numpy、openCV、scipy、matplotlib和sklearn、TFlearn库安装
已经安装了tensorflow2.0-gpu
库之间有相互依赖关系,安装顺序为:
Numpy—scipy—matplotlib—sklearn
1、下载库
Numpy—opencv--scipy—matplotlib 这三个库在下面网址搜索:https://www.lfd.uci.edu/~gohlke/pythonlibs/#
下载sklearn:https://pypi.org/project/scikit-learn/#files
Cp36指的是python3.6版
2.安装whl文件
(1)以管理员的方式打开cmd(切记不要win+R直接打开了,要以管理员的身份)
(2)因为我有两个版本的python,一个是系统的3.7版,一个是虚拟环境的3.6版,因为使用的tensorflow主要以虚拟环境3.6版本为主,所以我切换到了虚拟环境下,否则会提示版本不匹配的错误。
(3)进入下载的whl文件存放的目录,输入pip install XXX(whl文件名)
一、安装numpy
二、安装openCV
三、安装scipy
四、安装matplotlib
seaborn就是在matplotlib基础上面的封装,方便直接传参数调用。
安装matplotlib时提示超时
通过--default-timeout=100来解决
Pip --default-timeout=100 install XXX.Whl
五、安装sklearn
原本安装的是sklearn 0.23.2 版本,运行程序出错,因为从21版本开始,sklearn将joblib删掉了,而文章中发表的比较早,没办法使用命令from sklearn.externals import joblib,所以将23版本删除,换成20版本
(在机器学习中我们训练模型后,需要把模型保存到本地,这里我们采用joblib来保存)conda search --full --name scikit-learn查看可以安装的版本
Pip –default-timeout=10000 install scikit-learn==0.20.3下载并安装sklearn的20版本。
六、安装TFLearn
如果你了解过TensorFlow框架,会发现这个深度学习库需要我们自己定义所有的计算节点,通过将图片进行卷积处理、建立卷积网络、建立池化层网络、建立全连接层等步骤,实现一个卷积神经网络,让人头大。
而TFLearn是一个建立在TensorFlow之上的模块化的、透明的深度学习库,比TensorFlow提供了更高层次的API,可以让我们快速地进行实验。比如,我们想要定义一个全连接层就只需要一个语句:net=tflearn.fully_connected(net,64)。
七、安装pandas
pandas是一个强大的分析结构化数据的工具集;它的使用基础是Numpy(提供高性能的矩阵运算);用于数据挖掘和数据分析,同时也提供数据清洗功能。