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

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了机器学习环境搭建安装TensorFlow1.13.1+Anaconda3.5.3+Python3.7.1+Win10，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含4186字，纯文字阅读大概需要6分钟。

内容图文

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）

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)

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)

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

查看Tensorflow版本及路径

版本：
python
import tensorflow as tf
tf.__version__
路径：
tf.__path__

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

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

 

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

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

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

内容总结

以上是互联网集市为您收集整理的机器学习环境搭建安装TensorFlow1.13.1+Anaconda3.5.3+Python3.7.1+Win10全部内容，希望文章能够帮你解决机器学习环境搭建安装TensorFlow1.13.1+Anaconda3.5.3+Python3.7.1+Win10所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---