在win11系统环境下使用anaconda以及pycharm配置人脸识别库--dlib,face-recognition等

最近需要使用python实现一下人脸识别功能,但是在环境配置时候碰到了很多问题,下面罗列一下我遇到的问题,仅供参考。

安装配置人脸识别库主要包括两部分,一是dlib库的安装,第二个是face-recognition库的安装。

我使用的环境是win11系统,安装的anaconda2020.5.3.1好像是,主环境是python3.8.5,试过很多方法在主环境下安装face-reconnition库均以失败告终。

其中在主环境中使用pip安装命令安装dlib时,会以同样的错误报错结束。错误如下所示:

 

报错原因经过查阅各博主经验发现大致是dlib换编译方式导致的,需要VS2015update3编译,但我只有VC++2012,2015,2017等版本,如图所示:

最后遗憾发现此路不通,随放弃。但提一句,使用conda可以安装dlib19.22.0,安装命令如下:

conda install dlib

最后被逼无奈,发现大多数博主说需要用python3.6环境才能顺利安装相关人脸配置库,遂进行试验。

创建python3.6环境,在anaconda终端输入命令:

conda create --name facetry python=3.6.8

facetry为我的环境名字,可换成自己的。后面就是输入y确认,然后安装成功,进入环境。

conda activate facetry

进入环境后就是配置环境了,因为我使用tensorflow比较多,先装了个tensorflow的CPU版本,命令如下:

pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

挂清华镜像均速率3m左右,很顺利安装成功。

后面进入重头戏,进入dlib等人脸识别环境配置

安装dlib:

pip install dlib==19.8.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装face-recognition:

pip install face-recognition==1.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

使用这两条指令全程很顺利,没有经过任何报错便完成了face-recognition的安装,最后我发现某些博主介绍的cmake、boost库我也没用上,可能实现方法不一致,后面再就是退出环境。

conda deactivate

编译器我用的pycharm社区免费版2021.3.2,后面就是在pycharm内添加自己新创建的环境,就不做过多描述了,自己对应从图上看。

点击上方“+”号; 

 

 

后续将实现在jeston nano上实现对应库的安装,希望一切顺利。

  • 1
    点赞
  • 13
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 2
    评论
使用Anaconda3和PyCharm配置TensorFlow-GPU 2.4.0深度学习环境是一个相对简单的过程,我将分享我的经验。 首先,你需要确保已经在计算机上安装了Anaconda3和PyCharm。然后,你可以按照以下步骤进行配置: 1. 打开Anaconda Navigator,并创建一个新的虚拟环境。你可以选择Python 3.7版本,并命名环境为"tensorflow-gpu"。 2. 激活新环境后,在终端或命令提示符下输入以下命令来安装TensorFlow-GPU 2.4.0: ``` conda install tensorflow-gpu=2.4.0 ``` 3. 安装完成后,你可以通过以下命令验证TensorFlow-GPU是否正确安装: ``` python -c "import tensorflow as tf; print(tf.__version__)" ``` 如果输出显示为2.4.0,则说明TensorFlow-GPU已经成功安装。 4. 接下来,在PyCharm中打开一个新的项目。在项目设置中,选择已创建的虚拟环境"tensorflow-gpu"作为项目的Python解释器。 5. 在PyCharm的终端中,使用以下命令来安装GPU版本的TensorFlow依赖项: ``` pip install tensorflow-gpu==2.4.0 ``` 6. 安装完成后,你可以编写和运行使用TensorFlow-GPU的代码了。 在配置过程中,可能会遇到一些问题。例如,TensorFlow-GPU要求计算机上安装了适当的显卡驱动程序,并且CUDA和cuDNN版本与TensorFlow-GPU的要求相匹配。此外,如果你在安装过程中遇到任何问题,可以尝试升级或降级AnacondaPyCharm和TensorFlow-GPU版本,以找到兼容的组合。 总之,通过Anaconda3和PyCharm配置TensorFlow-GPU 2.4.0深度学习环境是一项相对简单的任务。如果按照上述步骤操作,你应该能够成功地设置和使用TensorFlow-GPU来进行深度学习任务。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

小呆瓜要润了

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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