yolov3+deep_sort配置环境

前言

deep_sort目前大多是用Tensorflowv1写的，所以我们选择使用Anaconda来配置Tensorflow=1.4.0的虚拟环境。

配置

TensorFlow==1.4.0
Keras 2.0.8
python 3.6

1、Anaconda的常用命令
展示源

conda config --show-sources

2、删除源

conda config --remove channels

3、添加源，这里选择清华源

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/free/

conda config --set show_channel_urls yes

4、创建虚拟环境并激活

conda create  -n YOLO3-GPU-TensorFlow1.4.0  python=3.6
conda activate YOLO3-GPU-TensorFlow1.4.0

5、用pip安装必要的包，-i https://mirrors.aliyun.com/pypi/simple/指定国内源，加快下载速度。

pip install tensorflow-gpu==1.4.0  -i https://mirrors.aliyun.com/pypi/simple/

6、用conda安装cuda,cudann.

conda install cudatoolkit=8

conda install cudnn=6

7、deep_sort一般需要安装，这里参考了Windows 10 YOLO v3 Deep_Sort多目标跟踪实验环境搭建成功手记
（1.1）安装opencv： conda install opencv

（1.2）安装mingw libpython： conda install mingw libpython

（1.3）安装theano： conda install theano

（1.4）安装tensorflow-gpu： conda install tensorflow-gpu

（1.5）安装sklearn： conda install scikit-learn

（1.6）安装matplotlib： conda install matplotlib

（1.7）安装keras： conda install keras

注：使用pip安装指定国内源是比较好的一种方式

pip install packages -i https://mirrors.aliyun.com/pypi/simple/

参考

Windows 10 YOLO v3 Deep_Sort多目标跟踪实验环境搭建成功手记
YOLO实践应用之搭建开发环境（Windows系统、Python 3.8、TensorFlow2.3版本）