ubuntu系统---ubuntu16.04 + virtualenv + py2.7 + tf1.5.0 + keras2.2.4 + opencv2.4.9 +Numpy1.14

曾经终败给现在 2023-06-01 08:42 3阅读 0赞

**ubuntu16.04 + virtualenv + py2.7 + tf1.5.0 + keras2.2.4 + opencv2.4.9 +Numpy1.14**  
  
@https://www.liaoxuefeng.com/wiki/1016959663602400/1019273143120480  
@https://msd.misuland.com/pd/3070888491219946904    
Ubuntu系统默认的Python是2.7，为了使多个Python版本共存，我们使用virtualenv/virtualenvwrapper来管理不同的Python版本和相应的软件包。  
virtualenvwrapper是virtualenv的扩展，使得管理虚拟环境更加方便。  
sudo pip install virtualenv virtualenvwrapper

Keras是一个基于theano和tensorflow的库框架，它的安装要不是Using Theano backend 要不就是Using tensorflow backend 。所以一般在安装keras之前一定要装好theano或者tensorflow，至于具体选那种根据自己的实际情况在keras.json文件中配置即可。  
  
**(1)基本环境安装**  
**第一步：**  
mkdir Virtualenv  
cd Virtualenv  
  
sudo pip install virtualenv -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com  
  
>>>>>  
Looking in indexes: http://pypi.douban.com/simple/  
Collecting virtualenv  
  Downloading http://pypi.doubanio.com/packages/8b/12/8d4f45b8962b03ac9efefe5ed5053f6b29334d83e438b4fe379d21c0cb8e/virtualenv-16.7.5-py2.py3-none-any.whl (3.3MB)  
     |████████████████████████████████| 3.3MB 2.5MB/s  
Installing collected packages: virtualenv  
Successfully installed virtualenv-16.7.5  
  
**第二步：**  
u@u160406:~/Virtualenv$ source bin/activate  
  
**第三步：**  
创建python2虚拟环境（py2为虚拟环境名）  
virtualenv -p /usr/bin/python py2  
  
**第四步：keras先装tf**  
pip install --upgrade tensorflow==1.5.0                //pip install tensorflow-gpu  
    >>> import tensorflow as tf  
    >>> hello = tf.constant('Hello, TensorFlow!')  
    >>> session = tf.Session()  
    >>> print session.run(hello)  
or  
$ export TF\_BINARY\_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.10.0-cp27-none-linux\_x86\_64.whl  
$ pip install TF\_BINARY\_URL  
  
pip install keras==2.2.4  
  
pip install python-opencv==2.4.9  //如果没有安装annaconda的话，貌似要把opencv-python换成python-opencv。  
Collecting opencv-python==2.4.9  
  
sudo apt-get install python-opencv  
python -m pip install opencv-python==2.4.9  
  ERROR: Could not find a version that satisfies the requirement opencv-python==2.4.9 (from versions: 3.1.0.0, 3.1.0.1, 3.1.0.2, 3.1.0.3, 3.1.0.4, 3.1.0.5, 3.2.0.6, 3.2.0.7, 3.2.0.8, 3.3.0.9, 3.3.0.10, 3.3.1.11, 3.4.0.12, 3.4.0.14, 3.4.1.15, 3.4.2.16, 3.4.2.17, 3.4.3.18, 3.4.4.19, 3.4.5.20, 3.4.6.27, 3.4.7.28, 4.0.0.21, 4.0.1.23, 4.0.1.24, 4.1.0.25, 4.1.1.26)  
ERROR: No matching distribution found for opencv-python==2.4.9  
  
python -m pip install opencv-python  
pip install opencv-contrib-python  
  
pip uninstall opencv-contrib-python-4.1.1.26  
  
Installing collected packages: opencv-python  
Successfully installed opencv-python-4.1.1.26  
Successfully installed opencv-contrib-python-4.1.1.26  
  
    python    
    >>>import cv2   
    >>>cv2.\_\_version\_\_     
    >>>import keras

>>>keras.\_\_version\_\_

python -m pip install --user numpy scipy matplotlib ipython jupyter pandas sympy nose  
pip install numpy==1.14  
  
  Found existing installation: numpy 1.16.5  
    Uninstalling numpy-1.16.5:  
      Successfully uninstalled numpy-1.16.5  
Successfully installed numpy-1.14.0  
  
    >>> from numpy import \*  
    >>> eye(4)  
  
