Linux(Ubuntu14.04)下安裝Anaconda是爲了安裝Python所需要的各種庫以及他們的環境配置。
Spyder是使用python的IDE
安裝python和pip
一般linux系統都自帶python，所以不需要安裝。如果沒有的，安裝起來也非常方便。安裝完成後，可用version查看版本
# python --version
pip是專門用於安裝python各種依賴庫的，所以我們這裏安裝一下pip1.5.6
先用鏈接下載安裝包 https://pypi.python.org/packages/source/p/pip/pip-1.5.6.tar.gz，然後解壓，裏面有一個setup.py的文件，執行這個文件就可以安裝pip了
# sudo python setup.py install
有些電腦可能會提示 no moudle name setuptools 的錯誤，這是沒有安裝setuptools的原因。那就需要先安裝一下setuptools, 到https://pypi.python.org/packages/source/s/setuptools/setuptools-19.2.tar.gz 下載安裝包setuptools-19.2.tar.gz，然後解壓執行
# sudo python setup.py install
利用anaconda來配置python環境如果你上面兩步已經沒有問題了，那麼這一步可以省略。
如果你想簡單一些，利用anaconda來配置python環境，那麼直接從這一步開始，可以省略上面兩步。
先到https://www.continuum.io/downloads 下載anaconda, 現在的版本有python2.7版本和python3.5版本，下載好對應版本、對應系統的anaconda，它實際上是一個sh腳本文件，大約280M左右。我下載的是linux版的python 2.7版本。
下載成功後，在終端執行（2.7版本）：
# bash Anaconda2-2.4.1-Linux-x86_64.sh 在安裝的過程中，會問你安裝路徑，直接回車默認就可以了。有個地方問你是否將anaconda安裝路徑加入到環境變量（.bashrc)中，這個一定要輸入yes，不然沒有將anaconda加入到環境變量，裝完anaconda之後，輸入conda list 命令系統會報錯：未找到命令。
安裝成功後，會有當前用戶根目錄下生成一個anaconda2的文件夾，裏面就是安裝好的內容。
輸入conda list 就可以查詢，你現在安裝了哪些庫，常用的numpy, scipy名列其中。如果你還有什麼包沒有安裝上，可以運行
conda install *** 來進行安裝，
如果某個包版本不是最新的，運行 conda update *** 就可以了。
編譯python接口
首先，將caffe根目錄下的python文件夾加入到環境變量
打開配置文件bashrc
# sudo vi ~/.bashrc ************************************************************************************* PS:
保存命令 按ESC鍵 跳到<a target=_blank target="_blank" rel="nofollow" href="https://www.baidu.com/s?wd=%E5%91%BD%E4%BB%A4%E6%A8%A1%E5%BC%8F&tn=44039180_cpr&fenlei=mv6quAkxTZn0IZRqIHckPjm4nH00T1dWPAmYmW0dnv7Wry7-nANb0ZwV5Hcvrjm3rH6sPfKWUMw85HfYnjn4nH6sgvPsT6KdThsqpZwYTjCEQLGCpyw9Uz4Bmy-bIi4WUvYETgN-TLwGUv3EPjfkP1D1PWRd" class="baidu-highlight" style="color: rgb(51, 102, 153); text-decoration: none;">命令模式</a>，然後： :w 保存文件但不退出vi :w file 將修改另外保存到file中，不退出vi :w! 強制保存，不推出vi :wq 保存文件並退出vi :wq! 強制保存文件，並退出vi q: 不保存文件，退出vi :q! 不保存文件，強制退出vi :e! 放棄所有修改，從上次保存文件開始再編輯
*************************************************************************************在最後面加入
export PYTHONPATH=/home/leo/caffe/python:$PYTHONPATH注意 /home/leo/caffe/python 是我的路徑，這個地方每個人都不同，需要修改
保存退出，更新配置文件
# sudo ldconfig
然後修改編譯配置文件Makefile.config. 我的配置是：
## Refer to http://caffe.berkeleyvision.org/installation.html # Contributions simplifying and improving our build system are welcome! # cuDNN acceleration switch (uncomment to build with cuDNN). USE_CUDNN := 1 # CPU-only switch (uncomment to build without GPU support). # CPU_ONLY := 1 # uncomment to disable IO dependencies and corresponding data layers # USE_OPENCV := 0 # USE_LEVELDB := 0 # USE_LMDB := 0 # uncomment to allow MDB_NOLOCK when reading LMDB files (only if