[Bug]Anaconda+pycharm导入opencv

已于 2022-04-06 19:28:33 修改
阅读量3.8k 收藏
点赞数 2
文章标签： python 深度学习
于 2022-04-06 19:28:09 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_49519243/article/details/123995384
版权

记一个Bug

在运行CornerNet时出现ImportError:DLL load failed while impirting cv2:找不到指定的模块
在这里插入图片描述
我先建了一个CornerNet虚拟环境，刚开始在pycharm里的Terminal中使用pip install opencv-python安装了opencv但结果发现还是报错，接着在网上查了一些解决方法，发现这篇对我这个问题来说比较有用解决import cv2出错方案

1.根据自己的操作系统和python版本先下载opencv的whl文件（下载地址）；

2.将下载好的whl放入Anaconda路径\Lib\site-packages(我的路径是E:\programFiles\Anaconda3\Lib\site-packages)；

3.打开Anaconda Powershell Prompt命令窗，进入步骤2路径下；
4.使用pip install opencv_python-4.1.2-cp37-cp37m-win_amd64.whl命令对opecv进行安装

5.打开prcharm后会重新加载opencv库函数，加载完成后就不会报错了。

给pycharm快速添加Opencv库
Anthony's Blog
07-30 1万+
前提 1.安装好python,已经配置好环境. 2.安装好pycharm，配置好python 注意：未安装这些软件的话可以直接百度或者csdn搜索下载 流程 1.找到python的源文件夹，打开可以看到pip2.然后运行cmd 输入： 有这种界面出现就算是正常的。 3.现在输入pip install opencv-python 按下回车 开始下载最新的opencv. 4 开始测试 im...
【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
shinuone的博客
02-23 1万+
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
Anaconda+pycharm配置opencv
qq_44664959的博客
02-16 1615
Anaconda+pycharm配置opencv anaconda+pycharm中配置opencv 可以直接看总结 1.下载anaconda 首先下载anaconda，完成后打开anaconda prompt 打开后的页面 2.下载opencv 然后再输入###pip insatll opencv###即可下载，如果下载较慢的话可以使用清华镜像 在anaconda prompt中输入###pip install opencv-python4.2.0.34 -i https://mirrors.aliy
【tips】在PyCharm中安装opencv图文版详细教程
最新发布
zhousanguhe的博客
04-03 2610
pip如下图所示，左边的蓝色图标就是终端。点开终端后，键入命令，按下回车后就开始下载了。如果你更喜欢图形化操作，可以在 PyCharm 中直接安装：。点击右上角的 +按钮（添加包）。搜索或，点击。
Pycharm社区版导入OpenCV（超详细）
qq_41998917的博客
10-30 7106
如果刚刚的python.exe路径选的不对，再回到这个页面时是没有变化的，不会多出这么多包，此时重复上面的步骤，换一个查询到的python.exe的路径就行了。7.新建一个python文件，输入import cv2,此时并不会报错，之后就可以在此项目中引用opencv啦。如果不知道自己电脑中的python.exe位置在什么地方可以打开命令行输入 py -0p。看自己的那两个包下在哪一个路径中，不确定的话可以每个都试一下。选择刚刚查到的路径，一直选到python.exe。选好后点击OK OK。
在Pycharm的环境下安装OpenCV
热门推荐
保持一颗敬畏之心，简单地调用C++，适当地向C++妥协，让以后的自己看懂代码，让别人看懂代码。
09-23 6万+
目录前言PythonPyCharmPython下安装OpenCvPycharm安装opencv-python测试小程序 前言 因为自己打算开始学图像视觉的知识，所以，就从OpenCv开始学起，没想到，一开始就被这个装环境搞得有点烦了，这里做一个记录，我觉得还是跟网上现在随便搜下来的一些教程不同的，特别是我会教你怎么比较快速的安装一些东西，不然，你应该是会觉得很烦的，比较要安装OpenCv的很多库都是在国外，所以下载速度很慢，好的，现在我们正式开始。 Python 首先，肯定是Python的下载和安装了，我知
在pycharm上配置anaconda的opencv环境
weixin_51210777的博客
10-11 4128
第一步、在官网下载anaconda、pycharm等软件 点我下载anaconda 点我下载pycharm 第二步、点击电脑的开始菜单，打开anaconda的控制台 第三步、输入 pipinstallopencv-python-ihttps://pypi.tuna.tsinghua.edu.cn/simple并回车 等待加载完毕 第四步、打开pycharm配置anaconda环境 ...
I510400F+RTX3070Anaconda+pytorch+paddle+pycharm安装深度学习环境
