python及其工具

参考:
【1】关于conda和anaconda不可不知的误解和事实——conda必知必会
【2】Anaconda完全入门指南
【3】Win10 64 位Tensorflow-gpu安装(VS2017+CUDA9.2+cuDNN7.1.4+python3.6.5)

1 conda:包管理器
python语言,脚本语言,需要解释器(是一个工具)。还需要依赖一些库。自带的库、第三方的库还要要未来扩展的库。他的这些包如何自动的安装和卸载,需要一个工具,常用的工具叫Conda。当然其他管理工具,比如pip。二者的侧重不同。具体区别参见【1】.

2 Anoconda:开源的包、环境管理器
上边的这一堆的包,有版本问题,且不同的包之间还有相互的依赖关系。由于python2和python3两个版本的程序存在不兼容的情况,而我们的电脑上有时候需要两种甚至多种版本的都存在,为了适应这种同时存在并自由切换,需要安装两个或多个环境,因此,就由Anoconda来管理。类似于虚拟机的概念,这里叫环境。不同的环境下有不同的python版本及其依赖的包等东西。当然,为了在环境下管理这些包,
因此,这个环境下也想当然的有conda,而由其实现的这些创建等功能。
Anoconda是包含python、conda等比较多的包。最小容量的叫Miniconda。
关于anocoda与conda关系参考【1】.

关于环境的创建过程:
(1)下载Anoconda(windows下的相应版本)exe程序, 安装之。
(2)在command promote下使用以下命令创建环境:使用如下命令:

conda create --name=labelme python=3.5在这里插入图片描述 命令解释:
(a)labelme是环境的名字,可以随便起
(b)python=3.5表面该环境下的python使用3.5.
©更多的说明参考【2】
© 该命令表示要创建环境,他会提示需要安装的包,其中有vs,pip,python等。默认他会从conda配置的一个网址下载包安装,但这个一般在国外,往往网速不给力。所以,一般大家会选择国内的镜像,国内的镜像有清华,中科大,阿里等。具体地址网上可搜索。 如何添加镜像。对于上述的情况应当退出,如果强行关窗口,再次安装时会提示锁住,需要清除一下。
使用镜像方法:command promote下运行以下命令添加了三个清华的镜像:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
conda-forgeconda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/3

然后再次运行环境创建语句:

conda create --name=labelme python=3.5

(3)激活环境,如图使用activate命令激活环境名称:activate labelme

3 labelme
可以安装在anaconda下的环境下,使用conda安装,也可以使用pip安装。
在环境下已经安装了pip,就可以用了。
(1)进入上面创建的环境中。 activate labelme
(2)安装pyqt5.这是labelme依赖的包。安装方法:

pip install pyqt5
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyqt5

上面的是默认安装,下方的使用的清华镜像,主要为了速度。
(3)安装labelme

pip install labelme
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple labelme

同上,可以使用镜像。
(4)运行labelme

activate labelme
labelme

第一个是激活之前创建的环境,第二个是启动labelme这个程序!!

4 tensorflow
用于训练模型,也可以运行模型。自己网页搜索。
分为gpu版本和cpu版本。参考【3】。
如果要是在上面的环境中装tensorflow,与安装其他包类似:

pip install tensorfow==1.10
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorfow==1.10

这里安装的cpu版本的1.10版。上面的是默认,下面清华镜像。

5 cuda和cudnn
主要为了在有gpu的机器上进行tensorflow训练加速用的。安装方法参考【3】。

猜你喜欢

转载自blog.csdn.net/kevinshift/article/details/88807868