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;