necessary) # You should not set this flag if you will be reading LMDBs with any # possibility of simultaneous read and write # ALLOW_LMDB_NOLOCK := 1 # Uncomment if you're using OpenCV 3 # OPENCV_VERSION := 3 # To customize your choice of compiler, uncomment and set the following. # N.B. the default for Linux is g++ and the default for OSX is clang++ # CUSTOM_CXX := g++ # CUDA directory contains bin/ and lib/ directories that we need. CUDA_DIR := /usr/local/cuda # On Ubuntu 14.04, if cuda tools are installed via # "sudo apt-get install nvidia-cuda-toolkit" then use this instead: # CUDA_DIR := /usr # CUDA architecture setting: going with all of them. # For CUDA < 6.0, comment the *_50 lines for compatibility. CUDA_ARCH := -gencode arch=compute_20,code=sm_20 \ -gencode arch=compute_20,code=sm_21 \ -gencode arch=compute_30,code=sm_30 \ -gencode arch=compute_35,code=sm_35 \ -gencode arch=compute_50,code=sm_50 \ -gencode arch=compute_50,code=compute_50 # BLAS choice: # atlas for ATLAS (default) # mkl for MKL # open for OpenBlas BLAS := atlas # Custom (MKL/ATLAS/OpenBLAS) include and lib directories. # Leave commented to accept the defaults for your choice of BLAS # (which should work)! # BLAS_INCLUDE := /path/to/your/blas # BLAS_LIB := /path/to/your/blas # Homebrew puts openblas in a directory that is not on the standard search path # BLAS_INCLUDE := $(shell brew --prefix openblas)/include # BLAS_LIB := $(shell brew --prefix openblas)/lib # This is required only if you will compile the matlab interface. # MATLAB directory should contain the mex binary in /bin. # MATLAB_DIR := /usr/local # MATLAB_DIR := /Applications/MATLAB_R2012b.app # NOTE: this is required only if you will compile the python interface. # We need to be able to find Python.h and numpy/arrayobject.h. # PYTHON_INCLUDE := /usr/include/python2.7 \ /usr/lib/python2.7/dist-packages/numpy/core/include # Anaconda Python distribution is quite popular. Include path: # Verify anaconda location, sometimes it's in root. ANACONDA_HOME := $(HOME)/anaconda2 PYTHON_INCLUDE := $(ANACONDA_HOME)/include \ $(ANACONDA_HOME)/include/python2.7 \ $(ANACONDA_HOME)/lib/python2.7/site-packages/numpy/core/include \ # We need to be able to find libpythonX.X.so or .dylib. # PYTHON_LIB := /usr/lib PYTHON_LIB := $(ANACONDA_HOME)/lib # Homebrew installs numpy in a non standard path (keg only) # PYTHON_INCLUDE += $(dir $(shell python -c 'import numpy.core; print(numpy.core.