Anaconda3 for Windows 安装tensorflow+opencv3+spyder搭建图像识别开发环境

本文所使用的Anaconda3.Navigator版本为1.8.2  Anaconda3.Prompt版本为4.5.0,因为是基于Prompt安装,理论上本文所写的安装教程适用于Anaconda3的所有版本。

本文的写作目的是笔者在搭建环境时,网上的方法各种各样,笔者在尝试这些方法时,遇到了各种各样的问题,费了很大的精力才搭建成功,故,在此记录一下对比多种方法后,笔者认为最好的一种,给学习图像识别的朋友一点经验,少走些弯路,另一个目的是用作自己的备忘录,给这些相对繁杂的东西做个备份,忘记后可以查阅。

建议初次使用者先查阅一下Anaconda3的特点,以及什么叫Navigator版本什么叫Prompt版本。

让我们开始吧:

1.打开Anaconda3 Prompt。

Anaconda3 for Windows 安装tensorflow+opencv3+spyder搭建图像识别开发环境_第1张图片

没错,就是Anaconda版的cmd了,base就是Anaconda的根目录,C:\Users\用户名,是Anaconda3储存配置文件的地方,如果你打开这个目录,你会发现多了两个文件夹".Anaconda"和".Conda"

2.将Anaconda的安装包获取地址定向为清华大学镜像站

输入:

conda config --add channels 'https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/'
conda config --set show_channel_urls yes
Anaconda默认的获取地址是国外的,如果不使用国内的镜像站,下载速度将会非常慢,如果会科学上网,第二步可以忽略。

3.创建Tensorflow环境:

输入:

conda create -n tensorflow python=3.5

作用是创建一个tensorflow环境,这个环境所使用的语言是python=3.5,笔者建议大家使用python=3.5,因为tensorflow科学包对py3.5的支持比较好。

4.进入tensorflow环境

输入:

activate tensorflow

可以这样理解,Anaconda3就相当与一个系统,base相当于系统的root用户,tensorflow是刚刚创建的一个用户,这个命令就是注销base用户,进入tensorflow用户。特别说一点,用户和用户使用的python环境是独立的,比如说,笔者在base用户下使用的是python3.6环境,而在tensorflow用户下使用的是python3.5环境。

5.升级pip

输入:

pip install upgrade pip

pip是一个python应用商场,可以下载python包,我们将使用它作为tensorflow的下载器,pip是在第三步时随着python3.5下载安装的,但是第三步安装的pip往往不是最新版,笔者也不知道为什么。

6.下载tensorflow并安装

输入:

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

第一个是安装tensorflow cpu版,第二个是安装tensorflow gpu版,-i 和后面的网址的含义是:临时使用这个网址下载,没错,笔者使用的这个网址就是清华镜像站。下面是一些比较出名的国内镜像站,大家可以尝试一下:

清华:https://pypi.tuna.tsinghua.edu.cn/simple

阿里云:https://mirrors.aliyun.com/pypi/simple/

中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/

华中理工大学:https://pypi.hustunique.com/

山东理工大学:https://pypi.sdutlinux.org/ 

豆瓣:https://pypi.douban.com/simple/

7.安装spyder插件

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple spyder

8.安装opencv3

conda install --channel https://conda.anaconda.org/menpo opencv3

下载opencv3以及依赖包。

9.安装完成开始学习图像识别吧。

如有问题,可以联系:[email protected] ,共同探讨。




你可能感兴趣的:(图像识别,Anaconda3,tensorflow,opencv3,spyder,图像识别)