YOLO3实践应用之搭建开发环境（Python 3.6 、TensorFlow1.5版本）

前言

  基于YOLO3进行物体检测、对象识别，先和大家分享如何搭建开发环境，会分为CPU版本、GPU版本的两种开发环境，本文会分别详细地介绍搭建环境的过程。

主要使用TensorFlow1.5、opencv-python3.4.5、Keras2.1.6、Pillow7.2.0等依赖库。

 

搭建环境参数

系统：Windows       编程语言：Python 3.6           

深度学习框架：TensorFlow 1.5        整合开发环境：Anaconda        开发代码IDE：PyCharm

推荐理由：1）Anaconda +PyCharm，能适应较多的开发环境，比如，创建一个TensorFlow2.3的环境，创建一个TensorFlow1.5的环境，是不会相互影响的，而且切换很方便。相对来说VScode在环境配置和切换就差一些了，尽管我也挺喜欢VScode的。

2）使用Python语言相对C、C++更好上手，易于理解。

 

目录

前言

搭建环境参数

一、安装Anaconda

二、安装TensorFlow 

1、YOLO3开发环境——CPU版本

2、YOLO3开发环境——GPU版本

三、安装PyCharm

四、安装YOLO3用到的依赖库

五、配置PyCharm开发环境