第3章环境搭建

OpenCV · NumPy · Matplotlib · PyTorch / TensorFlow 安装与配置 · GPU 加速检查

工欲善其事，必先利其器。本章将引导你完成从基础科学计算库到深度学习框架的完整安装，并验证 GPU 加速环境是否就绪。所有操作均基于 Python 3.9+ 与 pip/conda 包管理器。

3.1 基础库安装

使用 pip 一次性安装核心依赖：

pip install numpy matplotlib opencv-python opencv-contrib-python

验证安装：

import numpy as np
import cv2
import matplotlib.pyplot as plt
print(f"NumPy version: {np.__version__}")
print(f"OpenCV version: {cv2.__version__}")

            💡 提示： 推荐使用虚拟环境（venv 或 conda）隔离项目依赖，避免版本冲突。
        

3.2 深度学习框架安装

根据你的硬件与需求选择 PyTorch 或 TensorFlow（可同时安装）。

框架	安装命令 (CPU)	安装命令 (GPU / CUDA 12.x)
PyTorch	`pip install torch torchvision torchaudio`	`pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121`
TensorFlow	`pip install tensorflow`	`pip install tensorflow[and-cuda]`

安装后快速验证框架是否可导入：

# PyTorch
import torch
print(f"PyTorch version: {torch.__version__}")

# TensorFlow
import tensorflow as tf
print(f"TensorFlow version: {tf.__version__}")

3.3 GPU 加速环境检查

确保 CUDA 工具包与深度学习框架的 GPU 后端正常工作。

PyTorch GPU 检查

import torch
print(f"CUDA available: {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU count: {torch.cuda.device_count()}")
    print(f"GPU name: {torch.cuda.get_device_name(0)}")

TensorFlow GPU 检查

import tensorflow as tf
print(f"GPU devices: {tf.config.list_physical_devices('GPU')}")

            ⚠️ 常见问题： 若 GPU 不可用，请检查驱动版本（nvidia-smi）、CUDA 版本匹配以及 cuDNN 安装。Windows 用户注意 Visual Studio 运行时组件。
        

3.4 完整环境验证脚本

将以下代码保存为 check_env.py 并运行，一键输出所有关键信息：

import sys, numpy as np, cv2, matplotlib, torch, tensorflow as tf

print("="*50)
print("实时图像增强 · 环境检查报告")
print("="*50)
print(f"Python       : {sys.version}")
print(f"NumPy        : {np.__version__}")
print(f"OpenCV       : {cv2.__version__}")
print(f"Matplotlib   : {matplotlib.__version__}")
print(f"PyTorch      : {torch.__version__}")
print(f"TensorFlow   : {tf.__version__}")
print(f"CUDA avail   : {torch.cuda.is_available()}")
if torch.cuda.is_available():
    print(f"GPU name     : {torch.cuda.get_device_name(0)}")
print(f"TF GPU list  : {tf.config.list_physical_devices('GPU')}")
print("="*50)

第3章 环境搭建