python tensorspacejs TensorSpace-Converter工具环境配置

按照官方文档说明https://tensorspace.org/index_zh.html

python版本必须为3.6，下面完全依照他的环境配置，经过多次实践安装,以下方法可行：

1. 用Anaconda建立虚拟环境 或者 用python自带方式创建虚拟环境并激活虚拟环境：

python -m venv tensorspacejs

2. 因为依赖包比较多，版本很大程度上出现不兼容问题，为了避免，要按照顺序安装。

主要用到的包（原文链接：https://blog.csdn.net/hutianle/article/details/115049872）
-------------------------------keras 2.2.2
-------------------------------tensorflow 1.12.0
-------------------------------tensorflowjs 0.8.0
-------------------------------tensorspacejs 0.2.0

以下东西都是借鉴上面链接的部分内容写的。具体内容参照原文。

所以安装顺序为：tensorspacejs 0.2.0 -》tensorflowjs 0.8.0 -》tensorflow 1.12.0-》keras 2.2.2

大原则是这样，先用pip安装，如果出现了不兼容问题，可以采用pip安装时加上--no-deps 参数，只安装要的包，例如 pip install tensorspacejs==0.2.0 --no-deps

这样大原则上面主要的包安装完之后，其他包参照下面的版本来强制安装，不要担心冲突不能用。感谢该作者提供了一个可以兼容所有的包的版本号。

(tsc) C:\Users\Le>pip list
Package                       Version
----------------------------- ---------
absl-py                       0.11.0
astor                         0.8.1
backports.functools-lru-cache 1.6.1
cached-property               1.5.2
certifi                       2020.12.5
chardet                       3.0.4
colorama                      0.4.4
cycler                        0.10.0
decorator                     4.4.2
gast                          0.4.0
grpcio                        1.33.2
h5py                          2.8.0
idna                          2.10
imageio                       2.9.0
importlib-metadata            3.1.0
ipykernel                     5.3.4
ipython                       5.8.0
ipython-genutils              0.2.0
jupyter-client                6.1.7
jupyter-core                  4.7.0
Keras                         2.2.2
Keras-Applications            1.0.4
Keras-Preprocessing           1.0.2
kiwisolver                    1.3.1
Markdown                      3.3.3
matplotlib                    3.3.3
mock                          4.0.2
networkx                      2.5
node                          0.9.25
npm                           0.1.1
numpy                         1.15.1
odict                         1.7.0
optional-django               0.1.0
pickleshare                   0.7.5
Pillow                        8.0.1
pip                           20.3.1
plumber                       1.6
prompt-toolkit                1.0.15
protobuf                      3.14.0
Pygments                      2.7.3
pyparsing                     2.4.7
python-dateutil               2.8.1
PyWavelets                    1.1.1
pywin32                       228
PyYAML                        5.3.1
pyzmq                         20.0.0
relaxml                       0.1.3
requests                      2.25.0
scikit-image                  0.17.2
scipy                         1.5.4
setuptools                    36.4.0
simplegeneric                 0.8.1
simplejson                    3.17.2
six                           1.15.0
SQLAlchemy                    1.3.20
tensorboard                   1.12.2
tensorflow                    1.12.0
tensorflow-hub                0.1.1
tensorflowjs                  0.8.0
tensorspacejs                 0.2.0
termcolor                     1.1.0
three                         0.8.0
tifffile                      2020.9.3
tornado                       6.1
tqdm                          4.53.0
traitlets                     4.3.3
urllib3                       1.26.2
wcwidth                       0.2.5
Werkzeug                      1.0.1
wheel                         0.29.0
wincertstore                  0.2
zipp                          3.4.0
zope.component                4.6.2
zope.deferredimport           4.3.1
zope.deprecation              4.4.0
zope.event                    4.5.0
zope.hookable                 5.0.1
zope.interface                5.2.0
zope.lifecycleevent           4.3
zope.proxy                    4.3.5

3. 将环境版本按照上面的来配，最后应该是可以用的，亲测有效。

4. 安装完后，需要配置nodejs环境，具体可参考我的文章“Linux下Nodejs安装”Linux下Nodejs安装

5. 都完成后，可按照官网接着操作：

查看下载的TensorSpace-Converter版本

tensorspacejs_converter -v

初始化TensorSpace Converter

tensorspacejs_converter -init

6. 上述没报错即成功。

tensorspacejs 参照 https://tensorspace.org/

备注：该版本相当于只能解析转换tensorflow1.x生成的模型，转换tensorflow2.x的会有问题，本质可能文件结构什么不一样吧，如果你用的tensorflow2.x开发的模型，需要修改对应的转换脚本来兼容升级代码到2.x。