一、需要下载的软件、环境及文件

(由于之前见识短浅,对Anaconda这个工具不了解,所以需要对安装过程做出改变:就是Python3.7.2的下载安装是可选的,因为Anaconda已经为我们解决Python运行环境,Anaconda里面的python和你自己安装的python是不冲突的,可以共存,想要区分的话,可以更改Anaconda的中python的名字为python-ana,然后就可以完美的同时存在anaconda的python和原生的python。pip 是可以通过python-ana -m pip 和python -m pip指定的。)

1、python3.7.2;

2、anaconda环境;

3、whl文件:opencv_python-4.0.1-cp37-cp37m-win_amd64.whl;

4、whl文件:tensorflow-1.9.0-cp37-cp37m-win_amd64.whl;

二、具体的安装步骤及顺序

首先在这里提醒一下:尽量按我们所说的步骤来,不然可能会出现让你意想不到的错误!

1、下载并安装python3.7.2

记得版本号是3.7以上,因为需要跟之后下载的文件及环境兼容!

1、下载

下载python直接在官网上下载即可;

链接奉上:https://www.python.org/downloads/windows/

选择Windows x86-64 executable installer下载就可以了(这个是64位的,如果电脑是32位的就选择32的下载就好)

2、安装

打开刚才下载的安装包,出现如下界面

记得勾选下面那个选项:ADD Python 3.7 to PATH

(会自动添加Python 3.7的路径到电脑环境变量)(图片中那个黑色涂掉的不用在意,我的名字而已)

然后点击Install Now就可以了(当然你也可以选择自己的安装路径)

至此Python 3.7.2安装完毕!

2、anaconda环境下载及安装

记得版本选择3.7!

1、下载

这个下载也是直接在官网下载即可

下载链接:https://www.anaconda.com/distribution/#download-section

这个要看好自己是不是选择的Windows(图片上面那一栏)

另外一点就是要选择图片左边这个Python 3.7 version!

2、安装

打开你下载的安装包

前面几个步骤都默认就可以,当然你可以选择自己的安装路径;

直到最后一步时:

这里的两个框框都要勾选上!!!

然后Install就可以了(这个安装过程有些漫长,中间可能会有些卡顿,耐心等待就好,等完全确定安装成功时再进行下一步)

3、两个whl文件的下载、配置及安装

1、下载

两个whl文件都是在镜像站下载:http://www.lfd.uci.edu/~gohlke/pythonlibs/

进入镜像站之后:按Ctrl+F键进入页面查找,输入opencv,找到如下区域:

这里划重点:选择最下面这个 opencv_python-4.0.1-cp37-cp37m-win_amd64.whl(amd64是64位的意思)

这个下载完之后,继续输入tensorflow,找到如下界面:

划重点:选择最下面这个 tensorflow-1.9.0-cp37-cp37m-win_amd64.whl

(下载的路径自己要记好,下面还要对这两个文件进行一些操作)

2、配置

把刚才下载的两个whl文件放至anaconda安装目录下的Scripts文件夹(anaconda正确安装的话,此文件夹中应有pip.exe)

3、安装

然后打开cmd,输入D: 回车 cd Anaconda3\Scripts 回车(具体指令根据你的安装目录修改)转到Scripts目录下

然后输入pip install opencv_python-4.0.1-cp37-cp37m-win_amd64.whl 回车

由于我的已经安装好了,所以这里用的是别人的截图,除了版本号不一样,其他没有区别!

然后继续安装tensorflow,同样是在Scripts目录下,输入pip install tensorflow回车

(这个图也是借用别人的)(图片中红字意思是有库版本太旧了,已自动更新,不用管就行)

等待安装完成就欧克了!(这个安装过程比较缓慢,请耐心等待)

至此所有需要安装和配置的都搞定了,下面就剩测试了!

三、测试

1、opencv的测试

打开cmd,输入D: 回车 cd Anaconda3\Scripts 回车(具体指令根据你的安装目录修改)转到Scripts目录下,然后输入:ipython 回车

然后依次输入以下代码:

​代码块

Python

xxxxxxxxxx

1

import cv2 

2

import numpy as np

3

img=cv2.imread("D:\zhang.jpg") 

4

cv2.imshow("zhang",img) 

5

cv2.waitKey() 

并不是一次性输完,输入一行,回车一下,第三行的“D:\zhang.jpg”是图片的路径,你可以自己选择;

运行结果如下图:

出现这个结果说明opencv安装成功!

2、tensorflow测试

依旧是打开cmd,输入D: 回车 cd Anaconda3\Scripts 回车(具体指令根据你的安装目录修改)转到Scripts目录下,然后输入:ipython 回车(跟前面操作一样)

然后依次输入以下代码:

​代码块

Python

xxxxxxxxxx

1

//矩阵乘法

2

import tensorflow as tf

3

a = tf.random_normal((100, 100))

4

b = tf.random_normal((100, 500))

5

c = tf.matmul(a, b)

6

result = tf.InteractiveSession()

7

result.run(c)

输入方式跟测试opencv时是一样的;

结果如下:

出现该结果图说明安装成功!

四、成功

恭喜你,环境安装及配置成功搞定!

