Using TensorFlow backend.
输入keras.__version__，会提示版本号'2.3.1'

>>> import keras
Using TensorFlow backend.
>>> keras.__version__
'2.3.1'
>>>

至此TensorFlow及Keras安装完成，后面就可以试试YOLOV3-Keras版本的效果啦