机器学习环境搭建安装TensorFlow1.13.1+Anaconda3.5.3+Python3.7.1+Win10

我会带着你远行 2021-09-24 09:18 361阅读 0赞

### 安装Python3.7.1 ###

此处不再赘述安装过程，作为记录

### 安装Anaconda3.5.3 ###

Anaconda3-5.3.0-Windows-x86\_64.exe

**方案1.** 可以直接从官网https://www.anaconda.com/distribution/，默认下载最新版本，19年3月27日为python3.7.1版本  
**方案2.** 清华镜像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，速度快很多，找到对应版本即可

具体安装步骤参考博文：Anaconda的安装和详细介绍（带图文）  
( https://www.cnblogs.com/IT-LearnHall/p/9486029.html )

安装完成之后，在Anaconda里新建一个虚拟环境machinelearn(这里是图形界面创建环境)

![format_png][]

> **切换仓库地址**  
> 命令窗口里输入如下代码，载入清华镜像以提高加载速度：  
> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/  
> conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/  
> conda config --set show\_channel\_urls yes  
> 三段代码分三次输入并执行。

### 命令行创建虚拟环境 ###

conda create -n tl\_1 python=3.7.1  
activate tl\_1（激活切换到tl\_1）  
conda deactivate(退出激活)

![format_png 1][]

### 安装Tensorflow 1.13.1 ###

> pip安装  
> 通过pip安装TensorFlow指定版本命令：  
> cpu版本:pip install tensorflow==1.13.1(==后面为所要安装的版本号)  
> gpu版本类似：pip install tensorflow-gpu==1.2.1

切换到machinelearn文件下

1activate machinelearn #切换到目标虚拟环境
    2conda install tensorflow==1.13.1

![format_png 2][]

### 查看Tensorflow版本及路径 ###

**版本：**  
cmd窗口中输入：  
python  
import tensorflow as tf  
tf.\_\_version\_\_  
**路径：**  
tf.\_\_path\_\_

![format_png 3][]

### 下载tensorflow model1.13 ###

https://codeload.github.com/tensorflow/models/zip/v1.13.0  
下载完成后，解压，重命名为models，拷贝到TensorFlow的安装路径下面，即放到：./site-packages/tensorflow文件夹里面  
(C:\\ProgramData\\Anaconda3\\envs\\machinelearn\\Lib\\site-packages\\tensorflow)

### 安装cython ###

conda install cython

> **Cython**是让Python脚本支持C语言扩展的编译器，Cython能够将Python+C混合编码的.pyx脚本转换为C代码，主要用于优化Python脚本性能或Python调用C函数库。由于Python固有的性能差的问题，用C扩展Python成为提高Python性能常用方法，Cython算是较为常见的一种扩展方式。

### 下载cocoapi ###

下载地址：https://codeload.github.com/cocodataset/cocoapi/zip/master，下载完成后， 解压。打开cocoapi-master\\PythonAPI\\setup.py文件，将第12行中的 **\['-Wno-cpp', '-Wno-unused-function', '-std=c99'\]** 改成 **\['-std=c99'\]**。  
进入到 cocoapi-master/PythonAPI路径下面  
执行命令：**python setup.py build\_ext --inplace**

> **可能出现异常信息** cocoapi - error: pycocotools/\_mask.c: No such file or directory  
> 是因为没有安装cython  
> pip install cython之后即可

命令执行成功后会看到在cocoapi-master/PythonAPI/pycocotools文件夹里面生成了一个\_mask.cp36-win\_amd64.pyd文件，  
最后把整个pycocotools文件夹copy到 \\tensorflow\\models\\research文件夹里面

![format_png 4][]

### 编译 ###

在**models/research**路径下cmd执行命令：**protoc object\_detection/protos/\*.proto --python\_out=.**

> 可能出现错误**object\_detection/protos/\*.proto: No such file or directory**

将默认的路径：  
protoc object\_detection/protos/\*.proto --python\_out=.  
更换protoc的路径如下：  
**D:\\MachineLearning\\protoc-3.4.0-win32\\bin\\protoc object\_detection\\protos\\\*.proto --python\_out=.**  
**protoc 下载地址:** https://github.com/protocolbuffers/protobuf/releases

> **如果出现错误**：ModuleNoFoundError:No module named 'matplotlib'  
> 安装matplotlib包：conda install matplotlib
> 
> **如果出现错误**：ModuleNoFoundError:No module named 'absl'  
> 安装absl包：conda install  
> absl-py
> 
> **如果出现错误**：ModuleNoFoundError:No module named 'pillow'  
> 安装pillow包：conda  
> install pillow

### 测试环境是否配置成功： ###

进入到./tensorflow/models/research路径，然后执行命令：  
python object\_detection/builders/model\_builder\_test.py  
如果输出ok，则环境配置成功

![format_png 5][]

### Anaconda常用命令 ###

**activate** // 切换到base环境

**activate learn** // 切换到learn环境

**conda create -n learn python=3.7.1** //创建一个名为learn的环境并指定python版本为3(的最新版本)

**conda env list** // 列出conda管理的所有环境

**conda list** // 列出当前环境的所有包

**conda install requests** 安装requests包

**conda remove requests** 卸载requets包

**conda remove -n learn --all** // 删除learn环境及下属所有包

**conda update requests** //更新requests包

**conda env export > environment.yaml** // 导出当前环境的包信息

**conda env create -f environment.yaml** // 用配置文件创建新的虚拟环境

### Windows10 + Anaconda安装LabelImg1.8.3 ###

**LabelImg简介：**  
LabelImg是一个可视化的图像标定工具。使用该工具前需配置环境python + lxml。Faster R-CNN，YOLO，SSD等目标检测网络所需要的数据集，均需要借此工具标定图像中的目标。生成的 XML 文件是遵循 PASCAL VOC 的格式的。  
**下载** https://github.com/tzutalin/labelImg/tree/v1.8.3

解压之后，cd到D:\\MachineLearning\\labelImg-1.8.3，激活切换到ml\_1: **ctivate ml\_1**  
确保安装了 **PyQt5、PyQt5\_tools、lxml**

1conda install pyqt=5
    2conda install PyQt5_tools
    3conda install lxml
    4
    5pyrcc5 -o resources.py resources.qrc

然后将labelImg-1.8.3文件夹下的resources.py复制到文件夹libs里面

![format_png 6][]

然后在运行:`python labelImg.py`  
就能弹出labelImg的界面了

![format_png 7][]

接下来就可以愉快的进行标注了，更多机器学习的文章后续更新，请持续关注。  
**若有相关安装问题可以留言交流。**

**关注公众号**  
**获取软件测试资源——免费**

**WebUI测试之Selenium**

**Jenkins自动部署**

**Jmeter性能测试**

**Appium移动端测试**

[format_png]: /images/20210923/8ddffa6837eb4c3985570204f5c17519.png
[format_png 1]: /images/20210923/8985796f0406448c8c23d6bf9b84cbeb.png
[format_png 2]: /images/20210923/9283e07494624973a4017c9adfca8ac3.png
[format_png 3]: /images/20210923/55c33056ed574376880cba08e6b024cd.png
[format_png 4]: /images/20210923/6467082aded9449d8262b430c1293a0f.png
[format_png 5]: /images/20210923/5e6513247db34be8abfafcbc7d805945.png
[format_png 6]: /images/20210923/43477b1d34d2483aa92a99479df3d016.png
[format_png 7]: /images/20210923/33ae19c8921d4c6eba41345d8fecbd42.png