一、同样WiFi环境，同样清晰度，为什么手机网速比笔记本电脑要流畅？
 
这可能会给我们产生错觉，难道笔记本电脑端的网速不如手机端吗？
 
其实不是的，网速是相同。之所以会这样，有以下原因：
 
手机端无论从硬件还是APP的设计角度上来说，都会考虑移动网络的情况，这就需要对流量精打细算，图片能压缩就压缩，流量能省就省；而电脑端则没有这方面的顾虑。相比而言，手机端精细，电脑端粗犷；
 
二、笔记本电脑插上网线的网速会比使用WiFi网速要好，如果条件允许，就使用网线。

windows环境下的Anaconda安装与OpenCV机器视觉环境搭建
 
 
本文介绍win7和win10系统下通过Anaconda配置基于python语言的机器视觉编程环境（博主测试了两个系统下的安装基本相同），主要内容包括：
 
Anaconda下载安装
OpenCV下载安装
测试安装结果
本文安装的版本为：Anaconda4.2+Python3.5+OpenCV3.4 
 
如需安装更新版本： Anaconda4.6+Python3.7+OpenCV4.1
 
请参考博文：https://blog.csdn.net/iracer/article/details/90746292
 

1.Anaconda下载与安装 
 
1.1 Anaconda简介
 
官方网址：https://www.anaconda.com/
 
Anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学计算、数据分析包，支持 Linux, Mac, Windows多个系统，并方便的管理python环境。可以为python初学者提供诸多方便，同时也是一些深度学习框架官方建议的python安装库。Anaconda目前已经有5.1版本，其中Anaconda2.5.1对应python2.7版本，Anaconda3.5.1对应的是python3.6。
 
简而言之安装好Anaconda后python就装好了，并且python的常用库也一并安装了。关于如何使用Anaconda管理python环境和安装其他依赖包，可以专门写一篇博客，此处暂不赘述。
 
 
 
 
1.2 Anaconda下载安装
 
（1）下载Anaconda
 
不同版本和平台的Anaconda均可以从官网或国内镜像网站下载，当然国内镜像要快许多。
 
下载地址：
 
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
 
https://www.anaconda.com/download/
 
（2）安装Anaconda
 
下文以windows版本的Anaconda3.4.2为例，介绍其安装过程。下载对应版本后，双击exe文件安装。
 
 
 
 
安装过程中，根据需要选择用户，默认即可。
 
 
设置安装路径，可以自行修改路径至比较好找的位置如d:\dev文件夹，建议路径中文件夹使用英文命名且不要有空格。
 
 
下图面建议两个选项都勾选：
 
① 将Anaconda添加到我的环境变量Path中，选中此项目确保使用Python，IPython、conda和其他程序时可以使用本次安装的python。
 
② 将Anaconda设置为本机的默认的Python3.5。选中此项后，其他编译器默认将Anaconda作为默认的Python3.5环境。后续再安装其他Python的IDE（例如我推荐给大家的Pycharm等）时，这些后装的IDE将自动检测Anaconda并优先选择Anaconda的Python作为其Python解释器（interpreter）。
 
 
点击install安装直至结束。
 
安装完成后，在计算机--属性--环境变量--系统变量--Path中，应该自动添加了如下环境变量：
 
d:\dev\Anaconda3;d:\dev\Anaconda3\Scripts;d:\dev\Anaconda3\Library\bin;
 
（3）查看pytho版本
 
打开开始菜单--程序--Anaconda文件夹，启动Anaconda Prompt或者Spyder查看Python安装版本，如下图所示，为Python 3.5.2，注意在下一步下载opencv时，需要下载对应版本的文件。
 
 
我在win10系统中也做了安装测试，如果在win10系统，同样打开开始菜单，在Anaconda文件夹中运行Anaconda Prompt或者Spyder查看Python安装版本。Anaconda Prompt启动后，输入python回车，即可查看到版本信息如下图所示。
 
 
Spyder启动后在Console栏直接会显示版本信息，如下图所示为Python3.5.2版本。
 
 
如果大家安装的是Anaconda3.4.4版本，对应的版本为python3.6.1。
 
 
 
2.OpenCV下载与安装
 
 
 
2.1 OpenCV简介
 
官方网址：https://opencv.org/
 
 
 
