图像融合领域的老环境配置保姆级教程（tensorflow1.X系列，Win10）

 

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：

清华大学开源软件镜像站

点右边一个角落的“帮助说明”，然后找到"anaconda”，跳转到：

Anaconda 镜像使用帮助

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。