深度学习环境依赖非官方方法论

首要的，遇到一个开源算法，

立马查它主要的 环境配置清单！（系统配置和环境，以及软件版本）

立马查它主要的 环境配置清单！（系统配置和环境，以及软件版本）

立马查它主要的 环境配置清单！（系统配置和环境，以及软件版本）

以及有些还需要：项目结构和文件说明

类似于：

.
├── data
│   └── 数据汇总.csv # 需要预测的数据
├── infer.py # 主要文件， 模型加载推理，和flask服务的创建、解析等
├── infer.pyc
├── model
│   └── liner.pkl # 训练好的模型
├── README.md
├── requirements.txt
├── test_post.sh # 程序入口， 启动服务， 通过crul命令发送数据， 模拟POST请求
└── train.py # 训练模型， 并保存

如果任务过程中死活也还是各种报错信息

把所有虚拟环境删掉，然后把anaconda卸载

把所有虚拟环境删掉，然后把anaconda卸载

把所有虚拟环境删掉，然后把anaconda卸载，重装

 

开源软件奇怪的问题很多的，最恐怖的就是软件版本依赖关系没好，然后掉坑了，然后重装！！！

 

以后更多的再详细补充，你的点赞，是我未来回来补充的动力，谢谢各位老铁。

后续会加上 图像分类，图像处理 常用的 算法框架的 环境验证过了的配置，方便各位老铁出