关于python、pycharm、anaconda的安装出错问题

新手入坑机器学习,最近看了一篇多标签图像分类模型的文章,想在电脑上跑一下别人的代码,可是发现好多问题,之前也装过几次环境,换了后电脑一直就直接安装了python3.6和pycharm,好多库都没有安装,本来以为在pycharm安装库就可以,可惜网络不行,在pycharm中安装好慢,库安装完了,又有各种问题,配置个环境搞了一两天,避免以后出现相关问题,做个总结。

多标签图像分类模型原文:(包括电影分类)https://blog.csdn.net/Metal1/article/details/90286812

然后看到了有个服装识别挑战赛:(包括服装和数字识别)https://www.analyticsvidhya.com/blog/2019/01/build-image-classification-model-10-minutes/?utm_source=blog&utm_medium=multi-label-image-classification

翻译版本:https://vimsky.com/article/4134.html


跑服装识别挑战赛代码发现的问题

1、下载数据很慢,笔记本下了几个小时都不行,第二天直接在台式机下载,很快就完了。

问题1、第一个要注意的是pip前面没有**!**的,作为菜鸟中的菜鸟太久没有配过环境真的容易犯错。
服装识别是用到谷歌云盘的,国内的网址登录不了,只好放弃用云盘,这个代码走不了,只能试试电影分类那个项目了。
把服装识别项目改,因为电影分类项目的数据集好像是出错了。
关于python、pycharm、anaconda的安装出错问题


问题2、安装pip install keras 一直提示要更新 python -m pip install --upgrade pip
之前也遇到过这个问题,印象中是改运行时间的可以的,这次的做法的做法参考:https://blog.csdn.net/weixin_39860046/article/details/83184782

1、使用 python -m pip install --upgrade pip 失败
2、使用 python -m pip install -U --force-reinstall pip 成功


问题3、FutureWarning: Conversion of the second argument of issubdtype from float
这个是关于导入TensorFlow,numpy版本不匹配、h5py的一些坑
要对h5py进行更新升级
参考:https://blog.csdn.net/qq_41185868/article/details/80276847
关于python、pycharm、anaconda的安装出错问题
版本问题,我是直接在官网下载https://pypi.org/project/h5py/#files
然后cmd: pip install h5py==2.10
无论在pycharm还是jupyter中都出现Using TensorFlow backend.

关于python、pycharm、anaconda的安装出错问题


问题4、安装了Anaconda3-5.2.0-Windows-x86_64.exe
一开始anaconda navigator一直闪退,直接卸载然后重装。

参考:
https://blog.csdn.net/qq_36015370/article/details/79484455?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task

注意把环境变量勾上。
如果没有勾上要自己配环境变量然后重启电脑。

现在电脑的配置:
关于python、pycharm、anaconda的安装出错问题

也不知到为什么我的Anaconda没有版本信息的


问题5:现在的问题是一直出现Using TensorFlow backend.
我在这里 就是因为这个问题崩溃了一天一夜!!
运行jupyter用管理员模式运行
关于python、pycharm、anaconda的安装出错问题
关于python、pycharm、anaconda的安装出错问题

也不知到是什么原因,一直提示ModuleNotFoundError: No module named ‘tensorflow’

请大神们帮忙解答一下


以上纯作为今天的总结,好像也没有多少问题,还是有好多东西要学的,加油!





更新:已经解决了一直出现:Using TensorFlow backend 问题

直接更新TensorFlow ,方法查询
https://blog.csdn.net/weixin_43288986/article/details/104722956

好了,可以下一步了。