Ubuntu16.04下安装labelImg及conda pip 区别

本文档介绍了在Ubuntu16.04系统下安装图像标注工具LabelImg的详细步骤,包括使用conda和pip安装库的区别。在安装LabelImg时遇到的'libs.resources'模块错误的解决方法是通过pyrcc5命令生成resources.py文件并移动到正确位置。同时,对比了conda和pip这两个包管理器在安装、卸载库时的不同,强调了conda的通用性和环境隔离性,以及pip对于Python包的专注。

Ubuntu16.04下安装labelImg

git clone https://github.com/tzutalin/labelImg.git

安装步骤

sudo apt-get install pyqt5-dev-tools
sudo pip3 install -r requirements/requirements-linux-python3.txt
make qt5py3

针对第二步建议分开用清华源安装速度快

pyqt5==5.10.1
lxml==4.6.2

清华源

https://pypi.tuna.tsinghua.edu.cn/simple

LabelImg的安装运行出现No module named 'libs.resources’错误

问题描述:win7下安装anaconda后运行 python labelImg.py出现No module named 'libs.resources’错误

解决方法:

1.运行pyrcc5 -o resources.py resources.qrc

2.将生成的resources.py拷贝到同级的libs目录下

OK 通过上述两步可以解决该问题,运行成功。

conda 与 pip 区别

conda

首先,conda是一个通用的包管理器,意思是什么语言的包都可以用其进行管理,自然也就包括Python了。在安装Anaconda或者Miniconda时,会对conda进行一同安装。其中Anaconda作为Python的发行版,相当于在Python的基础上自带了常用第三方库,而Miniconda则相当于是一个conda环境的安装程序,只包含了conda及其依赖项,这样就可以减少一些不需要的第三方库的安装,所以Miniconda所占用的空间很小。

pip

Pip同conda一样,也是一个包管理器,并且是Python官方认可的包管理器。其中pip的含义是Pip Installs Packages。最常用于安装在Python包索引(PyPI, Python Package Index https://pypi.python.org/pypi)上发布的包。因此,在通过conda list命令查看当前环境下已安装的包时,通过pip的源是pypi。

在这里插入图片描述

conda和pip安装库的区别

在Anaconda中,无论在哪个环境下,只要通过conda install xxx的方式安装的库都会放在Anaconda的pkgs目录下,如:E:\python\anaconda\pkgs\numpy-1.18.1-py36h48dd78f_1。这样的好处就是,当在某个环境下已经下载好了某个库,再在另一个环境中还需要这个库时,就可以直接从pkgs目录下将该库复制至新环境(将这个库的Lib\site-packages中的文件复制到当前新环境下Lib中的第三方库中,也即Lib\site-packages中,这个过程相当于通过pip install xxx进行了安装)而不用重复下载。

conda和pip卸载库的区别

pip是在特定的环境中进行库的安装,所以卸载库也是一样的道理,通过pip uninstall xxx就可以将该环境下Lib\site-packages中对应的库进行卸载了。

如果通过conda uninstall xxx删除当前环境下某个库时,删除的只是当前环境下site-packages目录中该库的内容,它的效果和通过pip uninstall xxx是一样的。如果再到另一个环境中通过conda install xxx下载这个库,则还是通过将pkgs目录下的库复制到当前环境。若要清空这个pkgs下的已下载库,可以通过命令conda clean -h进行实现。

其他关于conda和pip的一些区别可以参考Understanding Conda and Pip

KPConv 是一种用于点云处理的卷积神经网络架构,其官方实现通常托管在 GitHub 上。为了在 Ubuntu 16.04 系统上安装 KPConv,需完成代码克隆、环境配置、编译与测试等步骤。 ### 安装步骤 #### 1. 获取源码 首先从 GitHub 克隆 KPConv 的官方仓库到本地: ```bash git clone https://github.com/HuguesTHOMAS/KPConv.git cd KPConv ``` #### 2. 创建并激活 Conda 环境 基于引用内容中的命令可创建一个适用于 Python 3 的 conda 环境,并安装相关依赖包: ```bash conda create -n kpconv_env python=3 conda activate kpconv_env conda install tensorflow-gpu=1.12.0 conda install scikit-learn matplotlib mayavi psutil pip install PyQt5 ``` 确保系统已安装 CUDA 驱动支持(若使用 GPU),否则切换为 CPU 版本的 TensorFlow[^1]。 #### 3. 编译自定义操作 KPConv 包含需要编译的 C++ 和 CUDA 源码文件。运行以下命令以编译 `ply` 文件读写模块和自定义卷积操作: ```bash cd KPConv/utils/nearest_neighbors python setup.py build_ext --inplace cd ../ply/ python setup.py build_ext --inplace ``` 上述步骤将使用 `cython` 和 `pybind11` 编译底层代码,生成可用于 Python 调用的 `.so` 文件。 #### 4. 测试安装 返回项目根目录并运行示例脚本验证是否安装成功: ```bash cd ../.. python test_KPConv.py ``` 如果测试脚本无报错并输出预期结果,则表明 KPConv 已正确安装并可用。 ### 注意事项 - **Ubuntu 16.04** 的软件源可能包含较旧版本的库,建议使用 `conda` 安装大部分依赖以避免冲突。 - 若使用 GPU,需确认安装了合适的 NVIDIA 显卡驱动和 CUDA 工具包,例如 CUDA 9.0 或更高版本。 - 如果出现编译错误,请检查 `CMakeLists.txt` 和 `setup.py` 文件中路径和编译器设置是否正确。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值