2.2 OpenCV下载
 
Python环境中的OpenCV下载配置有多种方式。
 
第一种方式：独立下载安装python，并分别下载安装各依赖库，再安装OpenCV，此方式可参考我的博文：
 
https://blog.csdn.net/iracer/article/details/51537020
 
第二种方式：通过Anaconda安装python和各依赖库，再使用Anaconda安装OpenCV，此方式可参考博文：
 
https://blog.csdn.net/zstarwalker/article/details/72855781
 
另外Anaconda预装pip easy_install，他有自己的安装包方式：conda，也可以尝试命令行中输入如下命令：
 
conda install -chttps://conda.binstar.org/menpo opencv
 
不过因为网络原因，此方式可能无法获取安装文件。
 
第三种方式：通过Anaconda安装python和各依赖库，再使用pip安装OpenCV（使用.whl文件安装），下文重点介绍这种方式。
 
opencv的下载地址：
 
https://www.lfd.uci.edu/~gohlke/pythonlibs/
 
打开网页选择对应Python版本的.whl文件并下载至硬盘（.whl件是python的包文件，包含了py文件，以及经过编译的pyd文件，用于安装），版本对应关系如下图所示。
 
 
 
 
由于本机是64bit系统，且刚才我们通过Anaconda安装的是Python3.5.2版本，因此，在上面的列表中下载名字中含有cp35和win_amd64的.whl安装文件，下述两个都可以（contrib模块会提供更多的图像处理功能）：
 
opencv_python‑3.4.1+contrib‑cp35‑cp35m‑win_amd64.whl
 
opencv_python‑3.4.1‑cp35‑cp35m‑win_amd64.whl
 
而如果大家安装的是Anaconda3.4.4版本，则对应的Python3.6.1版本，下载名字中含有cp36和win_amd64的.whl安装文件：
 
opencv_python‑3.4.1+contrib‑cp36‑cp36m‑win_amd64.whl
 
opencv_python‑3.4.1‑cp36‑cp36m‑win_amd64.whl
 
 
 
2.3 OpenCV安装
 
使用ctrl+r打开cmd命令行窗口，使用cd命令进入上一步下载好opencv_xxx.whl文件所在目录
 
输入如下代码安装该文件：
 
pip install opencv_python‑3.4.1+contrib‑cp35‑cp35m‑win_amd64.whl
 
等待安装结束，完毕！这一小节有点少:)
 
3.测试安装
 
打开开始菜单--程序--Anaconda文件夹，启动Spyder
 
在代码编辑区输入如下测试代码，点击菜单栏绿色运行按钮“Run file(F5)”
 
 
 
import cv2

img = cv2.imread("F:\images\Lena.jpg", 1)
cv2.imshow("1", img)
cv2.waitKey()
 
 
测试时可能会遇到各种问题，总结一下主要有如下几个：
 
（1）没有import cv2。第一次用Python的同学经常忘记引入需要使用的库，如果要用opencv，就需要引入cv2。
 
（2）输出一堆opencv错误提示，这个就需要根据提示逐个分析。例如经常出现的问题是读图像的路径有问题（路径使用的是反斜杠\，如果图片在当前.py文件的同目录下，可以省略路径），或者大家忘记将图像的后缀名写完整（.jpg，.bmp，.png等）
 
（3）忘记加cv2.waitKey()，这句代码的作用是让显示窗口停留在屏幕上，等待按键，否则窗口弹出后将迅速关闭，看不到显示效果。
 
本文更新链接：https://mp.csdn.net/postedit/80498732
 

新书终于面市啦，《机器学习原理与编程实战》连接原理与实战：
 
https://blog.csdn.net/iracer/article/details/116051674?spm=1001.2014.3001.5501
 
 
 

前言
 关于Java的安装及环境变量等，最为标准和准确的即为官方文档，请各位尽量参考官方文档，本文仅供参考！
 
 
 
Java安装官方文档地址：“https://docs.oracle.com/javase/10/install/installation-jdk-and-jre-microsoft-windows-platforms.htm”，这里列出了安装所需进行的步骤：安装 > 配置环境变量。
 
 Java结构说明官网地址：https://docs.oracle.com/javase/8/docs/
 Java官网下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk8-downloads-2133151.html
 
 
本文以Java8 与 Win10为例，本文只是入门级，在阅读本文之后，希望你可以明白：
 
 
 
1、JDK怎么安装？
 2、JDK、JRE是什么？有什么区别？
 3、环境变量JAVA_HOME、Path、CLASSPATH分别是什么？有什么作用？
 
 
 
1、Java下载与安装
 
下载JDK（选择自己系统对应版本，一般为Win64）
 
直接安装（注意安装位置，尽量别选择系统C盘！）
 
JRE同样选择JDK的同级目录，便于管理和查找
 
后续步骤（请先点击"后续步骤"打开网页后再关闭安装，官方文档才是YYDS！）
 
 
问题回顾
 
转到上述"后续步骤"打开的网页，即"Java Platform Standard Edition 8 Documentation"，查看下方这个结构图，它展示了Java包含的一切内容，你想知道的，在这里都有回答：
 
 
 
