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：

1. 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：
   
2. 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 = = 、
3. 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

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lib\x64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 Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\libnvvp

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 Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0里面的三个文件夹中去。

4. 最后测试和检查一下，代码如下:

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:\Windows\System32'. 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:\Windows\System32’. 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。~ ~