计算机视觉项目中环境搭建的步骤

硬件准备带30系列及以上系列显卡的电脑充足的电源无线WIFI或者网络数据线。软件准备Anaconda如果把一个计算机视觉项目类比为搭建房子需要水泥、河沙、砖块等原材料和测量仪、水泥刀、滚筒刷等工具那Anaconda就是堆放和管理这些原材料和工具的工具房工具房管家。通过Anaconda可以方便地调用各种版本的python编辑器如果把多个同时进行的计算机视觉项目类比于一套房子装修一套房子建主体那Anaconda可以创建相互隔离的环境让两个工程的装修和主体工作并行不悖。放在计算机上来说就是创建相互隔离的Python环境一个用Python3.8一个用Python3.11也不会相互干扰。另外Anaconda预装了大量的用于计算机视觉项目的数据科学库, 比如用于计算的Numpy、用于数据分析的Pandas、用于机器学习的Scikit-learn、用于可视化的Matplotlib和Seaborn等。而且Anaconda自带常用的开发工具比如Jupyter Notebook与VS Code能够很好地搭配。再类比一下Anaconda发动机燃料Python库VS Code方向盘仪表盘写代码调试。VS Code/Pycharm上面介绍Anaconda的时候也讲过了VS Code是一款轻量级的代码编辑器免费开源专管写代码负责代码高亮、补全、格式化调试、运行脚本打开文件夹、管理项目。Pycharm的作用与VS Code类似但是专业版需要付费。至于社区版…你懂的。Pytorch/Tensorflow由FaceBook开发的深度学习框架用于计算机视觉、扩散模型、生成对抗网络、自然语言处理、强化学习等领域。可以在CPU上运行当然GPU上面运行更快能够加速模型训练和模型推理。与Pytorch对应的是Google开发的Tensorflow功能也差不多。以上三个软件Windows系统、Mac系统、Linux系统都能安装。Anaconda环境配置进入prompt终端输入conda -V并回车查看conda的版本。如果显示conda不是环境变量那就把Anaconda的以下三个路径添加进环境变量之中。输入python查看python环境。输入exit退出python环境。输入conda list查看base环境中已有的包。输入conda create -n 环境名 pythonx.x创建环境。y/n输入y(yes)输入conda activate 环境名激活对应的环境。为了后续在VS Code中能够使用Jupyter Notebook需要事先在环境中安装ipykernel包。输入 conda install ipykernel选择Y。pytorch安装在CV环境下输入nvidia-smi回车查看电脑的显卡类型。博主这台电脑的CUDA Version是13.0在安装pytorch的时候选择CUDA版本≤13.0的CUDA12.8进行安装。将框内指令复制到Anaconda终端回车进行安装。漫 长 的 等 待。。。。。。安装完成之后进入python环境导入torch包等待片刻输入torch.cuda.is_available()验证是否成功安装输入exit()退出python环境。如果电脑没有独立显卡那么只能安装对应CPU版本的pytorch。最后验证环节只要import torch成功即可表明CPU版本的pytorch已经安装此处不再赘述。VS Code安装与设置VS Code是一个免费开源的代码编辑器进入官网界面选择对应的版本进行下载。在VS Code的扩展里面安装python解释器和Jupyter笔记本。不习惯英文界面的朋友可以扩展一个汉化包。环境搭建好之后新建一个名为CV的文件夹并在VS Code中打开这个文件夹在CV环境下编写的脚本都可以放入这个文件夹中。接下来新建.py文件和.ipynb文件运行测试脚本如下。完成了