问1：Java怎么安装？
 答：下载对应安装包执行安装程序，并且配置环境变量。
 
 
问2：JDK、JRE是什么？有什么区别?
 答：JDK 8 is a superset of JRE 8, and contains everything that is in JRE 8, plus tools such as the compilers and debuggers necessary for developing applets and applications. JRE 8 provides the libraries, the Java Virtual Machine (JVM), and other components to run applets and applications written in the Java programming language.
 哥们英语不太好，不过翻译后就这样理解的：JDK = JRE + 开发工具，JRE = JVM + 库 + 组件。所以开发装的是JDK而非JRE，因为要使用到一些开发调试工具。
 
 
 
2、环境变量的配置
 
官方文档安装步骤中仅说明要配置PATH变量，但是实际开发环境中，为了更方便的管理Java，仍需配置JAVA_HOME变量，为了更方便的使用JDK中包含的工具，可能需要配置CLASSPATH。
 
 
JAVA_HOME变量
 新增该变量，该变量指向的为JDK的安装目录，非JRE的安装目录。
 
 
 
https://docs.oracle.com/javase/9/troubleshoot/environment-variables-and-system-properties.htm
 
 
 
因此，在我们电脑上应该这样配置（路径建议复制，别小手一抖多按了空格）：
 
 
PATH变量
 修改该变量，在原有PATH上添加即可，该变量是为JRE自动设置的，指向的为JDK中包含的JRE。
 
 
 
https://docs.oracle.com/javase/10/install/installation-jdk-and-jre-microsoft-windows-platforms.htm
 
 
 
因此，在我们计算机上应该这么配置：
 
 
CLASSPATH变量（非必须，可省略！）
 由于现在基本不用本地编译Java代码，而且似乎高版本的Java不用配置此变量也可以，所以此步骤不是必须的！变量值为：".;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;"
 
在我们计算机上，应该如此配置：
 
 
问题回顾
 
 
 
问1：JAVA_HOME变量是什么意思？有什么作用？
 答：JAVA_HOME是一个指向JDK安装目录的系统变量；作用有：①、某些IDE通过此变量来使用Java环境，②、可以更方便的使用Java，不必输入全路径，③、当改变JDK安装路径或版本时，只需改变此变量的值，不用改变引用JDK的其他变量，如PATH。
 问2：PATH变量是什么意思？有什么作用？
 答：PATH变量是一个计算机的系统变量，当我们输入命令的时候，计算机会在PATH指向的路径中搜索应用程序，JAVA添加此变量，也只是为了更方便的使用Java环境；比如在配置PATH变量之前，输入"java -version"一定会提示你未找到命令，这是因为计算机在PATH中并未发现你的Java。
 问3：CLASSPATH变量是什么意思？有什么作用？
 答：CLASSPATH变量一共指向了三个地方，一个是"."即当前路径，一个是dt.jar，一个是tools.jar；目的是告诉应用程序（包括JDK工具）在何处查找用户classes。
 
 
3、验证安装
 
使用命令"java"或"java -version"查看是否成功安装和配置环境变量，使用"where java"查看Java安装位置，能识别"java"这个命令就说明PATH和JAVA_HOME已经正确了！
 
 提示：如果环境变量没有配置成功，请仔细检查Java安装路径和三个系统变量的名称和值是否正确！
 
至此，Java的安装配置均已完成！
 

前言
 
在《python环境部署（一） —— pip依赖迁移》中，我介绍了纯粹使用pip安装python模块的情况下如何进行依赖的迁移。没有看过的读者建议先看一看。
 本文，我将继续介绍如何在使用conda的情况下进行环境的迁移。
 
同样不可靠的方法
 
conda与pip一样提供了导出依赖的方法：
 
conda list -e > requirements.txt
 
文件格式如下：
 
<package>=<version>=<build>
 
与pip导出的文件略有不同。
 在待部署机器上，可以使用以下命令安装依赖以恢复依赖环境：
 
conda create --name <env> --file requirements.txt
 
此外，由于conda提供了虚拟环境导出的功能，可以按以下步骤复制一个环境：
 首先，用以下命令导出一个environment.yml文件：
 
conda env export -f environment.yml
 
然后使用以下命令重建虚拟环境：
 
conda env create -f environment.yml
 
与pip相同，以上两种方法也存在一些问题。下面我仔细解释。
 
同样的问题：找不到匹配的包
 
使用requirements.txt安装同样存在找不到包的问题（PackagesNotFoundError）：
 
 造成这个现象，有与pip同样的原因——镜像源的更新，还有一个特殊的情况，那就是上图中无法匹配到的那些包，如果背后是pypi_0的，说明是通过pip安装的，这些包在使用requirements.txt文件安装时是不会得到conda支持的，因为他们是通过pip安装的。换言之，通过conda list导出的requirements.txt文件既包括conda安装的包，也包括pip安装的包，这些通过pip安装的包无法通过conda来安装。这其中原因包括：
 1）命名规则的不同，
 2）开发者数量的不对等（因此有些包conda上确实没有），
 3）编译系统的差异导致版本号不对应，
 4）并不是通过pypi安装的包等。
 这些能够造成确实无法找到适配的包，但是更关键的还是多出了那pypi_0的后缀，这就导致了实际上很多包应该是匹配的，但是却搜索不到，因为找不到pypi_0这个Build名。
 
