大家好，又见面了，我是你们的朋友全栈君。
在windows10机器上安装部署人脸识别/安全帽识别<项目笔记
CPU版本安装
1.Anaconda的安装配置
从官网https://www.anaconda.com/download/（但是官网上已经难找到python3.6版本了我这里有）下载Anaconda的安装程序，在该页面选择你电脑所对应的系统（Windows、macOS or Linux）以及操作系统位数（64位 or 32位）。至于是Python的版本是3.6还是2.7，这里推荐你使用Python 3.6 version，因为Python2终究会停止维护。以Windows及64位系统为例，下载Python 3.6 version的选择界面如图1所示。
这里有几点需要注意：
- 将Anaconda添加到环境变量，为了避免之后的不必要的麻烦，建议添加。具体如下图：
- 安装完了会问你需不需要安装C 的一个环境！一定要选，能避免好多好多C 依赖的有关报错，这里找不到截图。小主也懒得重新安装一遍，所以就只能描述了 = = 、
- Anaconda安装完成之后，相应版本的python也就直接安装完成了，所以不用再装一遍。
2.Pycharm的安装配置
PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。
- 在服务器上安装PyCharm其实也算是多此一举，但是主要也是有个小插曲导致下载了PyCharm：
用cmd进入项目之后执行程序：
python xxx.py之后会报ImportError: No module named 'xxx'，这个主要是因为没有将工程的目录添加到环境变量。 具体解决方法如下： 打开环境变量，在系统变量里面添加%PYTHONPATH%，值为：&你的工程的根目录！这样的话就可以解决命令行运行py文件，报错的问题了。 - 下载PyCharm： 从官网https://www.jetbrains.com/pycharm/download/下载PyCharm安装程序，在该页面选择你电脑所对应的系统（Windows、macOS or Linux）。由于专业版（Professional）需要激活，并且社区版（Community）已经包含了我们所需要的基本功能，所以这里我们选择社区版（Community）下载（当然，网上有Professional版本的激活码，但不是所有的都能用，如果想使用Professional版本可以自行上网查询破解方法）。以Windows为例，下载界面如图3所示。
- 具体的安装步骤就不说了： 这里只需要注意选择多少位的程序就行，建议最底下的，Download and install JRE x86 by JetBrains 勾上，就是为了莫名其妙的错误再来重新配置这个。
3.pip 命令安装相关依赖
代码语言：javascript复制pip install keras
pip install tensorflow
pip install ...这些都没有出现错误，主要只说两个比较坑的依赖包（也不能说坑，只是在我这个环境下报错了）
- mxnet
报错原因：部署的环境没有cuda
解决方法：
pip install mxnet==1.2.1。安装完之后将代码中的??=mxnet.gpu()改为??=mxnet.cpu()这里是自己没找到相关代码中的gpu的调用，我的锅。 - face-recognition
这个就是真的坑了！！！错误的演示：
首先：
pip install face-recognition报错：dlib 包安装失败（反正就这个意思） 接着：pip install dlib失败：cmake，can't build wheel等 于是：上网搜windows下如何安装dlib然后：下载cmake，下载boost，下载VS然后：自己也不知道为什么还没好？正确的演示： 首先：pip install cmake然后：pip install dlib==19.8.1这版本很关键，直接pip install dlib的话，会下载未编译的版本进行setup就会报各种编译错误，这个版本有编译好的.whl文件，所以自然避免了很多编译环境的Error。 最后：pip install face-recognition==1.0.0这一步可以直接下载face-recognition 1.0.0 和 face-recognition-models 0.3.0之后在代码中：import face-recognition就不会再报错了。
注意!!! 本地视频流地址为： ‘rtsp://usr_name:xxxx#@172.17.58.252’ “rtsp://admin:admin@192.168.2.64:554//Streaming/Channels/1” 这样的本地视频流地址的获取，总是在现场会崩掉。
搜了解决方法之后，本地视频流地址改为： ‘rtsp://usr_name:xxxx#@172.17.58.252/ch1-s1?tcp’ ‘rtsp://usr_name:xxxx#@172.17.58.252/ch1/1’
这样的话，还是会崩掉，只是提供了一种思路
GPU版本安装
提前准备（windows10） python3.6版本的anaconda cuda8.0，cudnn6.0
1. 下载安装Cuda8.0，一定要是8.0版本！下载地址，并按照下图选择下载本地安装包。
如果安装错了记得要把之前的删除卸载干净。
2. 安装完成后配置系统环境变量Path
TensorFlow 是一个编程系统, 使用图来表示计算任务，图必须在Session(会话)里被启动. Session将图的op(操作)分发到诸如CPU或GPU之类的设备上运行。所以，这个时候你运行python然后import tensorflow as tf是不会报错的，但是当你要执行tf.Session()的时候可能就有问题了。这个时候将会调用cuda，我在这里遇到的问题是各种lib,dll加载不了。经过一番检查，定位到问题，Cuda安装完成后默认的环境变量配置不对，不能直接访问到bin和libx64下的程序包，在path中加上这两个路径即可。
原本安装好之后并不会有以上四个环境变量，有两个需要自己加上。
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0bin C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libx64 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0libnvvp
附：配置环境变量教程
最后在cmd里输入 echo %path% 就能查看你的是否添加进环境变量了.
