视觉算法工程师环境配置

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

视觉算法工程师入职的前两天都需要做的事情就是配置环境，虽然有的公司已经把基本的环境，例如linux服务器准备好。历时两天，我完成了windows本地、`服务器、工作站的环境配置，包括：windows + visual studio + cmake + opencv + opencv contrib，vscode通过ssh链接服务器，vscode通过ssh链接虚拟机ubuntu，服务器通过ssh从gitlab上clone代码，anoconda+python+opencv+pytorch+pycharm等。
以上这些环境准备工作，我在以前的公司分别都用过，这次算是从头到尾，自己配置了一遍。以后如果还有其他的，会继续更新。

一、windows+visual studio+cmake+opencv+opencv contrib

流程概览：cmake通过opencv源码路径（包括opencv和contrib）、你要构建的位置（生成的库、.放到这）将项目构建好，生成一个vs的工程opencv.sln，然后用vs打开这个工程，进行编译生成和安装。
具体流程如下：
首先，要搞清楚opencv和contrib之间的位置关系，opencv_contrib-4.5.0这个文件夹，要放在opencv这个目录下。这个图中opencv_contrib-4.5.0是复制过来的，new_build是我自己创建的空文件夹，后面生成的库和.h文件都在这个路径下。

接下来要用cmake构建一个vs工程：
1.第一次构建，填好路径后，点击configure
选择编译器和位数：vs2017对应vc15，一定要第二个选项勾选成对应的位数，我的是×64。如果默认成win32的，你会发现构建出来的工程是win32的，没有×64的选项。

2.添加opencv contrib的源码路径以及opencv_world


然后点击configure，然后点击generate。然后就生成了opencv.sln文件。
接下来用vs编译的过程借鉴了：https://www.cnblogs.com/fx-blog/p/8214724.html

二、vscode通过 ssh链接服务器

ssh链接服务器的方法：安装gitbash或vscode安装ssh插件，都可以远程到服务器上。

1.gitbash

安装gitbash并打开，在gitbash中输入命令：

@前后分别是服务其上的用户名和ip
要注意的是，要保证这个服务器上有人为你创建了用户，因为刚入职的原因，很可能没来得及建起来。

2.vscode的ssh插件

vscode可以通过安装ssh插件的方法，远程链接到服务器上。好处在于，可以编辑远程服务器上的代码，而且可以通过terminal终端输入命令行。

三、vscode通过 ssh链接虚拟机

与二中的方法类似，虚拟机安装ubuntu，相当于一个远程服务器，当然配置肯定不如真正的服务器性能强。这样做的好处是vscode不存在卡顿的问题。某司就是这样做的。

安装vmware是简单的，vmware安装ubuntu同样遇到过问题：VMware安装Linux时‘Operating System Not Found‘
网上一众的解决方法，对我都不适用。这里可以为大家提供一个思路：有可能是你的网络问题，导致你的ubuntu镜像文件根本没有下载完全，我就是这个问题。
不过虚拟机没用到，最终还是选了二。

四、服务器通过ssh-key来从gitlab上clone代码

leader给我在服务器上开了一个用户lebron后，就可以通过vscode远程连接上虚拟机。
如果想要从gitlab上clone代码下来，需要为lebron用户创建密钥，然后把ssh-key这个密钥复制到gitlab的settings中。
这就有点像之前在某司，在root用户下创建了密钥，然后给到gitlab。然后把代码pull下来后，用lebron用户是改不了代码的，因为lebron没权限。当时把文件的权限改成777，然后gitstatus发现都是改动记录一大片。于是又对lebron单独生成了密钥，给到gitlab上，然后切换到lebron用户pull代码。

五、anoconda+python+opencv+pytorch+pycharm

这部分是和python相关的，以前用的少，总结下
anoconda：用于创建不同虚拟环境，在不同虚拟环境下python的版本可以不相同。
pip：python的标准库管理器，类似于apt。
例如：conda create -n avm python=3.6，我就创建了一个python版本3.6的名为avm的虚拟环境。
conda activate avm，我就进入到了这个环境中，可以用当前的环境跑python代码。例如avm环境中我配了opencv-python，avm1环境中没有opencv，那么你切换到avm1环境下，就跑不了用到opencv库的代码。

在avm环境中 pip install 各种各样的库

pytorch：视觉算法工程师常用的一个库，多用于nn。写法和python很像。安装方法就是到pytorch的官网上选择你对应的配置，然后在你对应的环境中（我的是avm）运行：

要注意个问题，如果你不是在某一个虚拟环境中安装的，那就统统装到了base环境下。如果是公用的服务器上，这个环境可以被大家公用，一般是配好之后，别人不会对它做改动的。

另外要注意，像pycharm和vscode这些IDE，即便是我打开了terminal终端，你在terminal上操作的依然是base，而不是某一个服务器，即便我尝试用conda activate avm，也没用，我是放弃了。我现在安装库是通过cmd，跑代码前选择虚拟环境是用的pycharm选择某个虚拟环境。

总结

我的软件全部装到了D:\software下，因为有的软件安装路径必须保证是英文。