Linux(Ubuntu14.04)下安裝Anaconda是為了安裝python所需要的各種庫以及他們的環境配置。

Spyder是使用python的IDE

安裝python和pip

一般linux系統都自帶python，所以不需要安裝。如果沒有的，安裝起來也非常方便。安裝完成后，可用version查看版本

# python --version

pip是專門用于安裝python各種依賴庫的，所以我們這里安裝一下pip1.5.6

先用鏈接下載安裝包?https://pypi.python.org/packages/source/p/pip/pip-1.5.6.tar.gz，然后解壓，里面有一個setup.py的文件，執行這個文件就可以安裝pip了

# sudo python setup.py install

有些電腦可能會提示 no moudle name setuptools 的錯誤，這是沒有安裝setuptools的原因。那就需要先安裝一下setuptools, 到https://pypi.python.org/packages/source/s/setuptools/setuptools-19.2.tar.gz?下載安裝包setuptools-19.2.tar.gz，然后解壓執行

# sudo python setup.py install 利用anaconda來配置python環境

如果你上面兩步已經沒有問題了，那么這一步可以省略。

如果你想簡單一些，利用anaconda來配置python環境，那么直接從這一步開始，可以省略上面兩步。

先到https://www.continuum.io/downloads?下載anaconda, 現在的版本有python2.7版本和python3.5版本，下載好對應版本、對應系統的anaconda，它實際上是一個sh腳本文件，大約280M左右。我下載的是linux版的python 2.7版本。

下載成功后，在終端執行（2.7版本）：

# bash Anaconda2-2.4.1-Linux-x86_64.sh??

在安裝的過程中，會問你安裝路徑，直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環境變量（.bashrc)中，這個一定要輸入no!!!!!!否則你的py-faster-rcnn就不能正常導入caffe了。若是不小心用了yes，則需要在最后使用sudo gedit ~/.bashrc 然后把最后一行的Anaconda路徑去掉，source ~/.bashrc就搞定啦！

安裝成功后，會有當前用戶根目錄下生成一個anaconda2的文件夾，里面就是安裝好的內容。

輸入conda list 就可以查詢，你現在安裝了哪些庫，常用的numpy, scipy名列其中。如果你還有什么包沒有安裝上，可以運行

conda install *** ?來進行安裝，

如果某個包版本不是最新的，運行 conda update *** 就可以了。

?

編譯python接口

首先，將caffe根目錄下的python文件夾加入到環境變量

打開配置文件bashrc

# sudo vi ~/.bashrc ************************************************************************************* PS: 保存命令按ESC鍵 跳到命令模式，然后：:w 保存文件但不退出vi :w file 將修改另外保存到file中，不退出vi :w! 強制保存，不推出vi :wq 保存文件并退出vi :wq! 強制保存文件，并退出vi q: 不保存文件，退出vi :q! 不保存文件，強制退出vi :e! 放棄所有修改，從上次保存文件開始再編輯*************************************************************************************

