配置面部数据增长的代码环境流程记录

UPDATE：本文已被收录到原做者的GITHUB Wiki中：https://github.com/iacopomasi/face_specific_augm/wiki

---

 

面部增长代码地址：

https://github.com/iacopomasi/face_specific_augm

论文原文：

http://www.openu.ac.il/home/hassner/projects/augmented_faces/

---

分4个小节叙述，建议概览一遍再从0开始按本文配置

0.

下面是配置过程，

2017年4月23日

在Linux Ubuntu 16.04LTS上安装

 

 

首先安装Anaconda

https://www.continuum.io/downloads

下载后是一个.sh文件，

使用bash ./*.sh安装

 

此时conda并不能使用，

（conda是一种相似于homebrew或者pip的工具）

须要添加环境变量：

# 将anaconda的bin目录加入PATH，根据版本不一样，也多是~/anaconda3/bin echo 'export PATH="~/anaconda2/bin:$PATH"' >> ~/.bashrc # 更新bashrc以当即生效 source ~/.bashrc

 

如今就可使用conda了，使用

which conda或者conda --version查看是否是安装好了

 

---

 

1. 

咱们的第一个目标是配置原文中的：

Dependencies

• Dlib Python Wrapper
• OpenCV Python Wrapper
• SciPy
• Matplotlib
• Numpy
• Scikit-Learn
• Python2.7

使用conda来安装，比挨个安装快得多

conda install -n matplotlib numpy scipy scikit-learn

 

这里可能会出现错误，试试

或者
conda install  matplotlib numpy scipy scikit-learn

conda install -c conda-forge matplotlib=2.0.0

安装Dlib：^[1]

conda install -c menpo dlib=18.18

安装opencv^[3]

conda install -c menpo opencv3=3.2.0

这个命令行可能会更新，能够去：https://anaconda.org/menpo/opencv3 看看最新的命令，或者手动下载

引用3中的博客，其中的命令行就已经失效了

---

 

2.

以上就安装好了环境

 

而后

git clone https://github.com/iacopomasi/face_specific_augm.git

把代码拷贝到本地，运行一个例子试试

python demo.py input/input_1.jpg

方式

报错：ImportError: No module named _sysconfigdata_nd

解决：

sudo ln -s /usr/lib/python2.7/plat-*/_sysconfigdata_nd.py /usr/lib/python2.7/

报错：ImportError: No module named math

其实出现连math模块都没有，就说明了不少问题，

这时候输入python，命令行返回python运行环境是anaconda，可是再输入

which python

返回的是

/usr/bin/python

也就是说，编译器用的是anaconda的python，可是调用的各类模块仍然是系统自带的

 

这时候须要建立python的anaconda运行环境^[4]，

# 建立一个名为python27的环境，指定Python版本是2.7（不用管是2.7.x，conda会为咱们自动寻找2.7.x中的最新版本）

conda create --name python27 python=2.7

运行环境就建立好了，须要切换到运行环境里：输入

source activate python27

这时候再输入which python查看版本，会显示

/home/bert/anaconda2/envs/python27/bin/python

说明终于到达了anaconda的环境，

这时候再重复1.中的各类conda安装

（conda本质上是包管理器，用anaconda的环境而不是系统自带的环境，就是由于conda能够方便的下载并配置各类包如numpy）

 

 另外：

1. 

若是环境变量出现了问题，好比在anaconda安装的最后一步，没有选择添加环境变量（也就是路径），能够手动添加：

sudo gedit ~/.bashrc

在最后一行添加上

export PATH="~/anaconda2/bin:$PATH"

2.

# 查看当前环境下已安装的包[2] conda list

# 删除package conda remove -n python27 numpy

 

 

4.测试demo

 运行一个demo试一试：

python demo.py input/input_1.jpg

 发现出错了，说

ValueError: too many values to unpack

因而根据

http://stackoverflow.com/questions/25504964/opencv-python-valueerror-too-many-values-to-unpack

进行修改，增长了一个下划线，而后出现了新的错误

cv2.error: <PATH_TO_OPENCV>/opencv-3.2.0/modules/imgproc/src/imgwarp.cpp:4956: error: (-215) dst.cols < SHRT_MAX && dst.rows < SHRT_MAX && src.cols < SHRT_MAX && src.rows < SHRT_MAX in function remap

而后根据

https://github.com/iacopomasi/face_specific_augm/issues/3

应该是Opencv的版本问题，毕竟做者没有在readme中说明他本身的详细运行环境，只是说了用Linux

个人OpenCV版本是3.2.0

使用

conda install -c menpo opencv=2.4.11

安装2.4的版本（我用了这个，亲测能够跑通代码）

或者选择

conda install -c menpo opencv3=3.1.0

均可以

---

 

万事俱备，开始运行

输入

python demo.py input/input_1.jpg

，通过噼里啪啦的一行行跳跃，

 

搞定，去output文件夹下查看：

 

下面这是原图：

下面是各类转换后的图片

 

以上就是完整的实验过程

此次调代码，配环境的过程真的是曲折无比ʕ •ᴥ•ʔ

总之，不能放弃啊～

睡一觉起来，可能就有了灵感～

加油！

 

---

 

Reference：

[1]  python下安装dlib库 http://blog.csdn.net/jhw_xf/article/details/53321272

[2]  Anaconda使用总结 http://www.jianshu.com/p/2f3be7781451

[3]  怎样用conda安装opencv http://www.cnblogs.com/MrLJC/p/4245925.html

[4]  Anaconda使用教程 http://www.afox.cc/archives/390