Anaconda

第一章 Introduction 　　OpenCV 　　　　Opencv现在支持多种与计算机视觉和机器学习相关的算法 　　OpenCV-Python 　　　　它是由C/C++写的Py的封装器，优点： 　　　　　　1，运行速度与原始的c/c++一样快（本质是c/c++写的） 　　　　　　2，用py写代码比c/c++方便 第二章 Install OpenCV-Python in Windows 　　0. 引言 　　　　对于opencv-python的安装并不友好，前前后后大概捣鼓了2-3天，总结原因就是对于opencv-python不要用太新版的whl 　　1. 目标 　　　　在Anaconda的虚拟环境中安装OpenCV-Python及其相关组件 　　2. 安装环境 　　　　Windows 7 64位操作系统 　　　　Anaconda: Anaconda3-5.2.0-Windows-x86_64（对应于Python 3.6） 　　　　OpenCV-Python: opencv_python-3.3.1-cp36-cp36m-win_amd64.whl 　　　　（ps：如果想用SIFT,SURF等的，可以直接pip install opencv-contrib-python==3.3.1.11） 　　　　Dlib: dlib-19.7.0-cp36-cp36m-win_amd64

第一次用opencv，正准备开始学，记录一下我的安装过程，希望对您有帮助。 装opencv之前是需要装numpy和scipy的，但是装anaconda的时候这两个库都是默认装好的，所以不用管 一、Anaconda安装 windows中安装十分简单，对照本文之前的博客就可以了。 二、opencv3.4安装 要在Anaconda中安装opencv3.4需要先下载安装包，然后启动Anaconda虚拟环境，利用pip命令即可安装。 opencv3.3下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#opencv 选择相应版本，我根据系统选择64位python3.6的（我的是倒数第三个） 　　 三、打开Anaconda prompt 　　 安装前把上述文件放到Anaconda prompt命令行显示的文件夹下， 输入 pip install opencv_python‑3.3.0‑cp36‑cp36m‑win_amd64.whl 等待安装完成。安装完成后会有 Successfully installed opencv-python-3.4.1 的提示 Successfully !!! 终于成功了； 检查一下： 在cmd里键入:python 然后键入：import cv2 哈哈，如果没报错，那就安装成功喽 ~~ 好的 在python 3

很多朋友为了学习python、ML（机器学习）、DL（深度学习）、opencv等花费了大量时间配置安装环境（一个朋友花了4天时间才配置好）各种搜索、下载、安装配置，出问题等。 市面上的配置资料很多，选择也成为了难题，实际上呢，很多高效的方法提供给了我们，比如一些集成套件等。 本文基于对大量资料的查询、对比和验证，发现利用现有资源，搭建集成开发环境约30分钟（网速够快），具体方法分享出来，方便大家学习，减少时间和人力付出，提升效率。 本文搭建的环境，包括了opencv的人脸检测、识别（opencv_contrib包里面，包含了很多图像识别的算法），大家安装opencv（基础包）请下载包含opencv_contrib包的程序，否则，在图像检测学习时，需要重新安装配置。 有好的安装方法，欢迎分享！ 配置顺序简述 基于64位win7环境 1.win7 2.pycharm pycharm2017.1.3 （点击下载） 3.Anaconda3-4.4.0 https://repo.continuum.io/archive/Anaconda3-4.4.0-Windows-x86_64.exe 4.opencv+contrib包 opencv_python‑3.2.0+contrib‑cp36‑cp36m‑win_amd64.whl 建议用这个，包含contrib（人脸识别、神经网络cnn等

好久没用python了...今天随便pip安装个库突然报错： Exception: ‘’ (most recent call last): File "C:\ProgramData\Anaconda3\lib\site-packages\pip\compat\__init__.py", line 73, in console_to_str return s.decode('utf_8') # return s.decode(sys.__stdout__.encoding) UnicodeDecodeError: 'utf-8' codec can't decode byte 0xc0 in position 121: invalid start byte 网上一查找到解决方法： 导致这一问题的原因是路径出现中文，解决：将出问题的这个文件File "C:\ProgramData\Anaconda3\lib\site-packages\pip\compat\__init__.py"，即__init__.py用Notepad++打开，使用管理员权限即可修改，找到异常的行数line73，修改如下（注释掉的是源代码）： 因Windows系统是GBK编码，所以使用的编码改为gbk。 修改保存，然后安装成功了:) 参考： https://www.cnblogs.com/Owen-ET/p

Evernote Export sublime_python编译_输出台中文为乱码 创建时间： 2019-10-17 星期四 10:52 作者： 苏苏 标签： sublime, 乱码 问题 Sublime python37 输出中文为乱码 表现 分析可能的原因 读取文件的编码与python py文件的编码不一致 sublime编码导致的问题 python设置导致的问题 尝试解决 一、尝试原因1 失败 仍为乱码 将读取的文件编码设置为utf-8 py文件头部有# -*- coding: UTF-8 -*- pandas读取时添加encoding='utf-8' ，使编码一致 二、尝试原因2 排除此项 搜索发现，若是sublime本身编码问题，则py文件中的中文也会乱码，但py文件中中文正常 三、尝试原因3 成功 由于我的sublime中python环境为自定义环境，使用Sublime自带python环境输出台中文正常，因此修改自定义python设置 Tools-Build system-New build system... encoding项添加之后，输出台中文乱码修复 { "cmd": ["D:/ProgramData/Anaconda3/python.exe", "-u", "$file"], "file_regex": "^[ ]*File \"(...*?)\", line

