初学者的正确方法:用 Anaconda 安装 Python
使用Anaconda安装Python
一、前言:先装Python还是先装Anaconda?
这两种方式各有各的好处,老鸟喜欢自己捯饬,各种环境加虚拟环境自己配置,这样心中有数。而菜鸟喜欢上手简易,无需太多复杂操作就能直接应用。
一般而言,建议大家刚入手Python时直接安装Anaconda。
Anaconda在英文中是“蟒蛇”,麻辣鸡(Nicki Minaj妮琪·米娜)有首歌就叫《Anaconda》,表示像蟒蛇一样性感妖娆的身体。
嘿嘿,这么美妙的身体(anaconda),就问你想不想要?!
所以你看Anaconda的图标就像一个收尾互相咬住的“蟒蛇”:
Anaconda 是一个python的发行版,包括了python和很多常见的软件库, 和一个包管理器conda。
Python的编写环境,用Anaconda就够了。Anaconda是专业的数据科学计算环境,已经集成绝大部分包和工具,一般常用的像pandas、numpy、matplotlib等包,不需要多余的安装和调试,使用方便。
所以Anaconda的本质是Python+IED+各种常用包。
二、下载Anaconda
选择1——官网。一般不推荐,特别慢,还容易出错。
选择2——如果官网地址网速太慢无法下载,可以从我公众号:【学谦数据运营】中回复“资料”从网盘下载。请根据自己电脑的配置选择合适的包下载。
不管是直接安装Python还是安装anaconda,都强烈建议大家安装Python3.x版本,因为Python2.x版本在2020年1月1日起官方已经停止支持了。
三、安装Anaconda(错误重灾区)
注意:如果你是windows 10系统,注意在安装Anaconda软件的时候,右击安装软件→选择以管理员的身份运行。
运行后:
如果一台电脑只有单个用户,那么就选推荐,如果有多个用户就选alluser:
接着就是路径,建议直接安装到C盘默认位置,这样可以避免后续的很多小问题:
最容易错的部分来了:第一项Add Anaconda… 这个是说将安装路径填入到系统环境变量中,我曾经选上,发现后期总是出现什么“无法定位到动态链接库”问题!!!(这里是自动添加系统环境变量,不选!!自己手动添加就好)
第二项 是说要默认使用python的版本,选上!!
一路向前,直到finish:
四、配置Anaconda环境变量
我的电脑——属性——高级系统设置——环境变量——path——编辑——新建
下边这几个建议大家都添加到环境变量中。环境变量选系统变量,不要选用户变量。
五、检验安装是否成功
在cmd中输入python——查看是否有Python环境?
退出,在cmd中输入:conda --version,——查看是否有conda环境?
最后点击Anaconda Powershell Prompt输入conda list出现如下图所示列表即表示anaconda3 安装成:
以下就是anaconda安装的各种包:
如果安装过程遇到什么问题,大家可以在留言区回复。
参考文章:
https://blog.****.net/qq_36015370/article/details/79484455
https://blog.****.net/program_developer/article/details/79677557
推荐阅读
-
初学者的正确方法:用 Anaconda 安装 Python
-
[姿势估计] 实践记录:使用 Dlib 和 mediapipe 进行人脸姿势估计 - 本文重点介绍方法 2):方法 1:基于深度学习的方法:。 基于深度学习的方法:基于深度学习的方法利用深度学习模型,如卷积神经网络(CNN)或递归神经网络(RNN),直接从人脸图像中学习姿势估计。这些方法能够学习更复杂的特征表征,并在大规模数据集上取得优异的性能。方法二:基于二维校准信息估计三维姿态信息(计算机视觉 PnP 问题)。 特征点定位:人脸姿态估计的第一步是通过特征点定位来检测和定位人脸的关键点,如眼睛、鼻子和嘴巴。这些关键点提供了人脸的局部结构信息,可用于后续的姿势估计。 旋转表示:常见的旋转表示方法包括欧拉角和旋转矩阵。欧拉角通过三个旋转角度(通常是俯仰、偏航和滚动)描述头部的旋转姿态。旋转矩阵是一个 3x3 矩阵,表示头部从一个坐标系到另一个坐标系的变换。 三维模型重建:根据特征点的定位结果,三维人脸模型可用于姿势估计。通过将人脸的二维图像映射到三维模型上,可以估算出人脸的旋转和平移信息。这就需要建立人脸的三维模型,然后通过优化方法将模型与特征点对齐,从而获得姿势估计结果。 特征点定位 特征点定位是用于检测人脸关键部位的五官基础部分,还有其他更多的特征点表示方法,大家可以参考我上一篇文章中介绍的特征点检测方案实践:人脸校正二次定位操作来解决人脸校正的问题,客户在检测关键点的代码上略有修改,坐标转换部分客户见上图 def get_face_info(image). img_copy = image.copy image.flags.writeable = False image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB) results = face_detection.process(image) # 在图像上绘制人脸检测注释。 image.flags.writeable = True image = cv2.cvtColor(image, cv2.COLOR_RGB2BGR) box_info, facial = None, None if results.detections: for detection in results. for detection in results.detections: mp_drawing.Drawing.detection = 无 mp_drawing.draw_detection(image, detection) 面部 = detection.location_data.relative_keypoints 返回面部 在上述代码中,返回的数据是五官(6 个关键点的坐标),这是用 mediapipe 库实现的,下面我们可以尝试用另一个库:dlib 来实现。 使用 dlib 使用 Dlib 库在 Python 中实现人脸关键点检测的步骤如下: 确保已安装 Dlib 库,可使用以下命令: pip install dlib 导入必要的库: 加载 Dlib 的人脸检测器和关键点检测器模型: 读取图像并将其灰度化: 使用人脸检测器检测图像中的人脸: 对检测到的人脸进行遍历,并使用关键点检测器检测人脸关键点: 显示绘制了关键点的图像: 以下代码将参数 landmarks_part 添加到要返回的关键点坐标中。