3. 下载Cudnn6.0，下载地址，需要注册并填问卷，下载后解压压缩包，将包内文件夹里面的内容分别拷贝到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv8.0里面的三个文件夹中去。
4. 最后测试和检查一下，代码如下:
代码语言：javascript复制import ctypes
import imp
import sys
def main():
try:
import tensorflow as tf
print("TensorFlow successfully installed.")
if tf.test.is_built_with_cuda():
print("The installed version of TensorFlow includes GPU support.")
else:
print("The installed version of TensorFlow does not include GPU support.")
sys.exit(0)
except ImportError:
print("ERROR: Failed to import the TensorFlow module.")
candidate_explanation = False
python_version = sys.version_info.major, sys.version_info.minor
print("n- Python version is %d.%d." % python_version)
if not (python_version == (3, 5) or python_version == (3, 6)):
candidate_explanation = True
print("- The official distribution of TensorFlow for Windows requires "
"Python version 3.5 or 3.6.")
try:
_, pathname, _ = imp.find_module("tensorflow")
print("n- TensorFlow is installed at: %s" % pathname)
except ImportError:
candidate_explanation = False
print(""" - No module named TensorFlow is installed in this Python environment. You may install it using the command `pip install tensorflow`.""")
try:
msvcp140 = ctypes.WinDLL("msvcp140.dll")
except OSError:
candidate_explanation = True
print(""" - Could not load 'msvcp140.dll'. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. You may install this DLL by downloading Microsoft Visual C 2015 Redistributable Update 3 from this URL: https://www.microsoft.com/en-us/download/details.aspx?id=53587""")
try:
cudart64_80 = ctypes.WinDLL("cudart64_80.dll")
except OSError:
candidate_explanation = True
print(""" - Could not load 'cudart64_80.dll'. The GPU version of TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 8.0 from this URL: https://developer.nvidia.com/cuda-toolkit""")
try:
nvcuda = ctypes.WinDLL("nvcuda.dll")
except OSError:
candidate_explanation = True
print(""" - Could not load 'nvcuda.dll'. The GPU version of TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Typically it is installed in 'C:WindowsSystem32'. If it is not present, ensure that you have a CUDA-capable GPU with the correct driver installed.""")
cudnn5_found = False
try:
cudnn5 = ctypes.WinDLL("cudnn64_5.dll")
cudnn5_found = True
except OSError:
candidate_explanation = True
print(""" - Could not load 'cudnn64_5.dll'. The GPU version of TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Note that installing cuDNN is a separate step from installing CUDA, and it is often found in a different directory from the CUDA DLLs. You may install the necessary DLL by downloading cuDNN 5.1 from this URL: https://developer.nvidia.com/cudnn""")
cudnn6_found = False
try:
cudnn = ctypes.WinDLL("cudnn64_6.dll")
cudnn6_found = True
except OSError:
candidate_explanation = True
if not cudnn5_found or not cudnn6_found:
print()
if not cudnn5_found and not cudnn6_found:
print("- Could not find cuDNN.")
elif not cudnn5_found:
print("- Could not find cuDNN 5.1.")
else:
print("- Could not find cuDNN 6.")
print(""" The GPU version of TensorFlow requires that the correct cuDNN DLL be installed in a directory that is named in your %PATH% environment variable. Note that installing cuDNN is a separate step from installing CUDA, and it is often found in a different directory from the CUDA DLLs. The correct version of cuDNN depends on your version of TensorFlow: * TensorFlow 1.2.1 or earlier requires cuDNN 5.1. ('cudnn64_5.dll') * TensorFlow 1.3 or later requires cuDNN 6. ('cudnn64_6.dll') You may install the necessary DLL by downloading cuDNN from this URL: https://developer.nvidia.com/cudnn""")
if not candidate_explanation:
print(""" - All required DLLs appear to be present. Please open an issue on the TensorFlow GitHub page: https://github.com/tensorflow/tensorflow/issues""")
sys.exit(-1)
if __name__ == "__main__":
main() 如果失败的话记得检查一下报错信息，没有安装CUDA8.0或者环境配置不对：
Could not load ‘cudart64_80.dll’. The GPU version of TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Download and install CUDA 8.0 from this URL: https://developer.nvidia.com/cuda-toolkit
pycharm 报错： ImportError: Could not find ‘nvcuda.dll’. TensorFlow requires that this DLL be installed in a directory that is named in your %PATH% environment variable. Typically it is installed in ‘C:WindowsSystem32’. If it is not present, ensure that you have a CUDA-capable GPU with the correct driver installed.
用python跑数据库脚本时，python报错”DatabaseError: DPI-1047: 64-bit Oracle Client library cannot be loaded: “ 安装64bit的oracle-client即可解决这个问题。并且
pip install cx-Oracle==7.0.0
安装成功：
TensorFlow successfully installed. The installed version of TensorFlow includes GPU support.
注意几点: CUDA一定要安装8.0版本！CUDA一定要安装8.0版本！CUDA一定要安装8.0版本！ Anaconda并不是必需，可以使用，也可以不使用 Cudnn的版本我这里提示的是Cudnn6，大家看提示安装
这一篇博客其实就是这一次远程安装部署的一个笔记，有些部分可能说的不是很细致。~ ~
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/144611.html原文链接：https://javaforall.cn