前言：考虑到学妹可能第一次写爬虫，所以我认为要教你一下如何搭建python环境，这里坑很多，不过有人都给你填好了，带你直接过就行。 1. 编程工具的选择 ​ 我们首先需要一个编写代码的软件，这里推荐pycharm(用了都说好...)，下载地址如下： http://www.jetbrains.com/pycharm/download/#section=windows 选择社区版下载安装，安装过程不用教了应该（小声bb）.... 2.Python环境的搭建 ​ 我们一般配python环境都用的Anaconda，它可以很方便的通过几条命令就能搭建python环境，不多说，下载安装，选择3.7版本的，下载地址，<font color=red>这里需要记一下你的安装位置(等会要用到)</font>： https://www.anaconda.com/distribution/#download-section 安装Anaconda有个坑：你按照这个链接提示安装 https://blog.csdn.net/u012318074/article/details/77075209 其实只要注意<font color=red>一定，一定，一定</font>（撕喊ing）在这一步<font color=green> 打√ </font>就行，不打也行，出问题自己解决！！！ 开玩笑滴，能解决就是比较麻烦

目录 ML-Agents（九）Wall Jump 一、前言 二、课程训练（Curriculum Learning） 一个教学示例 具体实现 三、环境与训练参数 四、场景基本构成 五、代码分析 Agent初始化 环境观测值收集 Agent动作反馈 Agent重置 其他 六、训练 训练配置参数 开始训练 七、总结 ML-Agents（九）Wall Jump 一、前言 这次我们来看一下 Wall Jump 示例，这个例子又和我们之前学习的示例不同，它引用了 Curriculum Learning （课程学习）的学习方法，简单来讲就是使用授课学习的方式来训练神经网络，学习的样本从易到难，模拟人类学系的过程。先来看看本示例的最终效果： 由图中可以看到本示例的效果，小蓝需要越过蓝色的墙体到达绿色的目标地点，此外还可以留意到，蓝色的墙体高度是随机变化的：当蓝色的墙体较高时，小蓝推动大白块当梯子才能越过墙体；当蓝色墙体高度较低时，小蓝则可以直接跳跃过去。 因此，在本示例中，小蓝拥有两个训练好的训练模型—— SmallWallJump 和 BigWallJump ，分别对应矮墙（无墙）和高墙情况下的行动。 下面我们先来学习一下官方对于Curriculum Learning的相关文档。 二、课程训练（Curriculum Learning） 这一节内容主要是翻译官方文档 Training with

关于工具，推荐两种： jupyter notebook pycharm jupyter notebook:推荐下载anaconda，好用，有服务器可以架在服务器上，非常舒服 pycharm ：不多说懂得都懂。 这里特别说一下jupyter安装插件Nbextensions（功能强大） pip install jupyter_contrib_nbextensions jupyter contrib nbextension install -- user 之后进入jupyter就能看到Nbextensions选项（没有重启一下） 关于功能： 　　我只开启了上面这些，有需要的可以百度一下，这里很多我也不知道（手动滑稽） 来源： oschina 链接： https://my.oschina.net/u/4399228/blog/4268896

一如GIS深似海，从此相逢是故人 （这句话适合初步接触GIS的，我算是初窥门径。还是道行太浅，只是多了感慨） 前言： 1. 本人GIS专业，对于ArcGIS较为熟悉。由于专业和其它经历需要，接触过不少各种类型的软件如ENVI、Visual Studio 各版本（10、12、15、17）、matlab、CAD、CASS、VC6.0、python、spss、pgAdmin、sql、QGIS Desktop 、Camtasia 9、Spyder (Anaconda3)等软件。无奈的是安装过那么多软件，ArcGIS10.2是我安装过的软件中最难安装的软件之一（它甚至可以独占鳌头）。 2. 接触过那么多软件，但最熟悉的操作软件还是ArcGIS10.2。我把它比作我们专业的“菜刀”、“钢枪”。我身边的老师和学生用的大多为ArcGIS10.2这个版本（和后续软件挂钩、配套如：ArcEngine），所以该分类博文都是基于ArcGIS10.2操作。当然建议使用ESRI公司最新版ArcGIS pro（有钱人用；学生么，用破解版的非常常见） 3. 网上ArcGIS10.2各种破解版本大行其道、鱼目混珠。由于各种需要和经历，网上收集并使用过ArcGIS10.2各种破解版本。无奈的是ArcGIS10.2各种破解版本给我感觉ArcGIS10.2可以出个系列了，使用起来没有太大区别（区别多是带不带中文版）