在最后面加入

export PYTHONPATH=/home/leo/caffe/python:$PYTHONPATH

注意?/home/leo/caffe/python 是我的路徑，這個地方每個人都不同，需要修改

保存退出，更新配置文件

# sudo ldconfig

然后修改編譯配置文件Makefile.config. 我的配置是：

## Refer to http://caffe.berkeleyvision.org/installation.html # Contributions simplifying and improving our build system are welcome!# cuDNN acceleration switch (uncomment to build with cuDNN). USE_CUDNN := 1# CPU-only switch (uncomment to build without GPU support). # CPU_ONLY := 1# uncomment to disable IO dependencies and corresponding data layers # USE_OPENCV := 0 # USE_LEVELDB := 0 # USE_LMDB := 0# uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary) # You should not set this flag if you will be reading LMDBs with any # possibility of simultaneous read and write # ALLOW_LMDB_NOLOCK := 1# Uncomment if you're using OpenCV 3 # OPENCV_VERSION := 3# To customize your choice of compiler, uncomment and set the following. # N.B. the default for Linux is g++ and the default for OSX is clang++ # CUSTOM_CXX := g++# CUDA directory contains bin/ and lib/ directories that we need. CUDA_DIR := /usr/local/cuda # On Ubuntu 14.04, if cuda tools are installed via # "sudo apt-get install nvidia-cuda-toolkit" then use this instead: # CUDA_DIR := /usr# CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment the *_50 lines for compatibility. CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \-gencode arch=compute_20,code=sm_21 \-gencode arch=compute_30,code=sm_30 \-gencode arch=compute_35,code=sm_35 \-gencode arch=compute_50,code=sm_50 \-gencode arch=compute_50,code=compute_50# BLAS choice: # atlas for ATLAS (default) # mkl for MKL # open for OpenBlas BLAS := atlas # Custom (MKL/ATLAS/OpenBLAS) include and lib directories. # Leave commented to accept the defaults for your choice of BLAS # (which should work)! # BLAS_INCLUDE := /path/to/your/blas # BLAS_LIB := /path/to/your/blas# Homebrew puts openblas in a directory that is not on the standard search path # BLAS_INCLUDE := $(shell brew --prefix openblas)/include # BLAS_LIB := $(shell brew --prefix openblas)/lib# This is required only if you will compile the matlab interface. # MATLAB directory should contain the mex binary in /bin. # MATLAB_DIR := /usr/local # MATLAB_DIR := /Applications/MATLAB_R2012b.app# NOTE: this is required only if you will compile the python interface. # We need to be able to find Python.h and numpy/arrayobject.h. # PYTHON_INCLUDE := /usr/include/python2.7 \/usr/lib/python2.7/dist-packages/numpy/core/include # Anaconda Python distribution is quite popular. Include path: # Verify anaconda location, sometimes it's in root. ANACONDA_HOME := $(HOME)/anaconda2 PYTHON_INCLUDE := $(ANACONDA_HOME)/include \$(ANACONDA_HOME)/include/python2.7 \$(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \# We need to be able to find libpythonX.X.so or .dylib. # PYTHON_LIB := /usr/lib PYTHON_LIB := $(ANACONDA_HOME)/lib# Homebrew installs numpy in a non standard path (keg only) # PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include # PYTHON_LIB += $(shell brew --prefix numpy)/lib# Uncomment to support layers written in Python (will link against Python libs) WITH_PYTHON_LAYER := 1# Whatever else you find you need goes here. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib# If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies # INCLUDE_DIRS += $(shell brew --prefix)/include # LIBRARY_DIRS += $(shell brew --prefix)/lib# Uncomment to use `pkg-config` to specify OpenCV library paths. # (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.) # USE_PKG_CONFIG := 1 BUILD_DIR := build DISTRIBUTE_DIR := distribute# Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171 # DEBUG := 1# The ID of the GPU that 'make runtest' will use to run unit tests. TEST_GPUID := 0# enable pretty build (comment to see full commands) Q ?= @

修改完編譯配置文件后，最后進行編譯：

# sudo make pycaffe

編譯成功后，不能重復編譯，否則會提示 Nothing to be done for "pycaffe"的錯誤。

防止其它意外的錯誤，最好還編譯一下：

# sudo make test -j8 # sudo make runtest -j8

也許你在編譯runtest的時候，會報這樣的錯誤：

.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory

這是因為?libhdf5.so的版本問題，你可以進入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那個x是多少，比如我的是libhdf5.so.7

?因此可以執行下面幾行代碼解決:

# cd /usr/lib/x86_64-linux-gnu # sudo ln -s libhdf5.so.7 libhdf5.so.10 # sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10 # sudo ldconfig

最終查看python接口是否編譯成功：

進入python環境，進行import操作

# python >>> import caffe

如果沒有提示錯誤，則編譯成功。

我出現的問題是ImportError: No module named google.protobuf.internal

解決方法：直接在終端中安裝protobuf，代碼：pip install protobuf

配置環境和安裝spyder：

在github上https://github.com/spyder-ide/spyder下載軟件包

?

sudo pip install spyderconda install QtPyconda install Pylint

?

test code:

from skimage import ioimg=io.imread('d:/dog.jpg')io.imshow(img)

將其中的d:/dog.jpg 改成你的圖片位置

然后點擊上面工具欄里的綠色三角進行運行，最終顯示

如果右下角“ Ipython console" 能顯示出圖片，說明我們的運行環境安裝成功。

我們可以選擇右上角的 ” variable explorer" 來查看圖片信息，如

我們可以把這個程序保存起來，注意python腳本文件的后綴名為py.

四、skimage包的子模塊

skimage包的全稱是scikit-image?SciKit (toolkit for?SciPy) ，它對scipy.ndimage進行了擴展，提供了更多的圖片處理功能。它是由python語言編寫的，由scipy 社區開發和維護。skimage包由許多的子模塊組成，各個子模塊提供不同的功能。主要子模塊列表如下：

子模塊名稱	主要實現功能
io	讀取、保存和顯示圖片或視頻
data	提供一些測試圖片和樣本數據
color	顏色空間變換
filters	圖像增強、邊緣檢測、排序濾波器、自動閾值等
draw	操作于numpy數組上的基本圖形繪制，包括線條、矩形、圓和文本等
transform	幾何變換或其它變換，如旋轉、拉伸和拉東變換等
morphology	形態學操作，如開閉運算、骨架提取等
exposure	圖片強度調整，如亮度調整、直方圖均衡等
feature	特征檢測與提取等
measure	圖像屬性的測量，如相似性或等高線等
segmentation	圖像分割
restoration	圖像恢復
util	通用函數

用到一些圖片處理的操作函數時，需要導入對應的子模塊，如果需要導入多個子模塊，則用逗號隔開，如：

from skimage import io,data,color參考：http://www.cnblogs.com/denny402/p/5088399.html

總結

以上是生活随笔為你收集整理的Linux(Ubuntu14.04)下安装Anaconda和Spyder的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。