迈出万里长征第一步

基于深度学习的人脸识别系统Win10 环境安装与配置(python+opencv+tensorflow)的更多相关文章

  1. 基于深度学习的人脸识别系统(Caffe+OpenCV+Dlib)【一】如何配置caffe属性表

    前言 基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

  2. 基于深度学习的人脸识别系统(Caffe+OpenCV+Dlib)【三】VGG网络进行特征提取

    前言 基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

  3. 基于深度学习的人脸识别系统(Caffe+OpenCV+Dlib)【二】人脸预处理

    前言 基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

  4. 基于深度学习的人脸识别系统系列(Caffe+OpenCV+Dlib)——【四】使用CUBLAS加速计算人脸向量的余弦距离

    前言 基于深度学习的人脸识别系统,一共用到了5个开源库:OpenCV(计算机视觉库).Caffe(深度学习库).Dlib(机器学习库).libfacedetection(人脸检测库).cudnn(gp ...

  5. 基于深度学习的人脸性别识别系统(含UI界面,Python代码)

    摘要:人脸性别识别是人脸识别领域的一个热门方向,本文详细介绍基于深度学习的人脸性别识别系统,在介绍算法原理的同时,给出Python的实现代码以及PyQt的UI界面.在界面中可以选择人脸图片.视频进行检 ...

  6. 基于深度学习的中文语音识别系统框架(pluse)

    目录 声学模型 GRU-CTC DFCNN DFSMN 语言模型 n-gram CBHG 数据集 本文搭建一个完整的中文语音识别系统,包括声学模型和语言模型,能够将输入的音频信号识别为汉字. 声学模型 ...

  7. 【OCR技术系列之四】基于深度学习的文字识别(3755个汉字)

    上一篇提到文字数据集的合成,现在我们手头上已经得到了3755个汉字(一级字库)的印刷体图像数据集,我们可以利用它们进行接下来的3755个汉字的识别系统的搭建.用深度学习做文字识别,用的网络当然是CNN ...

  8. 【OCR技术系列之四】基于深度学习的文字识别

    上一篇提到文字数据集的合成,现在我们手头上已经得到了3755个汉字(一级字库)的印刷体图像数据集,我们可以利用它们进行接下来的3755个汉字的识别系统的搭建.用深度学习做文字识别,用的网络当然是CNN ...

  9. 基于深度学习的回声消除系统与Pytorch实现

    文章作者:凌逆战 文章代码(pytorch实现):https://github.com/LXP-Never/AEC_DeepModel 文章地址(转载请指明出处):https://www.cnblog ...

随机推荐

  1. python 面向对象专题(四):封装、多态、鸭子类型、类的约束、super

    https://www.cnblogs.com/liubing8/p/11321099.html 目录 Python面向对象04 /封装.多态.鸭子类型.类的约束.super 1. 封装 2. 多态 ...

  2. Sequential Minimal Optimization: A Fast Algorithm for Training Support Vector Machines 论文研读

    摘要 本文提出了一种用于训练支持向量机的新算法:序列最小优化算法(SMO).训练支持向量机需要解决非常大的二 次规划(QP)优化问题.SMO 将这个大的 QP 问题分解为一系列最小的 QP 问题.这些 ...

  3. 使用Python进行自动化测试

    目前大家对Python都有一个共识,就是他对测试非常有用,自动化测试里Python用途也很广,但是Python到底怎么进行自动化测试呢?今天就简单的向大家介绍一下怎么使用Python进行自动化测试,本 ...

  4. Python Ethical Hacking - KEYLOGGER(2)

    Report function: Run in the background. Don't interrupt program execution. Every X seconds, send the ...

  5. JS 原型与原型链终极详解(二)

    四. __proto__ JS 在创建对象(不论是普通对象还是函数对象)的时候,都有一个叫做__proto__ 的内置属性,用于指向创建它的构造函数的原型对象. 对象 person1 有一个 __pr ...

  6. scratch编程滑雪者游戏教程

    首先我们来看一下效果:​​​​​​​​​​​​​​​​ 我们从演示中能看出4个角色:企鹅.大树.旗子和装饰用的坎,我们通过键盘操控企鹅滑雪躲避树并捡起旗子,现在我们就来看看是怎么编的吧! 首先我们要画 ...

  7. java8中parallelStream提升数倍查询效率是怎样实现的,来看看这篇文章

    作者:我恰芙蓉王 原文:https://www.cnblogs.com/-tang/p/13283216.html 业务场景 在很多项目中,都有类似数据汇总的业务场景,查询今日注册会员数,在线会员数, ...

  8. 10种常见OOM分析——手把手教你写bug

    点赞+收藏 就学会系列,文章收录在 GitHub JavaKeeper ,N线互联网开发必备技能兵器谱,笔记自取 在<Java虚拟机规范>的规定里,除了程序计数器外,虚拟机内存的其他几个运 ...

  9. nrm安装使用(mac)

    在开发工作中时常有需要切换npm源的需求以及更换node版本的情况,这两种情况都有对应的管理器来使用 一.nrm nrm是一个npm源管理工具,使用它可以快速切换npm源. 1.nrm安装(全局安装) ...

  10. python工业互联网应用实战3—模型层构建

    本章开始我们正式进入到实战项目开发过程,如何从需求分析获得的实体数据转到模型设计中来,变成Django项目中得模型层.当然,第一步还是在VS2019 IDE环境重创建一个工程项目,本文我们把工程名称命 ...