python笔记-手动安装opencv库

文章讲述了在Windows环境下,用户在已添加国内源但仍遇到PyCharm安装OpenCV错误的问题。作者采取了手动安装的方式,包括使用管理员权限的cmd、切换到国内镜像源、下载对应Python版本和系统位数的.whl文件,并提供了解决步骤。

打开windows环境pycharm

已经添加了国内源,在安装库时仍报错

网友的解决方法是,取消pycharm中http处的代理,但我的环境中未设置代理,该方法对我的环境无效。 

系统网络正常,故采用手动安装方式。

使用管理员模式打开cmd,pip在线安装opencv库(网友推荐使用该版本)。

以下是默认源

pip install opencv-contrib-python

以下是指定源

pip3 install opencv-contrib-python -i https://pypi.tuna.tsinghua.edu.cn/simple

然在线下载速度特别慢,难以等待。

浏览器打开一个可行的国内源Simple Indexicon-default.png?t=N6B9http://mirrors.aliyun.com/pypi/simple/

人工找到适合本地环境的版本并下载到指定目录。

注意,此时下载的whl安装包一定要是符合自己Python版本和系统处理器位数的版本(下载的库名中cp39代表python3.9版本,我的电脑是64位的,所以选择win_amd64)。

想知道系统具体可以安装哪些标签的.whl文件,可以在命令提示符窗口输入:pip debug --verbose,兼容的文件标签就会显示。

 cmd进入该目录中,如目录是”C:\Users\Downloads“,执行以下命令

python -m pip install opencv contrib python-4.8.0.74-cp37-abi3-win amd64.whl

这里的whl文件名与下载的whl文件一致,即可看到安装成功。

名字需与下载的whl文件名字完全一致。

安装 Python 所需的常用时,具体方法取决于操作系统、Python 版本以及目标应用场景。以下是一些常见的安装方式及常用的推荐。 ### 安装方法 #### 使用 Anaconda Anaconda 是一个集成了 Python 和大量常用的发行版,适合数据科学、机器学习等领域。可以通过下载 Anaconda 安装包来快速获取 Python 及其常用。对于 Windows 用户,推荐下载 Anaconda2-4.4.0-Windows-x86_64.exe,该版本对应 Python 2.7。如果需要更快的下载速度,可以使用国内镜像,例如清华大学提供的镜像地址:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ [^1]。 #### 使用 pip 安装 若已安装 Python 编译器,可以通过 `pip` 来安装所需的第三方。`pip` 通常位于安装目录下的 `Scripts` 文件夹中,例如 `C:\Python27\Scripts\pip`。使用 `pip` 安装时,需要注意版本兼容性和之间的依赖关系。例如,安装 NumPy 可以通过以下命令: ```bash pip install numpy ``` #### 手动安装 在某些情况下,可能需要手动下载并安装。例如,在 CentOS 7 上安装 Pillow ,可以先下载到本地,然后进入解压后的目录并运行安装命令: ```bash cd python370_package pip3.7 download pillow tar zxvf Pillow-5.3.0.tar.gz cd Pillow-5.3.0 python3.7 setup.py install ``` [^3] #### 使用 setup.py 对于需要自定义安装的项目,可以使用 `setup.py` 文件来管理项目的打包和分发。该文件定义了项目的元数据以及依赖项。可以通过以下命令安装项目: ```bash python setup.py install ``` 或者使用 `pip` 在项目根目录下安装: ```bash pip install . ``` [^4] ### 常用推荐 #### 数据分析与科学计算 - **NumPy**:提供多维数组对象和各种派生数组,用于高效处理大型数学运算。 - **Pandas**:基于 NumPy 构建,提供数据结构和数据分析工具。 - **Matplotlib**:用于绘制图表和可视化数据。 - **SciPy**:用于科学计算和技术计算,包括优化、线性代数、积分等。 #### 网络爬虫 - **Requests**:用于发送 HTTP 请求,简单易用。 - **BeautifulSoup**:解析 HTML 和 XML 文档,提取数据。 - **Scrapy**:一个强大的爬虫框架,适用于大规模的爬虫项目。 - **Selenium**:自动化浏览器操作,适用于动态网页的爬取。 #### Web 开发 - **Flask**:轻量级的 Web 框架,适合小型项目。 - **Django**:全功能的 Web 框架,适合大型项目。 - **Tornado**:异步网络,适用于高并发的应用。 #### 图像处理 - **Pillow**:图像处理,支持多种图像格式和操作。 - **OpenCV**:计算机视觉,提供实时图像处理功能。 #### 数据操作 - **SQLAlchemy**:SQL 工具包和 ORM,用于数据操作。 - **Pymongo**:MongoDB 的官方驱动,用于操作 MongoDB 数据- **Redis-py**:Redis 的 Python 客户端,用于操作 Redis 数据。 #### 其他实用工具 - **Jupyter**:交互式笔记本,支持多种编程语言,适合数据探索和可视化。 - **Scikit-learn**:机器学习,提供各种监督和非监督学习算法。 - **TensorFlow/Keras**:深度学习框架,用于构建和训练神经网络模型。 通过上述方法和,可以根据具体需求选择合适的工具进行安装和使用。
评论 1
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