weixin_44045850的博客
11-17 2342
首先声明，我只是发出来记录一下。本人新手小白，看了好多教程，最后参考的炮哥的，搜索炮哥带你学即可。下面放上我的过程供大家参考 Anaconda+pytorch+paddle+pycharm安装深度学习环境 首先确认显卡驱动程序版本 Win+R cmd nvidia-smi 确认当前显卡驱动版本+最高支持的CUDA等级 2021.11.17 Anaconda官网Anaconda | Individual Edition 双击下载好的安装包，按步骤安装就行了 选择D盘，新建文件夹..
【完整项目】基于Python+Tkinter+OpenCV+Yolo+手写OCR的双模式答题卡识别软件的设计与实现
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
12-02 2万+
目前，主流的答题卡识别软件都是基于传统的图像处理方法，经过二值化、滤波、去噪等流程提取到答题卡的填涂区域。思路正确，但是效果一般，无法广泛应用到实际中。由于答题卡的样式五花八门，考试的填涂方式千奇百怪，上述传统的图像处理方法不能很好的解决答题卡识别的痛点——即与考生填涂区域有相似噪声时，滤波和去噪过程阈值难以选择。阈值过小，不能提取出全部的填涂区域；阈值过大，会剔除掉考生的填涂结果，从而造成识别错误。从成本考虑，不是所有的答题卡都有大型考试那样严格的标准，填涂区域用红色标出(例：[A]
使用Anaconda配置TensorFlow-gpu以及OpenCV环境（Win10，PyCharm）
EricMao的博客
03-25 1547
介绍Win10下，使用Anaconda配置TensorFlow-gpu环境，和OpenCV环境，最后在PyCharm中使用。
目标检测之Mask R-CNN,实验步骤(tensorflow+pycharm)
weixin_43247746的博客
06-06 2753
**前言：**配置mask r-cnn的运行环境和代码需要注意的细节挺多。先推荐几篇不错的博文：1. https://blog.csdn.net/qq_29462849/article/details/81037343 2. https://blog.csdn.net/weixin_42880443/article/details/93622552 3. https://blog.csdn.net/heiheiya/article/details/81532914 一. 数据集 1.标注工具：labelme
pycharm安装opencv指南内含相关.whl文件
12-05
此安装包用于指导pycharm 中安装opencv，内含.whl文件，并指导如何检测安装成功
安装Anaconda和PyCharm，并配置OpenCV环境
m0_55771883的博客
07-09 2709
安装Anaconda和PyCharm，并配置OpenCV环境 第一次写blog，还在学习ing，有些地方做得不够好，会存在一些问题，如果有大神发现了问题或者有他解，欢迎指正交流呀
Pycharm+Anaconda环境下：解决使用Anaconda无法导入opencv库的问题
Freedom_Blue的博客
03-24 2202
文章目录1.简介2.解决a）方法一b）方法二3.结尾 1.简介 在使用Anaconda包管理器下载的python3.7版本和最新的opencv的时候，将其配置到pycharm时，容易出现无法导入ModuleNotFoundError: No module named 'cv2'的情况。原因可能有以下几种 Anaconda的环境没有完全集成到pycharm中 opencv的版本过新 对于第一种情...
(Anaconda) 解决Pycharm导入opencv(cv2库)不提示函数
bizarre07的博客
03-11 2051
Pycharm版本：2022.2.3python版本：python3.9。解决用Anaconda环境下python和pycharm编辑器下成功引入opencv库却不提示代码且找不到函数源文件的问题
pycharm导入opencv库失败解决方法
m0_56494324的博客
11-11 7180
pip版本不对的话 1.升级pip 在cmd中输入 python -m pip install --upgrade pip 2.进行opencv库的安装 pip install opencv-python 我用的是python3.8，之前就直接在官网下载的最新的python3.10然后升级pip失败了，老师说是python版本问题，得用python3.6，实验过后，3.8也可！ 如果软件中本来有anaconder的python环境，可能会导致安装失败，当然你把anaconder里的.
pycharm配置opencv库
qq_44859533的博客
07-23 7552
对于刚刚入手OpenCV的小白，又第一次接触pycharm编译器。所以在配置opencv库的时候遇到很多问题。最后，我用下面的方法解决。
在pycharm 里anaconda 配置opencv环境
zhendianzhibao的博客
07-02 1294
在anaconda环境下安装opencv
Pycharm中添加OpenCV库
dyk4ever的博客
11-19 3857
无opencv库时显示如图所示 点击File—Settings—Project Interpreter----“+”，具体如下图所示 点击+号，添加相关的库 搜索opencv选择相关的库，安装即可。
学习python的正确方式
03-15
