计算机视觉与深度学习基本环境安装

写在前面：本博文是计算机视觉与深度学习相关环境安装的笔记，特定做了记录以帮助自己记忆与其他读者学习。

1. Python的安装与使用

1.1 Python简介

“人生苦短，我用Python”，这是Python语言在自我推广和宣传中使用的口号。Python是一种跨平台的计算机程序设计语言。是一种面向对象的动态类型语言，最初被设计用于编写自动化脚本(shell)，随着版本的不断更新和语言新功能的添加，越多被用于独立的、大型项目的开发。

1.2 Python下载与安装

1.2.1 Anaconda的下载与安装

Python时深度学习的首选开发语言，但是对于安装来说，第三方提供了继承了大量科学计算类库的Python标准安装包，目前最常用的时Anaconda。

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。 [1] 因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包含conda和 Python）。

Anaconda里面集成了很多关于Python科学计算的第三方库，主要是安装方便，而Python是一个脚本语言，如果不使用Anaconda，那么第三方库的安装会较为困难，各个库之间的依赖性就很难连接的很好。因此，推荐使用集合了大量第三方类库的安装程序Anaconda来替代Python的安装。

Anaconda下载地址（官网）：Anaconda下载地址

Anaconda下载地址（清华）：Anaconda3-2.5.0-Windows-x86_64下载地址

Anaconda下载地址（清华）：Anaconda版本列表地址

官网下载速度非常缓慢，建议读者下载时使用清华镜像进行下载。下载完成之后双击安装包进行安装，安装过程全程界面化，操作不赘述。

1.2.2 Python编译器PyCharm的安装

PyCharm下载地址：PyCharm下载地址


Professional 表示专业版，Community 是社区版，推荐安装社区版，因为是免费使用的。PyCharm的安装属于机械式的安装，只是在选择安装位数的时候建议选择与Python相同的位数。其安装过程不赘述。

2. TensorFlow类库的下载与安装

TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。

2.1 TensorFlow的特征

（1）高度的灵活性：TensorFlow 不是一个严格的“神经网络”库。只要你可以将你的计算表示为一个数据流图，你就可以使用Tensorflow
（2）真正的可移植性（Portability）：Tensorflow 在CPU和GPU上运行，比如说可以运行在台式机、服务器、手机移动设备等等
（3）将科研和产品联系在一起：使用Tensorflow可以让应用型研究者将想法迅速运用到产品中，也可以让学术性研究者更直接地彼此分享代码，从而提高科研产出率
（4）自动求微分：基于梯度的机器学习算法会受益于Tensorflow自动求微分的能力
（5）多语言支持：Tensorflow 有一个合理的c++使用界面，也有一个易用的python使用界面来构建和执行你的graphs。你可以直接写python/c++程序，也可以用交互式的ipython界面来用Tensorflow尝试些想法，它可以帮你将笔记、代码、可视化等有条理地归置好
（6）性能最优化：你可以自由地将Tensorflow图中的计算元素分配到不同设备上，Tensorflow可以帮你管理好这些不同副本
上述内容参照自Tensorflow中文社区

2.2 基于CPU模式的安装

由于前面已经安装了Anaconda，Tensorflow的安装就非常便捷了。

首先打开Anaconda安装目录中的 Anaconda Prompt（一般在程序列表中可以找到），如下图所示：

接着查看Python的版本信息

python -v

如果版本是3.7版本，那么需要先调整版本信息，这里我们添加一个3.5的环境。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
#设置默认镜像为清华镜像
conda config --set show_channel_urls yes
conda create --name py35 python=3.5 anaconda	#创建Python3.6环境
activate py35	#激活环境

当执行完成后，查看版本信息是否被修改：

输入以下命令来安装tensorflow：

pip install tensorflow	#此版本下载较慢
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow	#使用清华镜像下载

之后将自动根据你所安装的Anaconda环境，安装对应的最新的Tensorflow类库，等待提示安装成功即可。安装完成后输入如下命令行：

conda list

在显示的目录中找到 tensorflow，可以查看对应的版本号信息
需要验证Tensorflow安装的情况，可以在PyCharm，新建一个 **hello tensorflow ** 的Python文件，代码如下：

import tensorflow as tf
hello = tf.constant("hello tensorflow")
session = tf.Session()
print(session.run(hello))

