记录：配置tf-openpose环境爬过的那些坑

起因

正如博主在上一篇博文里所写的，今年研究室的项目是通过tf-openpose以及深度学习的方式实现《街头霸王》的玩家动作识别远程对战，所以配置tf-openpose的环境成了开始的第一步。

过程

在一无所知的情况下，查阅了无数个网站的安装攻略又或是博客，再经历了各种安装报错再安装在报错，以及两次重置系统之后，总结一下这次成功的建立。
博主的电脑的是联想Y700，系统是WIN10，显卡是1050Ti。从一台崭新的电脑到安装好tf-openpose并成功运行摄像头捕捉到人体的骨骼，安装了一下几样东西：Anaconda + Cuda + Cudnn + tensorflow-gpu + Visual Studio + OpenCV 以及各种安装过程报错后需要补充安装的东西。

务必要确定好各个安装的软件的版本

如果以上5个软件的版本不相匹配的话，在验证tensorflow-gpu是否成功安装的时候会始终报错(https://github.com/tensorflow/tensorflow/issues/22794#event-1888693166）。
具体确认版本的操作是右键桌面打开英伟达显卡管理器，在「帮助」中查阅「系统信息」可以确认显卡对应的cuda的版本，然后参考官网的对应版本说明表格（https://www.tensorflow.org/install/source_windows）确认好要安装的版本。

开始安装

博主的笔记本直接参考了下图进行安装的：

安装Anaconda（PYTHON3.6）

途中很顺利没有报错

安装Visual Studio2017

安装的是免费的社区版，只安装c++组件就好，不然太大太占空间。

安装CUDA9.0

尽管在其兼容性检测后会有感叹号的警告，可以直接无视继续安装

安装cuDNN7.1.4

把解压好的文件直接拷贝到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0(cuda的安装地址)

安装tensorflow-gpu 1.12.0

在Anaconda文件夹下的Prompt里，输入「conda create -n tensorflow-gpu python=3.6」，创建好后激活它「activate tensorflow-gpu」。随后直接安装tensorflow用pip安装「pip install tensorflow-gpu==1.12.0」。在通过python，import tensorflow as tf去验证，成功。此前无数次失败皆因版本不对应的原因。版本不匹配意识在此次配置安装中最浪费时间的一个环节。

安装tf-openpose

参考油管up主Mark的视频（https://www.youtube.com/watch?v=nUjGLjOmF7o）和官方的网址（https://github.com/ildoonet/tf-pose-estimation/blob/master/README.md）进行安装。Mark视频中的一些tf-openpose的安装代码为官方提供的过去版本，故在输入的时候需要以目前官方最新的为准。在安装requiements.txt的时候会报egg的错误（有关pycocotools的错误），可以通过pip安装Cython与numpy，接着输入「pip install git+https://github.com/philferriere/cocoapi.git#subdirectory=PythonAPI」解决。而后又会有需要functools32的问题，这玩意可以直接无视掉。然后安装OpenCV，参考Mark的视频。最后在启动摄像头的时候，又会报错（you need to build c++等等），错误后面表面了请参考的网站，进入那个网站会要求使用swig命令，此时去swig官网下载swig并配置好环境变量，然后重新进入Anaconda的Prompt流程走一遍输入要求的swig命令，等它弄好以后，再次启动摄像头，成功了。

吐槽

我这个笔记本跑起来才9fps的图像捕捉，学校的双1080ti，i9电脑，20个core还是真的流畅，可以跑到36fps。2333333.

后记

虽说可算是历经了快整整一个星期在弄好了tf-openpose的配置，不过这也只是一个开始，未来还会又更多的困难，保持一个好的心态，从容的面对各种未知的问题吧。
接下来的博客内容，应该就是围绕深度学习的话题了。