anaconda+python3.6+opencv+tensorflow环境的搭建

机器视觉与机器学习环境搭建：

首先，关于Tensorflow的搭建，众所周知，对硬件要求比较高；目前，有两种环境可搭建使用，
第一种就是只用CPU的（并不是所有CPU都可以任意版本运行，有的老的处理器不能够使用新的tensorflow运算，所以安装时若果报一些莫名奇怪的错误，可以往这方面考虑一下）；
并且安装CPU版的有的老的CPU运算模块的DLL可能比较旧，AVX2和AVX1的差别吧，可以去研究一下，所以选好版本很重要；
第二种就是使用GPU的（显卡好一点，并不是所有显卡都有GPU，有的老显卡是没有GPU的，所以搭建之前需要查清楚相关数据。）；
关于AMD和NAVIDA，英伟达的可以用CUDA运算；对于AMD可以使用OpenCL做深度学习（安装了环境，没编写测试）；

一、Anaconda 的下载安装：

以前可以进官网下载的，现在好像不可以了，知不道为啥；
Anaconda安装很简单，最后记得添加“环境变量”：E:\Anaconda\Library\bin；
有的添加环境变量：
C:\Anaconda2;
C:\Anaconda2\Scripts;
C:\Anaconda2\Library\bin;

二、Python的安装

anaconda安装时默认安装python3.6版本；好像不需要再次安装；

三、OpenCV配置

对应版本opencv+contribute版本安装：
指定到指定文件夹，然后进行pip安装清华镜像文件：

四、Tensorflow的搭建

a.首先，进入Anaconda Prompt（管理员进没差别），如图：

在此目录下，通过指令：

conda --version（检查anaconda安装的具体版本）；

python（检查python的版本）；

conda search --full-name tensorfflow（查看目前可以使用的tensorflow版本）；

conda info tensorflow（查看tensorflow包信息的相互依赖关系）；

查询自己机器可适应的python、tensorflow版本；

b.创建一个将要搭建的TensorFlow环境

名字为tensorflow，可自己定义；

    代码：`conda create -n tensorflow python=3.6`；

创建之后，在Anaconda Navigator中可看到：

代码：conda activate tensorflow（启用tensorflow环境）；

其中，我创建的环境名是tensorflowpy36：

c.进入安装

输入清华的镜像库：
代码：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
（中间有的是空格）

我已经安装好了，所以会有底下提示。

d.更新安装

可以使用代码：
conda update conda （也可以不更新，我没更新，不影响）；

接着，代码：
pip install --ignore-installed --upgrade tensorflow
由于CPU较老，所以不能直接使用tensorflow2.0.0，只好安装1.4（不知道为啥，上面查询没看到1.4的）；
或者安装GPU版本的代码：pip install --ignore-installed --upgrade tensorflow-gpu

代码：pip install --ignore-installed --upgrade tensorflow1.4
如果不小心安装了，需要先卸载已经安装的对应版本，通过代码：conda list可以查看安装的具体版本；
然后卸载，
代码：
卸载方法如下：
pip uninstall tensorflow2.0

pip uninstall tensorflow-estimator==2.0.1

pip uninstall tensorboard==2.0.1
（我发现装了三个东西，所以都卸载了。）

进行安装

注意：

安装过程可能会报错，需要针对不同问题进行安装缺失的东西，

       我安装时需要ipykernel，使用代码：pip install ipykernel；
       要提升pip（好像是：pip -m pip install -U pip），
       有些报错，里面有对应的代码，到时候仔细一点，操作慢一点。

安装结束会有以下提示：

e.测试

输入python查看版本，然后输入测试代码；
importtensorflow as tf
hello = tf.constant(‘Hello, TensorFlow!’)
sess = tf.Session()
print(sess.run(hello))

如图：

输入后提示的东西，没报错没failed就没事；
继续输入，运行。
运行结果图：

f.Spyder

在Aanaconda navigator中安装属于tensorflow的spyder环境；

如图：

测试代码出现如下问题：The TensorFlow library wasn’t compiled to use SSE instructions, but these are available on your machine and could speed up CPU computations.；
此时机器是支持使用SSE指令的，使用SSE可以加速CPU计算。但是，Tensorflow库没有编译，所以又用不了。

解决办法：在代码段里引入：
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘3’

原因：
我是使用"pip install tensorflow" 这种方法安装的Tensorflow，而不是从源码编译安装的。
这个警告，只是影响cpu计算速度。使用或者不使用SSE程序都是可以运行的。

g.安装keras

安装代码：pip install keras
需要根据tensorflow安装对应keras，不然运行时候有些模块相互不匹配，报错；
指定版本安装：pip install -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com keras==2.0.8
如图：

需要将tensorflow和keras版本对应起来：

对应keras版本安装：

h、numpy卸载，安装指定版本

有时候版本太高，opencv运算报错
将高版本的卸载，安装低版本

安装tensorflow时候默认安装的1.18.4，然后有问题
降低版本到pip install numpy1.14.0也存在问题；
从清华镜像安装，速度比较快：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade numpy1.16.0

安装结束后，运行报错：

1.缺少skimage（scikit-image）模块：

由于创建虚拟环境然后安装，所以会缺失一些模块，在原本的模块中是存在skimage模块的；
(tensorflowpy36) C:\WINDOWS\system32>pip install scikit-image
报错，缺少skimage模块，则进行安装，等待时间太长报错，则输入上述命令安装，
已经安装好的环境不会重新安装了，所以多试几次；