写在前面:下学期人工智能课程设计要做一个人脸识别的程序。要求配置一系列的环境。而自己也是花了整整两天,重复安装了十几遍,才刚刚把环境搭好。实现了可以用jupyter notebook使用人脸识别的准备工作(包括各种软件、库的安装、文件的配置等)。本文力争用最简单的语言描述最便捷的环境搭建过程。
要准备安装的东西(按安装顺序排序):
注意:以下各项,需要版本匹配即可,不需要完全按照我写的。
查询什么样的版本互相匹配,可参照:https://docs.floydhub.com/guides/environments/
anaconda
python 3.5.x版本
tensorflow1.2
opencv3.3.1版本
keras 2.0.6版本
Pillow
sklearn0.19.0版本
注意!tensorflow这些东西,对版本要求非常严格!一旦版本不匹配,或者弄错一点点就会报出很多bug,所以建议一步步按部就班按我说的来,不要搞个人英雄主义!
而且顺序不能乱!因为后面几个要依仗tensorflow这个环境才行。
安装步骤
一、安装Anaconda
(如果已安装Anaconda,建议卸载了原来的,按照我给你的链接重新下载,为确保万无一失)
1、下载链接:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-4.0.0-Windows-x86_64.exe
2、下载后进行安装
安装过程:
选第一个,因为后面会牵扯到一点小问题,选第一个即可。
注意:
(1) 文件路径可以自己选择,但一定不能有空格,也就是说,所安装文件夹的每一个父文件夹名都不能包含空格!
(2) 如果使用的Anaconda安装包是我给你的版本,要注意:选择的目标文件夹一定是不存在的,如下图,我选择装到C盘Users的MI的Anaconda3文件夹里面,是不需要我们自己建好Anaconda3这个文件夹的,也就是说,你只要选好安装程序的文件夹,然后在后面加上Anaconda3即可,程序会自己创建文件夹并安装在里面(我怀疑写安装程序的程序员脑袋让门夹了)。
两个都选。
然后点Install进行安装,等待安装结束即可。
3、检查是否安装完成:
打开系统命令行,输入如下命令
conda --version
若显示Anaconda版本号即安装成功。
否则安装失败。
二、重新编辑pip安装源文件(非常重要)
此步很重要,因为后面很多步都需要在命令行使用pip进行环境文件的下载,而直接pip下载是从国外的服务器直接下载的,所以下载贼慢!
怎么办呢,Tsinghua的大佬们早就想到这一点了,为造福国内学子下载加速,他们把国外资源都下载了一份放在了国内服务器上,这样国内下载也会很快啦!(感谢Tsinghua dalao们)
这里进行一个小操作,就可以把pip默认从国外的Anaconda服务器下载改成从清华的服务器下载,什么操作呢?请看下文。
1、找到 “C:\Users\XXX” 其中XXX是你的账户名,在我这里是"C:\Users\MI",找到其中的".condarc"文件。
2、右键打开方式,选择文本文档方式打开,把如下内容复制,替换掉原来的内容(建议把原来的.condarc文件拷贝一份,以防我这个你不能用)。
ssl_verify: true
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
default_python:
替换后记得保存再退出!!!
三、创建新的环境
啥是新的环境?简而言之,Anaconda为了满足不同的编程需要,可以创造许多不同的虚拟环境,里面你可以自由下载搭配各种库,且满足各个库不冲突。
这里我们要安装支持人脸识别的各个库。
步骤:
1、打开开始菜单,打开Anaconda3中的Anaconda Prompt。(注意,之后的操作大多在这个黑框框里操作。)
2、输入
conda create -n tensorflow python=3.5
这句话的意思是创建一个名为tensorflow,python版本为3.5.x(anaconda会自动选择一个合适的3.5.x的python版本)的新环境。
然后会问你 yes or no? 输入 y ,回车。
等待下载安装结束即可。
3、激活环境(即转换到刚创建的环境)
输入
activate tensorflow
如果前面出现下图这样的前缀,即说明下载成功。
不要关闭黑框框,继续进行下一步。
四、更新pip(非常非常非常重要)
因为原来的pip版本比较低(可能是我给你的Anaconda版本比较低,如果直接下载tensorflow环境会出错(别问我怎么知道的TAT),所以要先更新pip然后再进行后面的操作。
特别注意:现在有两个环境嘛,一个是Anaconda默认的根环境,一个是刚刚创建的名为tensorflow环境。
所以每个环境都有pip,我们现在要更新的是tensorflow环境的pip。
步骤:
输入
python -m pip install --upgrade pip
然后等待安装成功即可。
注:
如果出现"No module named pip"这个错误,
需要先用管理员身份打开anaconda prompt
先输入python -m ensurepip
安装后再输入上面那句即可。
如果输入了第一句就升级成功 直接进行下一步。
参考:https://blog.csdn.net/wangh0802/article/details/98895065
// 选做 当然顺便同样的操作也可以把anaconda默认环境的pip升级了。(可不升级,应该不影响。)
五、安装tensorflow
(前面的铺垫都是为了这个!!!)
