使用KNN算法进行图像分类实验，最后算法评价的准确率（Precision）、召回率（Recall）和F值（F1-score）如图所示，其中平均准确率为0.64，平均召回率为0.55，平均F值为0.50，其结果不是非常理想。那么，如果采用CNN卷积神经网络进行分类，通过不断学习细节是否能提高准确度呢？
三.Tensorflow Opencv实现CNN图像分类
首先，我们需要在TensorFlow环境下安装OpenCV扩展包；其次需要通过TensorFlow环境搭建CNN神经网络；最后通过不断学实现图像分类实验。
1.OpenCV库安装
第一步，打开Anaconda程序，并选择已经安装好的“TensorFlow”环境，运行Spyder。
第二步，我们需要在TensorFlow环境中安装opencv-python扩展包，否则会提示错误“ModuleNotFoundError: No module named ‘cv2’”。调用Anaconda Prompt安装即可，如下图所示：
代码语言：javascript复制activate tensorflow
pip install opencv-python但是，由于anaconda的.org服务器在国外，下载速度很慢，提示错误“Anaconda An HTTP error occurred when trying to retrieve this URL.HTTP errors are often intermittent”。
- 解决方法一：从国内清华的镜像下载
- 解决方法二：从PYPI网站下载对应版本的opencv-python，在再安装本地下载的.whl文件。
由于第一种方法一直失败，这里推荐读者尝试第二种方法，同时作者会将“opencv_python-4.1.2-cp36-cp36m-win_amd64.whl”文件上传供大家直接使用。（4.1.2代表opencv的版本，cp36代表用的python3.6，并且是64位）。
第三步，调用PIP安装本地opencv扩展包。
代码语言：javascript复制activate tensorflow
pip install C:UsersxiuzhangDesktopTensorFlowopencv_python-4.1.2-cp36-cp36m-win_amd64.whl这种方法非常迅速，推荐大家使用。安装成功之后，开始编写我们的代码吧！
