Mac/linux/windows7安装anaconda+tensorflow+opencv+dlib+face_recognition

不管是mac仍是linux/windows都须要肯定系统是多少位的。主要就mac讲解。

1. 肯定服务器是32位的仍是64位的（linux/mac）windows查看电脑信息就能够了

file /bin/ls

看到输出的内容即为服务器的位数，个人是64位的，故选择64位的anaconda。

Anaconda

1. 下载anaconda anaconda，选择本身对应的版本
2. 进入Anaconda所在的目录，执行下面的命令：

bash Anaconda3-5.0.1-Linux-x86.sh

此后依照提示操做便可（最简便的方式就是，让ENTER就ENTER，问yes或no，输入yes，三个yes分别表明赞成license、使用默认的安装路径、自动向.bashrc写入路径) 4. 使.bashrc生效 此时Anaconda并未安装完成，若在终端输入python将会发现依然是Centos自带的python版本，这是由于.bashrc的更新尚未生效，执行下述命令使其生效便可。

source ~/.bashrc

tensorflow

1. 创建一个Tensorflow的运行环境

//目前Mac上的Tensorflow仅仅支持CPU版本，并且3.0以上版本仅支持3.5版本，因此建立环境的时候必定要加上Python=3.5。
// 建立环境
$ conda create -n tensorflow python=3.5

// 移除环境
conda remove --name tensorflow --all

2. 设置国内镜像 (清华镜像5.16日已经关闭，国内的也都差很少关了。因此仍是使用官方镜像吧，速度还能够)

//若是须要安装不少packages，你会发现conda下载的速度常常很慢，由于Anaconda.org的服务器在国外。所幸的是，清华TUNA镜像源有Anaconda仓库的镜像，咱们将其加入conda的配置便可：
# 添加Anaconda的TUNA镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
# TUNA的help中镜像地址加有引号，须要去掉

# 设置搜索时显示通道地址
conda config --set show_channel_urls yes

3. 安装Tensorflow

目前仅仅是建立了一个空的环境，仅有与Python3.5相关的一些包，咱们须要先激活环境，而后安装Tensorflow。

// 激活环境
$ source activate tensorflow
// 安装Tensorflow
$ pip install tensorflow
// 关闭环境
$ source deactivate

• 当一个环境中有多个python环境时，在tensorflow下安装软件，例如keras时须要在激活tensorflow下进行。

4. 简单测试是否安装成功

>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello))
Hello,TensorFlow!

在测试的时候，须要在第3步的tensorflow环境下，由于anaconda安装会安装两个pyhotn环境，一样是python3.5的，只是小版本不一样。其中在tensorflow环境下的python环境有tensorflow，而再也不该环境下的则没有。 可使用conda env list查看虚拟环境，而后在pycharm中选择对应的python解释器就ok啦。

opencv

conda install opencv

测试是否成功： python import cv2 没有问题则说明成功；

dlib

conda install opencv

测试是否成功：

python
import dlib

若是没有问题则说明成功。我遇到的问题：

ImportError: /lib64/libc.so.6: version `GLIBC_2.14' not found (required by /root/anaconda3/lib/pythoh
# 该问题可参考：https://blog.csdn.net/sole_cc/article/details/51415940

解决方案:升级glibc版本 按照上面连接便可升级，而后在测试，解决问题。

---

linux中查看安装了python的哪些库：

pip freeze或pip list

linux升级gcc

本段主要介绍在Linux系统下，如何升级GCC以支持C++11。目前来看GCC是对C++11支持程度最高最多的编译器，但须要GCC4.8及以上版本 gcc各版本下载： 下载连接 因为我仅仅将版本升级到4.8.2，因此就以此版本为例 步骤：

1. 按照连接获取GCC 4.8.2包并解压：tar -xf gcc-4.8.2.tar.gz；
2. 进入到目录cd gcc-4.8.2，运行：./contrib/download_prerequisites。这个神奇的脚本文件会帮咱们下载、配置、安装依赖库，能够节约咱们大量的时间和精力。
3. 创建输出目录并到目录里：mkdir gcc-build-4.8.2;cd gcc-build-4.8.2 ../configure --enable-checking=release --enable-languages=c,c++ --disable-multilib。--enable-languages表示你要让你的gcc支持那些语言，--disable-multilib不生成编译为其余平台可执行代码的交叉编译器。--disable-checking生成的编译器在编译过程当中不作额外检查，也可使用--enable-checking=xxx来增长一些检查；
4. 编译：make；注意此步和上一步，比较耗时；
5. 安装：make install； 验证：gcc -v；或者g++ -v，若是显示的gcc版本还是之前的版本，就须要重启系统；或者能够查看gcc的安装位置：which gcc；而后在查看版本 /gcc -v，出现新版本即表示成功。

其中遇到一个问题：就是在make阶段，没有编译结束，直接leaved出文件夹了，具体报错忘了记载，可是是因为swap分区不足引发的。因此后面就增长swap分区。：

新建及增长swap分区

在装完Linux系统以后，创建Swap分区有两种方法。 1.新建磁盘分区做为swap分区 2.用文件做为swap分区 （操做更简单，我更经常使用） 这两种方法都必须用root权限，操做过程应该当心谨慎 我主要是用的第二中方法，因此此处仅将第二种方法： 1.建立要做为swap分区的文件:增长1GB大小的交换分区，则命令写法以下，其中的count等于想要的块的数量（bs*count=文件大小）。

dd if=/dev/zero of=/root/swapfile bs=1M count=1024

2.格式化为交换分区文件:

mkswap /root/swapfile #创建swap的文件系统

3.启用交换分区文件:

swapon /root/swapfile #启用swap文件

4.使系统开机时自启用，在文件/etc/fstab中添加一行：

/root/swapfile swap swap defaults 0 0

---

因为本身的服务器磁盘有限，因此linux环境下没能成功安装dlib及face_recognition模块。现利用windows7环境下安装。

windows7

1. 安装环境

win7 /win8/win10
python3.6 (必须3.6)
opencv3

第一步：dlib安装 经过连接如今安装的whl文件， 而后安装： pip install dlib-19.7.0-cp36-cp36m-win_amd64.whl.whl 第二步：face_recognition安装

pip install face_recognition

第三步：opencv安装

使用命令:pin install opencv

问题：屡次出现

Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None))…………

问题，这是镜像致使的网络问题 解决：

pip install selectivesearch -i http://pypi.douban.com/simple --trusted-host pypi.douban.com