解决引入keras后出现的Using TensorFlow backend的错误,在引入头文件之后，加入  
import os  
os.environ\['KERAS\_BACKEND'\]='tensorflow'  
  
**(2)使用虚拟机**  
启动虚拟环境  
cd \[虚拟环境名称\]/  
source bin/activate  
...  
退出虚拟环境: deactivate  
  
**(3)卸载opencv4.1.1.26重配置opencv2.4.9**  
pip uninstall opencv-python  
Uninstalling opencv-python-4.1.1.26:  
  Would remove:  
    /home/u/Virtualenv/py2/lib/python2.7/site-packages/cv2/\*  
    /home/u/Virtualenv/py2/lib/python2.7/site-packages/opencv\_python-4.1.1.26.dist-info/\*  
Proceed (y/n)? y  
  Successfully uninstalled opencv-python-4.1.1.26

-----------------------------------------------------------------------------------------------------------------------------------

2.1 使用python 2.7安装tensorflow-gpu 1.9.0
    
    安装指令如下：
    
    # 如果本机未安装python和pip，则安装之
    sudo apt-get install python-pip python-dev
    # 更新pip
    sudo pip install -U pip
    # 安装tensorflow-gpu 1.9.0
    sudo pip install tensorflow-gpu==1.9.0
    
    2.2 使用python 3.5安装tensorflow-gpu 1.9.0
    如果将默认的python脚本设置成了python3.5，则安装指令与2.3节相同，若未设置，则安装指令如下：
    
    # 如果本机未安装python和pip，则安装之
    sudo apt-get install python3-pip python3-dev
    # 更新pip
    sudo pip3 install -U pip
    # 安装tensorflow-gpu 1.9.0
    sudo pip3 install tensorflow-gpu==1.9.0
    
    
    2.3 验证tensorflow-gpu 1.9.0是否安装成功
    执行如下命令：
    python -c "import tensorflow as tf; print(tf.__version__)"
    
    
    如果输出结果：
    1.9.0
    
    原文链接：https://blog.csdn.net/davidhopper/article/details/81206673

\------------------------------------------------------------------------------------------------------------------------------------

@https://www.cnblogs.com/shine-lee/p/9884551.html

最近因项目需要，得把OpenCV捡起来，登录[OpenCV官网][OpenCV]，竟然发现release了[4.0.0-beata版本][4.0.0-beata]，所以借此机会，查阅资料，了解下OpenCV各版本的差异及其演化过程，形成了以下几点认识：

1.  **新版本的产生是为了顺应当下的需要**，通过版本更新，接纳新技术和新方法，支持新兴编程语言接口，使用新的指令集，优化性能，解决固有问题等
2.  **新技术新方法会优先加入到新的大版本中**，即使新的技术方法可以在旧版本中实现，但为了推动用户向新版本迁移，仍会优先加入到新版本中（这条看着与第1条差不多，实际意义是不同的）
3.  **新版本不可避免地会带有旧版本的痕迹**，毕竟新版本是从旧版本基础上“生长”出来的，新老版本间能看到比较明显的过渡痕迹，同时出于降低迁移成本的考虑，需要（部分）向前兼容

因此，如果新版本已经稳定，且需要从头开始新项目，先考虑拥抱新版本。若碰到问题，可到旧版本的资料中找找答案。但这并不绝对，具体情况还得具体分析。

下面分析下各版本的差异以及演化路径。

# OpenCV版本差异与演化，1.x To 4.0 #

## OpenCV 1.x ##

OpenCV 最初基于**C语言**开发，API也都是基于C的，面临内存管理、指针等C语言固有的麻烦。

**2006年10月1.0**发布时，部分使用了C++，同时支持Python，其中已经有了random trees、boosted trees、neural nets等机器学习方法，完善对图形界面的支持。

**2008年10月1.1pre1**发布，使用 VS2005构建，Python bindings支持**Python 2.6**，Linux下支持**Octave bindings**，在这一版本中加入了SURF、RANSAC、Fast approximate nearest neighbor search等，Face Detection (cvHaarDetectObjects)也变得更快。

## OpenCV 2.x ##

当C++流行起来，OpenCV 2.x发布，其尽量使用C++而不是C，但是为了向前兼容，仍保留了对C API的支持。从2010年开始，2.x决定不再频繁支持和更新C API，而是focus在**C++ API**，C API仅作备份。

