一、基本介绍
图像融合领域的很多经典方法都是在Tensorflow1.X下实现的,跑对比算法的时候不可避免的要配置这个老环境,但是Tensorflow的1.X和2.X完全不兼容,不像Pytorch的环境一配好直接就能用,存在很多的问题,本文针对Tensorflow1.X系列环境配置相关的问题进行总结。
注意:40系显卡可能不兼容。
近期重新装了台式电脑,原来的环境配置曾经好不容易配好过,然而时间久远,记不清楚了,随手一配环境,老是报错,折腾了好多天,终于搞定了。
首先,我们在唐博士汇总的经典方法的基础上进行,这是相关链接:
VIF-Benchmark: All infrare and visible image fusion method in one framework
二、软件安装及换国内源
关于Anaconda和Pycharm的安装就不细说了,先装Anaconda,后装Pycharm,最新版即可。
关于换国内源,一般conda推荐清华源,pip推荐豆瓣源。
1.conda换清华源
首先,搜索“清华源”,可以看到这个网站:
点右边一个角落的“帮助说明”,然后找到"anaconda”,跳转到:
TUNA 还提供了 Anaconda 仓库与第三方源(conda-forge、msys2、pytorch等,查看完整列表,更多第三方源可以前往校园网联合镜像站查看)的镜像,各系统都可以通过修改用户目录下的 .condarc
文件来使用 TUNA 镜像源。Windows 用户无法直接创建名为 .condarc
的文件,可先执行 conda config --set show_channel_urls yes
生成该文件之后再修改。
conda config --set show_channel_urls yes
然后在C:\Users\XXX下面(XXX是你的用户名)会生出一个名为 .condarc
的文件(可能会被隐藏,需要显示隐藏文件),用文本的方式打开,再把下面那些内容复制粘贴进去,保存。
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
2.pip换豆瓣源
运行下面这个:
pip config set global.index-url https://pypi.douban.com/simple/
完成这些以后,就是永久国内源了,然后开始正题。
三、配置tensorflow1.X环境
# conda相关指令汇总
# 查看源:
conda config --show-sources
# 移除源:
conda config --remove-key channels
# 查看所有环境:
conda info --envs
# 新建虚拟环境:(以下的myenv可以是自己起的名字,参数可以改)
conda create -n myenv python=3.8
# 删除虚拟环境:
conda remove -n myenv --all
# 激活虚拟环境:
conda activate myenv
# 退出虚拟环境:
conda deactivate
# 查看虚拟环境里装好的所有库
conda list
# 安装第三方库xx
conda install XX
# conda配置新环境,按顺序来操作
# 创建新环境,命名为fusion
conda create -n fusion python=3.7
# 激活环境
conda activate fusion
# 安装tensorflow1.15.0,记得后面带-gpu,安装时间会稍微久一点
conda install tensorflow-gpu==1.15.0
# 安装opencv,会自动选择合适的版本
pip install opencv-python
# 其他的也是用conda或者pip安装,尽量先用conda装,不行再用pip
# 其他的可能还需要装scikit-image,因为PIL可能会找不到版本
# 还可能tensorflow出个报错,关于trace库的问题,安装这个覆盖一下
conda install tensorflow-estimator==1.15
# 可能还会遇到scipy库中imread等函数的问题,需要回退到1.2.0版本
conda install scipy==1.2.0
注:上述开源算法里建议的是python3.6和tensorflow1.14.0,但是我这里会跟opencv版本冲突,怎么搞都有问题,所以尝试了python3.7+tensorflow1.15.0,就可以正常安装和使用了。
只保证能跑测试,训练没试过,自己看情况。
显卡驱动更新到最新的就可以了,CUDA的装也行,不装其实也行,因为配环境的时候,会给你装了cudatoolkit和cudnn这两个库,只要你针对不同的需求,创建不同的虚拟环境就好了。别什么都往base环境里装。