__file__)'))/include # PYTHON_LIB += $(shell brew --prefix numpy)/lib # Uncomment to support layers written in Python (will link against Python libs) WITH_PYTHON_LAYER := 1 # Whatever else you find you need goes here. INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib # If Homebrew is installed at a non standard location (for example your home directory) and you use it for general dependencies # INCLUDE_DIRS += $(shell brew --prefix)/include # LIBRARY_DIRS += $(shell brew --prefix)/lib # Uncomment to use `pkg-config` to specify OpenCV library paths. # (Usually not necessary -- OpenCV libraries are normally installed in one of the above $LIBRARY_DIRS.) # USE_PKG_CONFIG := 1 BUILD_DIR := build DISTRIBUTE_DIR := distribute # Uncomment for debugging. Does not work on OSX due to https://github.com/BVLC/caffe/issues/171 # DEBUG := 1 # The ID of the GPU that 'make runtest' will use to run unit tests. TEST_GPUID := 0 # enable pretty build (comment to see full commands) Q ?= @
修改完編譯配置文件後，最後進行編譯：
# sudo make pycaffe
編譯成功後，不能重複編譯，否則會提示 Nothing to be done for "pycaffe"的錯誤。
防止其它意外的錯誤，最好還編譯一下：
# sudo make test -j8 # sudo make runtest -j8
也許你在編譯runtest的時候，會報這樣的錯誤：
.build_release/test/test_all.testbin: error while loading shared libraries: libhdf5.so.10: cannot open shared object file: No such file or directory
這是因爲 libhdf5.so的版本問題，你可以進入/usr/lib/x86_64-linux-gnu看一下，你的libhdf5.so.x中的那個x是多少，比如我的是libhdf5.so.7
因此可以執行下面幾行代碼解決:
# cd /usr/lib/x86_64-linux-gnu # sudo ln -s libhdf5.so.7 libhdf5.so.10 # sudo ln -s libhdf5_hl.so.7 libhdf5_hl.so.10 # sudo ldconfig
最終查看python接口是否編譯成功：
進入python環境，進行import操作
# python >>> import caffe
如果沒有提示錯誤，則編譯成功。
我出現的問題是ImportError: No module named google.protobuf.internal
解決方法：直接在終端中安裝protobuf，代碼：conda install protobuf （用pip install protobuf安裝會一直半途出錯，無法完成安裝）
在github上https://github.com/spyder-ide/spyder下載軟件包
sudo pip install spyderconda install QtPyconda install Pylint
test code:
from skimage import ioimg=io.imread('d:/dog.jpg')io.imshow(img)
將其中的d:/dog.jpg 改成你的圖片位置
然後點擊上面工具欄裏的綠色三角進行運行，最終顯示
如果右下角“ Ipython console" 能顯示出圖片，說明我們的運行環境安裝成功。
我們可以選擇右上角的 ” variable explorer" 來查看圖片信息，如
我們可以把這個程序保存起來，注意python腳本文件的後綴名爲py.
四、skimage包的子模塊
skimage包的全稱是scikit-image SciKit (toolkit for SciPy) ，它對scipy.ndimage進行了擴展，提供了更多的圖片處理功能。它是由python語言編寫的，由scipy 社區開發和維護。skimage包由許多的子模塊組成，各個子模塊提供不同的功能。主要子模塊列表如下：
| 子模塊名稱 | 主要實現功能 |
| io | 讀取、保存和顯示圖片或視頻 |
| data | 提供一些測試圖片和樣本數據 |
| color | 顏色空間變換 |
| filters | 圖像增強、邊緣檢測、排序濾波器、自動閾值等 |
| draw | 操作於numpy數組上的基本圖形繪製，包括線條、矩形、圓和文本等 |
| transform | 幾何變換或其它變換，如旋轉、拉伸和拉東變換等 |
| morphology | 形態學操作，如開閉運算、骨架提取等 |
| exposure | 圖片強度調整，如亮度調整、直方圖均衡等 |
| feature | 特徵檢測與提取等 |
| measure | 圖像屬性的測量，如相似性或等高線等 |
| segmentation | 圖像分割 |
| restoration | 圖像恢復 |
| util | 通用函數 |
用到一些圖片處理的操作函數時，需要導入對應的子模塊，如果需要導入多個子模塊，則用逗號隔開，如：
from skimage import io,data,color 參考：http://www.cnblogs.com/denny402/p/5088399.html