**2009年9月2.0 beta**发布，主要使用**CMake构建**，加入了很多新特征、描述子等，如FAST、LBP等。

**2010年4月2.1**版本，加入了Grabcut等，可以使用**SSE/SSE2…**指令集。

**2010年10月2.2**版本发布，OpenCV的模块变成了大家熟悉的模样，像**opencv\_imgproc**、**opencv\_features2d**等，同时有了**opencv\_contrib**用于放置尚未成熟的代码，**opencv\_gpu**放置使用CUDA加速的OpenCV函数。

**2011年6月起的2.3.x**版本、**2012年4月起的2.4.x**版本，一面增加新方法，一面修复bug，同时加强对GPU、Java for Android、 OpenCL、并行化的支持等等，OpenCV愈加稳定完善，值得注意的是 SIFT和SURF从2.4开始被放到了**nonfree** 模块（因为专利）。

考虑到过渡，OpenCV 2.4.x仍在维护，不过以后可能仅做bug修复和效率提升，不再增加新功能——鼓励向3.x迁移。

## OpenCV 3.x ##

随着3.x的发布，1.x的C API将被淘汰不再被支持，以后C API可能通过C++源代码自动生成。3.x与2.x不完全兼容，与2.x相比，主要的不同之处在于OpenCV 3.x 的大部分方法都使用了**OpenCL加速**。

**2014年8月3.0 alpha**发布，除大部分方法都使用OpenCL加速外，3.x默认包含以及使用[IPP][]，同时，matlab bindings、Face Recognition、SIFT、SURF、 text detector、motion templates & simple flow 等都移到了**opencv\_contrib**下（opencv\_contrib不仅存放了尚未稳定的代码，同时也存放了涉及专利保护的技术实现），大量涌现的新方法也包含在其中。

**2017年8月3.3**版本，**2017年12月开始的3.4.x**版本，opencv\_dnn从opencv\_contrib移至opencv，同时OpenCV开始支持C++ 11构建，之后明显感到对**神经网络**的支持在加强，opencv\_dnn被持续改进和扩充。

## OpenCV 4.0 ##

**2018年10月4.0.0**发布，OpenCV开始需要支持**C++11**的编译器才能编译，同时对几百个基础函数使用 **"wide universal intrinsics"**重写，这些内联函数可以根据目标平台和编译选项映射为SSE2、 SSE4、 AVX2、NEON 或者 VSX 内联函数，获得性能提升。此外，还加入了QR code的检测和识别，以及Kinect Fusion algorithm，DNN也在持续改善和扩充。

# 总结 #

这些年来，计算机视觉领域的新技术新方法不断涌现，指令集、编程语言和并行化技术越发先进，OpenCV也在紧跟时代的脚步，不断吸收完善自身。本文仅对OpenCV的演化过程仅总结了部分要点，详细可参见 OpenCV 在 github上的ChangeLog。

# 参考 #

*  [OpenCV ChangeLog 1.0 – 2.1][OpenCV ChangeLog 1.0 _ 2.1]
 *  [OpenCV Change Logs][]
 *  [Why there are two versions of OpenCV 3.x and 2.4.xx ?][Why there are two versions of OpenCV 3.x and 2.4.xx]
 *  [what is the difference between OpenCV 2.4.11 and 3.0.0][]
 *  [Where did SIFT and SURF go in OpenCV 3?][Where did SIFT and SURF go in OpenCV 3]
 *  [opencv\_contrib][opencv_contrib]

转载于:https://www.cnblogs.com/carle-09/p/11548214.html

[OpenCV]: https://opencv.org/
[4.0.0-beata]: https://opencv.org/releases.html
[IPP]: https://wiki2.org/en/Integrated_Performance_Primitives
[OpenCV ChangeLog 1.0 _ 2.1]: https://github.com/opencv/opencv/wiki/ChangeLog_v10-v21
[OpenCV Change Logs]: https://github.com/opencv/opencv/wiki/ChangeLog
[Why there are two versions of OpenCV 3.x and 2.4.xx]: http://answers.opencv.org/question/92583/why-there-are-two-versions-of-opencv-3x-and-24xx/
[what is the difference between OpenCV 2.4.11 and 3.0.0]: https://stackoverflow.com/questions/29579801/what-is-the-difference-between-opencv-2-4-11-and-3-0-0
[Where did SIFT and SURF go in OpenCV 3]: https://www.pyimagesearch.com/2015/07/16/where-did-sift-and-surf-go-in-opencv-3/
[opencv_contrib]: https://github.com/opencv/opencv_contrib