2.3 基于GPU模式的安装

如果要进行大规模计算，则需要安装基于GPU模式的Tensorflow，安装时输入以下代码：

pip install tensorflow-gpu	#此版本下载较慢
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu	#使用清华镜像

等待安装完成之后即可认为基于GPU模式的Tensorflow安装完毕。但是如果要真正的使用GPU模式对数据进行处理，除了安装tensorflow-gpu库包意外，还需要安装CUDA与cuDNN，这是NVIDIA为了使用GPU进行程序运算专门提供的工具包。

2.3.1 CUDA配置

安装CUDA时，需要下载对应版本的程序，其对应关系如下图所示：

如果需要查找更多的对应关系，可以点击此链接：CUDA与Python版本对应关系

CUDA下载地址：cuda-90-download-archive


打开页面后，如上图所示，读者要自己选择对应的操作系统与版本号：

在信息选择的最后，需要注意 Install Type选项，exe(network)是在线安装版，执行该程序需要联网，而后者在安装时不需要连接网络进行安装。
下载完成后，进行安装，安装过程中安装程序会自动进行系统版本兼容的检测，如果你检测通过，那么就可以进行安装CUDA，否则你就需要卸载tensorflow-gpu，你的电脑显卡不支持tensorflow-gpu加速。卸载命令：

pip uninstall tensorflow-gpu

检测通过，继续进行安装，按照提示安装即可。安装完成之后，就需要对安装的CUDA进行环境的配置。在环境变量中仅仅是自动配置的环境是不够的，还需要在环境变量里的path中添加bin和lin\x64目录的路径，其设置完成后如下：

CUDA_BIN_PATH　　%CUDA_PATH%\bin
CUDA_LIB_PATH　　%CUDA_PATH%\lib\Win64
CUDA_SDK_BIN　　%CUDA_SDK_PATH%\bin\Win64
CUDA_SDK_LIB　　%CUDA_SDK_PATH%\common\lib\Win64
CUDA_SDK_PATH　　C:\cuda\cudasdk\common

安装时，会自动将环境配置好，但是我们还是需要检查是否安装成功：

nvcc -V

使用上面的命令可以查看是否安装成功。

2.3.2 cuDNN配置

对于tensorflow而言，真正实现加速的是cuDNN，cuDNN调用的是CUDA显卡驱动。所以最后我们要配置cuDNN这个模块。cuDNN全称：NVIDIA CUDA Deep Neural Network library。cuDNN是NVIDIA专门针对深度神经网络（Deep Neural Networks）中的基础操作而设计的基于GPU的加速库。其下载安装过程按照官网步骤即可。

（1）从 http://developer.nvidia.com/cudnn 上下载cuDNN相应版本的压缩包
（2）如果下载的压缩包不是.tgz格式的，将该程序包重命名为.tgz格式，解压该压缩包到系统任意路径，解压后文件名为CUDA，文件夹中包含三个子文件夹：一个为include，一个为lib，还有一个是bin
（3）复制上述三个文件到CUDA_PATH指定的路径下面

至此，安装与配置完成。

3. OpenCV类库的下载与安装

OpenCV是专属于Python的视觉程序包，OpenCV的安装较为复杂，但是可以通过安装其他程序设计人员编译好的whl文件进行安装即可。下载地址：OpenCV下载链接

（1）首先下载编译好的OpenCV类库安装文件
（2）打开Anaconda Prompt输入安装命令进行安装

安装命令如下：

pip install C://xxx/ccc/OpenCV_python-3.4.2-cp36-cp36m-win_amd64.whl

简单的步骤即可完成OpenCV类可以的安装过程

4. 写在后面

本文简单的对计算机视觉与深度学习基本环境安装进行了解释，通过本文可以快速搭建学习环境，本文是本系列文章中的第二篇文章，上述内容均参照：深度学习与计算机视觉实战 王晓华版。本文中如有不当之处，希望读者可以批评之，笔者必改正。如果本文对读者有帮助，希望读者们可以关注笔者一波。

本系列篇一友情链接：计算机视觉与深度学习基础介绍