Win10系统(无GPU)环境/Anacoda：Python小白如何从入门到成功运行YoloV3图片+视频demo

前言

作为深耕FPGA多年的老司机，最近几年入坑AI异构计算FPGA加速领域，免不了要与各种深度学习算法模型打交道，但又不懂python，可是急坏了我这名老司机。
这不，最近杠上了Python，下面就详细介绍一下python小白的我如何在win10上一步步搭建环境并最终成功运行YoloV3的过程。
以下操作过程都是在win10系统下进行的。

1.学习Python基础知识

从python基础教程开始:
https://www.runoob.com/python/python-tutorial.html
先熟悉一下语法，看完了基础教程后直接由Python变为Python3，对应教程：
https://www.runoob.com/python3/python3-tutorial.html

2.安装集成开发环境

在Python教程中看到如下笔记篇，所以就选择了安装 Anaconda 包管理软件
Anaconda 的下载地址：https://www.anaconda.com/download/
选择windows Python3.7版本

若安装成了Python2.7，也没关系，可以通过如下方式在Anaconda 中再安装Python3.7或其他任意版本

由于已经安装了2.7和3.7版本，所以截图就以3.6为例。

2.1 Anaconda 教程

https://docs.anaconda.com/anaconda/user-guide/getting-started/
我只看了入门教程，并安装了Spyder编辑器。

2.2 安装Spyder编辑器

如果Spyder按钮为“Install”表示还未安装，直接点击安装即可，安装完成后按钮就变为“Launch”，点击“Launch”启动Spyder编辑器。

启动后界面及几个简单操作示例如下：

特别注意：在Spyder Ipython console(控制台)执行.py脚本时，使用的是run而非python，即是：

run hello.py

而非：

python hello.py

PS：作为小白的我就在这里纠结了好久不知道怎么在Ipython console执行.py脚本文件?‍

3.Anaconda安装各种库

所需库有如下几种（若在后续运行过程中提示缺少对应库，再针对性安装也不迟）：
configparser
numpy
PIL(pillow)
matplotlib
tensorflow
keras
cv2(opencv)

因为没有GPU，所以tensorflow和keras都是选择无“-gpu”后缀版本，下面就以cv2库（其实就是opencv库）安装为例说明具体安装过程：

若不确定是否安装成功，可以将上图中步骤3.处选择为“Installed”查看是否有对应的库，有时一次不能安装成功，可以重启Anaconda后重新执行相应库的安装过程。
安装后的tensorflow如下图所示：

注意：

若安装过程中下载缓慢或无法成功安装，可以尝试添加其他镜像，如清华的镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
操作如下所示：

4.下载YoloV3

工程文件：https://github.com/CAUlearner/YOLOv3
模型参数：https://pjreddie.com/media/files/yolov3.weights
下载后解压工程文件，并将yolov3.weights放到解压后的工程文件夹下。

5.转化YoloV3模型文件

run yad2k.py cfg\yolo.cfg yolov3.weights data\yolo.h5

5.运行YoloV3 demo

5.1 运行YoloV3图片demo

run demo.py

demo会自动处理工程路径下：images\test文件夹里的图片

图片demo运行结果

demo运行的结果会保存到images\res文件夹下，具体如下所示：

5.2 运行YoloV3视频demo

打开demo.py文件，对下图所示133~140行代码注释掉，并取消143-146行代码的注释：

将测试视频"video1.mp4",放置于工程路径下，执行如下命令：

run demo.py

视频demo运行结果

特别吐槽：无GPU情况下视频demo运行速度让人发疯，另外一开始测试视频为行车记录仪的一段视频，但输出无任何标记，一度以为视频demo无法运行，不过现在还是不知道为何行车记录仪的运行无标记输出

6.结束

以上即为从Python小白到搭建YoloV3环境并成功运行的全部过程