【教程】在Anaconda中搭建Tensorflow环境以实现人脸识别

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