tensorflow分为cpu和gpu版本的
cpu版本的安装起来较为简洁,gpu版本的安装多了几步。
有无独显(gpu)都可以安装cpu版本,但gpu版本只有使用NVIDIA显卡的才可以安装,当然gpu版本在后面运行程序的时候处理速度会快。
这里建议并且只介绍cpu版本的。(才不是懒和qiong
1、在tensorflow环境下输入:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==1.2.0
(这里版本号1.2.0是你需要的版本号 我这里是1.2.0,你可以改成别的,下同)
(复制粘贴再回车即可)
这里因为咱们之前第二步已经更改了那个.condarc文件,所以这一步理论上输入
pip install tensorflow==1.2.0
也是完全可以的!打那么长只是为了保险,输入简单的那句也可。
然后该输入yes的地方输入y即可。(表示yes)
等待安装结束即可。
2、检验tensorflow是否安装成功
上一步安装结束后,在tensorflow环境中输入"python",从而进入python编辑模式
然后就当python编辑器就可以了。
输入"import tensorflow as tf"
再回车。如果不出现"No module named tensorflow" 那么tensorflow环境就安装成功了。
什么?你嫌这个检验太简单,说明不了问题?我也觉得是。
那就复制以下代码,粘贴到黑框框里运行一下。(简单的矩阵乘法)
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
matrix1 = tf.constant([[3., 3.]])
matrix2 = tf.constant([[2.],[2.]])
product = tf.matmul(matrix1, matrix2)
sess = tf.compat.v1.Session()
result = sess.run(product)
print(result)
sess.close()
若输出结果为[[12.]],则安装成功。
该检验代码片参考链接:https://blog.csdn.net/RobbyDeng/article/details/103054880
至此,大头已经结束了。
还剩几个其他的包,我们一鼓作气完成它。
六、安装opencv 3.3.1
(必须是这个版本!!!)
1、下载opencv3.3.1包(64位)
下载链接:点击此处
2、把下载下来的包放到 C:\User\XXX 里面。
然后打开anaconda prompt,切换到tensorflow环境,输入:
pip install opencv_python-3.3.1.11-cp35-cp35m-win_amd64.whl
等待安装完毕即可。
七、安装keras、Pillow和sklearn
1、安装keras 2.0.x,输入
pip install keras==2.0.6
2、安装Pillow,输入
pip install Pillow
3、安装sklearn模块
因为sklearn模块是由几个包组成的,要先下载numpy、joblib、scipy
但是 输入pip list 我们发现,前两个,anaconda已经替我们下载好了,因此只下载scipy即可。
安装scipy,输入
pip install scipy==1.4.1
安装matplotlib,输入
pip install matplotlib
最后安装sklearn!输入
pip install -U scikit-learn
参考链接:
https://blog.csdn.net/dlh_sycamore/article/details/79584039
八、安装jupyter notebook
在tensorflow环境里输入
pip install jupyter notebook
然后等待即可。
若想打开jupyter,只需要在tensorflow环境里输入 jupyter notebook 即可打开。
你可能会问:每次都要打开prompt再切换环境太麻烦了,能不能一打开就是tensorflow环境?可以。
详见:https://blog.csdn.net/yushdd/article/details/94553290
完结撒花!!!!!
附参考链接:
https://blog.csdn.net/qq_42633819/article/details/81191308
https://www.cnblogs.com/ming-4/p/11516728.html
另外感谢Tsinghua镜像!!!下载速度++
明天开始做实验了(哭泣,看似结束了,原来才刚刚开始……)
2021.2.22做完实验后更新
zmgg做完啦!
虽然历经坎坷。
做实验的过程和遇到的坑也来分享一下!
我是按照下面这篇博客做的
https://blog.csdn.net/qq_42633819/article/details/81191308
1、首先tk和th的地方要改一下,改成first_channel还是什么,和版本有关系,具体可以百度。
2、如果提示有库没下载,用pip下载就是了!
3、一开始我用笔记本电脑采集的数据,发现识别正确率一直不高。debug好久发现,是我的笔记本摄像头拍的色彩不行。重新用手机自拍之后,成功率顺利达到100%。
4、还没有想到别的坑,但这些也足以搞了我一整天。不过好在完成了。有什么坑以后再补充吧!
下附zmgg帅照。(唉 毕竟还不是彭于晏