1.4　基础开发环境搭建

本节将简要说明如何快速搭建Python、OpenCV平台，其他常用的库还有NumPy、SciPy、Matplotlib，对于数据科学有更好的工具Anaconda或Miniconda。它们可以用于进行大规模数据处理、预测分析和科学计算，并致力于简化包的管理和部署。

对于TensorFlow、PyTorch、MXNet、Chainer等深度学习框架的安装请参考本书第3章内容。

本书的环境为Ubuntu 16.04，GPU为Titan Xp，安装可参考对应官方网站，不在此赘述。Anaconda可以在国内清华镜像⁽⁷⁾下载，这样速度较快，另外也可以下载Miniconda⁽⁸⁾：

安装参见Anaconda官方网站⁽⁹⁾，简要步骤如下：

（1）“bash Anaconda3-5.2.0-Linux-x86_64.sh或bash Miniconda3-latest-Linux-x86_64.sh”安装程序会弹出“In order to continue the installation process, please review the license agreement.”对话框选Enter查看细节，输入YES同意。

（2）选择安装目录与加入环境变量，一般选Default设置即可。

（3）显示“谢谢安装”对话框，然后执行source~/.bashrc命令。

（4）设置源以改善以后装包速度，参见相关网站⁽¹⁰⁾，这里主要添加以下源：

     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
     conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
     conda config --add channels  https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
     conda config --set show_channel_urls yes

（5）运行conda install numpy测试，如报错请上网查找原因。

到此已经安装好了Python，现在来安装OpenCV，可以直接执行pip install opencv-contrib-python（包含更多功能）命令，安装成功后会显示Successfully installed opencv-contrib-python-3.4.0.14（版本可能不同）类似字段。