numpy、openCV、scipy、matplotlib和sklearn、TFlearn库安装

已经安装了tensorflow2.0-gpu

库之间有相互依赖关系，安装顺序为：

Numpy—scipy—matplotlib—sklearn

1、下载库

Numpy—opencv--scipy—matplotlib 这三个库在下面网址搜索：https://www.lfd.uci.edu/~gohlke/pythonlibs/#

下载sklearn：https://pypi.org/project/scikit-learn/#files

 

Cp36指的是python3.6版

2.安装whl文件

（1）以管理员的方式打开cmd（切记不要win+R直接打开了，要以管理员的身份）

（2）因为我有两个版本的python，一个是系统的3.7版，一个是虚拟环境的3.6版，因为使用的tensorflow主要以虚拟环境3.6版本为主，所以我切换到了虚拟环境下，否则会提示版本不匹配的错误。

 

 

 

 

（3）进入下载的whl文件存放的目录，输入pip install XXX(whl文件名)

 

 

 

 一、安装numpy

 

二、安装openCV

 

三、安装scipy

 

四、安装matplotlib

seaborn就是在matplotlib基础上面的封装，方便直接传参数调用。

安装matplotlib时提示超时

通过--default-timeout=100来解决

Pip  --default-timeout=100 install XXX.Whl

五、安装sklearn

 

原本安装的是sklearn 0.23.2 版本，运行程序出错，因为从21版本开始，sklearn将joblib删掉了，而文章中发表的比较早，没办法使用命令from sklearn.externals import joblib，所以将23版本删除，换成20版本

（在机器学习中我们训练模型后，需要把模型保存到本地，这里我们采用joblib来保存）conda search --full --name scikit-learn查看可以安装的版本

Pip –default-timeout=10000 install scikit-learn==0.20.3下载并安装sklearn的20版本。

 

六、安装TFLearn

如果你了解过TensorFlow框架，会发现这个深度学习库需要我们自己定义所有的计算节点，通过将图片进行卷积处理、建立卷积网络、建立池化层网络、建立全连接层等步骤，实现一个卷积神经网络，让人头大。

而TFLearn是一个建立在TensorFlow之上的模块化的、透明的深度学习库，比TensorFlow提供了更高层次的API，可以让我们快速地进行实验。比如，我们想要定义一个全连接层就只需要一个语句：net=tflearn.fully_connected(net,64)。

 

七、安装pandas

pandas是一个强大的分析结构化数据的工具集；它的使用基础是Numpy（提供高性能的矩阵运算）；用于数据挖掘和数据分析，同时也提供数据清洗功能。