对待由于镜像源更新造成的找不到包的问题，不重要的包可以做升级，重要的包则需要单独考虑了。
 批量更新conda的包可以使用：
 
conda update --all
 
在我更新conda安装的包并重新导出requirements.txt（先排除非pypi_0结尾的那些包）文件进行安装后，有63个通过pip安装的包无法匹配到：
 
 在VSCode中，用空字符替换“=pypi_0”：
 
 再进行一次安装尝试，则只剩下14个再conda源中确实无法搜索到的包了。
 
 而如果我们使用conda env导出的environment.yml文件，则可以避开这个问题。在这个文件中，分别记录了使用pip安装的包和从conda的源中安装的包：
 
 conda在处理这些pip安装的包时，将会转而采用pip来处理：
 
 所以我给出的建议是，要解决这个问题，就直接不使用conda list导出requirements.txt这个方法，仍然使用pip导出requirements.txt文件，按照《python环境部署（一） —— pip依赖迁移》中所述的方法进行处理。对于conda安装的那一部分，导出environm.yml文件，删除其中pip部分，并使用下面介绍的方法处理。
 
离线部署
 
在《python环境部署（一） —— pip依赖迁移》中已经明确了，实现离线部署才是最终的目的。
 
对于conda，看到一些教程介绍一个简单粗暴的方法，就是一股脑把虚拟环境目录复制下来（在conda主目录的envs目录下），然后拷贝到待部署机器上。这么做有一个非常糟糕的问题，就是prefix绝对目录的问题。在环境目录下用grep搜索一下，就可以发现，有大量文件内嵌了绝对目录，这在部署机器上是无法正常工作的，除非你能做到两台机器完全对等，连用户名都一样，这显然是不现实的。
 
可以用sed命令替换prefix，或者使用conda-pack这个模块：
 
# 安装（测试机器和待部署机器上都需要安装，建议在base环境安装）
conda install -c conda-forge conda-pack
# 测试机器上导出环境【注1】
conda pack -n my_env -o out_name.tar.gz
# 待部署机器上导入环境
mkdir -p my_env
tar -xzvf out_name.tar.gz -C my_env
# 待部署机器上激活环境（这条命令会将my_env/bin添加到path环境变量，之后方可支持conda activate）
source my_env/bin/activate
# 待部署机器上替换prefix
conda-unpack
 
【注1】：此时如遇“Files managed by conda were found to have been deleted/overwritten …”的问题，则应该是在使用过程中误用pip卸载了用conda安装的包，此时首先需要用conda正确卸载这些包，然后再执行打包的操作。
 
跨平台部署
 
对于跨平台部署，同样建议在真实的机器或者虚拟机中测试好以后再按以上离线部署方法去部署。这里介绍一下如何减少其中的工作量。
 environment.yml中dependencies格式如下：
 
- <package>=<version>=<build>
 
其实package和version对于不同平台来说基本都是一样的，区别就在于build。conda根据不同平台构建二进制包时，就会产生有不同的build。据此，如果删除了build这个字段后，就可以匹配绝大多数的包。
 在VSCode中用以下正则表达式匹配这个字段并用空字符替换：
 
 这样一来，就只会有少数包无法正常被搜索到，再进行个别的安装即可。
 
关于其他工具的说明
 
（1）conda create --clone
 conda create --clone命令亦可用于环境复制/迁移，但实测中却发现仍然会在源上搜索包进行安装，也无法限制其不去搜索源（开启–offline亦不生效），我不确定这是不是bug，总之我不用它：
 
conda create --offline --name [dest_venv_name]  --clone [src_venv_name] 
 
（2）搭建本地源
 conda也可以搭建本地源来实现离线部署，但遗憾的是，我在conda 4.5.12上尝试的很多命令都无法生效（例如–offline、–download-only），我在help信息中确认过，语法上并没有问题，使我对其失去了兴趣，没有再折腾下去。所以，就到这里吧。有兴趣的就自己了解下吧。
 https://blog.csdn.net/haveanybody/article/details/84025759
 
（2）conda-bundle
 conda也有一些人编写了类似于pip-bundle的工具，叫做conda-bundle，感兴趣的可以看看。
 https://github.com/minrk/conda-bundle
 
参考文献
 
https://conda.github.io/conda-pack/
 https://blog.csdn.net/haveanybody/article/details/84025759
 https://github.com/minrk/conda-bundle