<think>嗯，用户问的是学习Python的正确方式。首先，我需要确定用户的需求是什么。可能是一个刚开始学习编程的新手，或者有一定基础想更系统地学习Python的人。不管怎样，正确的方式应该包括基础知识的掌握、实践、项目经验、持续学习等几个方面。 首先，基础部分很重要。Python的语法相对简单，但如果不打好基础，后面会遇到很多问题。比如变量、数据类型、控制结构这些基本概念，必须理解清楚。然后函数、模块、异常处理这些进阶内容也需要逐步学习。这时候可能会推荐一些书籍或在线教程，比如《Python Crash Course》或者廖雪峰的Python教程，这些资源比较适合初学者。 接下来，实践是关键。光看理论不写代码是学不会的。用户需要多写代码，解决实际问题。LeetCode和Codewars这样的平台可以帮助练习算法和逻辑思维。小项目比如计算器、待办事项应用，能帮助巩固知识。这时候可能会想到用户可能遇到的困难，比如不知道从哪里开始做项目，或者遇到bug不知道如何解决，这时候需要引导他们如何分解问题，利用文档和社区资源。 然后是项目驱动学习。当用户有了一定的基础后，做实际项目能提升综合能力。Web开发、数据分析、自动化脚本都是不错的领域。比如用Flask或Django做网站，用Pandas做数据分析，这些项目能应用所学知识，并且积累经验。用户可能会担心项目复杂度，可能需要建议从简单项目开始，逐步增加难度。 持续学习方面，Python的生态系统很庞大，库和框架很多，需要不断学习新技术。参与开源项目或者阅读源码可以提升代码质量。同时，学习计算机基础知识也很重要，比如数据结构、算法、操作系统，这些能帮助更深入理解编程。这时候可能会想到用户可能只关注语言本身而忽略基础，需要强调这些基础知识的重要性。 另外，社区和资源的重要性。遇到问题要善于利用Stack Overflow、GitHub等平台，参加线下或线上的学习小组也能获得支持。推荐一些优质的资源，比如官方文档、Real Python的教程，这些都能帮助用户更高效地学习。 最后，避免常见误区。比如不要一味追求新框架，而忽视基础；不要复制代码而不理解；不要害怕犯错，调试是学习的一部分。用户可能在实践中遇到挫折，需要鼓励他们坚持，并学会利用调试工具和日志来解决问题。 总结下来，正确的学习路径应该是：扎实基础→多实践→做项目→持续学习→利用社区资源→避免误区。需要把这些步骤结构化，用清晰的中文表达出来，确保用户能逐步跟随，同时保持回答的真实可靠性。</think>学习Python的正确方式可以遵循以下结构化路径，结合理论、实践和持续提升： 一、打好基础（1-2个月） 1. 核心语法 - 变量、数据类型（字符串/列表/字典等） - 控制流：`if-else`、`for`、`while` - 函数定义与调用：参数传递、返回值 - 文件操作：`open()`上下文管理器 - 异常处理：`try-except`结构 2. 推荐资源 - 入门书籍：《Python编程：从入门到实践》 - 互动平台：Codecademy Python课程 - 官方文档：[docs.python.org](https://docs.python.org/zh-cn/3/) 二、强化实践（持续进行） 1. 每日编码 - 坚持每天写50+行代码 - 解决实际问题：例如自动整理文件、网页数据抓取 2. 算法训练 - 初级：LeetCode简单题目（每日1题） - 进阶：实现经典算法（如快速排序、Dijkstra算法） 3. 微型项目 ```python # 示例：简易爬虫 import requests from bs4 import BeautifulSoup def get_news_titles(url): response = requests.get(url) soup = BeautifulSoup(response.text, &#39;html.parser&#39;) return [h2.text for h2 in soup.select(&#39;h2.news-title&#39;)] ``` 三、项目驱动学习（3-6个月） 1. 方向选择 - Web开发：Django/Flask框架 - 数据分析：Pandas/NumPy库 - 机器学习：Scikit-learn/TensorFlow - 自动化：Selenium/OpenCV 2. 项目示例 - 开发个人博客系统（含用户认证、文章管理） - 股票数据分析可视化（Matplotlib+Seaborn） - 基于MNIST数据集的手写数字识别 四、进阶提升（持续） 1. 深入理解 - 掌握装饰器、生成器、元类等高级特性 - 学习设计模式（单例、工厂、观察者模式） - 研究CPython源码实现 2. 性能优化 - 使用`cProfile`进行性能分析 - 掌握多线程/多进程编程 - 学习Cython加速关键代码 五、学习建议 1. 有效方法 - 采用"学-练-教"循环：学习后立即实践，尝试向他人讲解 - 建立代码库（GitHub），定期整理学习笔记 - 参与开源项目（从修复简单issue开始） 2. 避坑指南 - 不要过度依赖复制粘贴代码 - 避免过早接触复杂框架（如直接学习Django而不懂HTTP） - 警惕"教程陷阱"（看10小时视频不如写1小时代码） 3. 推荐工具链 - IDE：PyCharm/VSCode - 环境管理：Anaconda + virtualenv - 代码质量：flake8 + black + pytest 六、学习路线图示例 ``` 基础语法（2周） → 标准库（1周） → 第三方库（2周） → 项目开发（1个月） → 源码研究（持续） ``` 关键要点：保持持续编码的习惯比突击学习更有效。建议每天投入1-2小时，周末可安排4小时以上的项目开发时间。遇到问题善用官方文档和Stack Overflow，但务必自己先尝试调试至少30分钟。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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