机器学习的环境搭建与配置

安装Anaconda 5.2 + tensorflow 1.9

  1. 下载Anaconda(64位或32位)https://www.anaconda.com/download/
  2. 安装Anaconda(一路确定即可)
  3. 打开Anaconda prompt,然后执行pip list 查看已安装的包
  4. 如果你只有CPU,请执行:pip install tensorflow
  5. 如果你有GPU,请参考:
    1. Win10 x64 + CUDA 10.0 + cuDNN v7.5 + TensorFlow GPU 1.13 安装指南 - ☆磊☆ - 博客园
    2. Win10 64 位Tensorflow-gpu安装(VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5)_wwtor的博客-CSDN博客
  6. 安装cuda+cudnn+tensorflow,安装时请注意,第一个小版本号(小数点后第一位)一定不能!!
  7. 验证一下:Python环境下直接import tensorflow,若没有报错,则安装正确。
  8. pycharm社区版

TensorFlow最简教程

  1. 使用图 (graph) 来表示计算任务.
  2. 在被称之为 会话 (Session) 的上下文 (context) 中执行图.
  3. 使用 张量(tensor) 表示数据.
  4. 通过 变量 (Variable) 维护状态.
  5. 使用 feed 和 fetch 可以为任意的操作赋值或者从其中获取数据

用jupyter和pycharm分别验证TensorFlow小程序

import tensorflow as tf

# 创建2个矩阵,前者1行2列,后者2行1列,然后矩阵相乘:

matrix1 = tf.constant([[3,3]])

matrix2 = tf.constant([[2], [2]])

product = tf.matmul(matrix1,matrix2)

# 上边的操作是定义图,然后用会话Session去计算:

with tf.Session() as sess:

    result2 = sess.run(product)

    print(result2)

安装opencv 3.4

  1. pip install opencv-python
  2. 如果发现安装特别慢,且报read time out 错,可参考更改pip源至国内镜像,显著提升下载速度_L瑜的博客-CSDN博客_python国内源,建立一个国内的映像。
  3. 如果还是经常掉线,可试一下:pip --default-timeout=100 install opencv-python

验证opencv小程序

#导入cv模块

import cv2 as cv

#读取图像,支持 bmp、jpg、png、tiff 等常用格式

img = cv.imread("D:\python\test.jpg")

#创建窗口并显示图像

cv.namedWindow("Image")

cv.imshow("Image",img)

cv.waitKey(0)

#释放窗口

cv2.destroyAllWindows()

你可能感兴趣的:(机器学习,opencv,python,tensorflow)