安裝Python3.7.1
此處不再贅述安裝過程，作為記錄
安裝Anaconda3.5.3
Anaconda3-5.3.0-Windows-x86_64.exe
方案1. 可以直接從官網https://www.anaconda.com/distribution/，默認下載最新版本，19年3月27日為python3.7.1版本
方案2. 清華鏡像https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/，速度快很多，找到對應版本即可
具體安裝步驟參考博文：Anaconda的安裝和詳細介紹（帶圖文）
安裝完成之后，在Anaconda里新建一個虛擬環境machinelearn(這里是圖形界面創建環境)
切換倉庫地址
命令窗口里輸入如下代碼，載入清華鏡像以提高加載速度：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
三段代碼分三次輸入並執行。
命令行創建虛擬環境
conda create -n tl_1 python=3.7.1
activate tl_1（激活切換到tl_1）
conda deactivate(退出激活)
安裝Tensorflow 1.13.1
pip安裝
通過pip安裝TensorFlow指定版本命令：
cpu版本:pip install tensorflow==1.13.1(==后面為所要安裝的版本號)
gpu版本類似：pip install tensorflow-gpu==1.2.1
切換到machinelearn文件下
1activate machinelearn #切換到目標虛擬環境
2conda install tensorflow==1.13.1
查看Tensorflow版本及路徑
版本：
python
import tensorflow as tf
tf.__version__
路徑：
tf.__path__
下載tensorflow model1.13
https://codeload.github.com/tensorflow/models/zip/v1.13.0
下載完成后，解壓，重命名為models，拷貝到TensorFlow的安裝路徑下面，即放到：./site-packages/tensorflow文件夾里面
(C:\ProgramData\Anaconda3\envs\machinelearn\Lib\site-packages\tensorflow)
安裝cython
conda install cython
Cython是讓Python腳本支持C語言擴展的編譯器，Cython能夠將Python+C混合編碼的.pyx腳本轉換為C代碼，主要用於優化Python腳本性能或Python調用C函數庫。由於Python固有的性能差的問題，用C擴展Python成為提高Python性能常用方法，Cython算是較為常見的一種擴展方式。
下載cocoapi
下載地址：https://codeload.github.com/cocodataset/cocoapi/zip/master，下載完成后， 解壓。打開cocoapi-master\PythonAPI\setup.py文件，將第12行中的 ['-Wno-cpp', '-Wno-unused-function', '-std=c99'] 改成 ['-std=c99']。
進入到 cocoapi-master/PythonAPI路徑下面
執行命令：python setup.py build_ext --inplace
可能出現異常信息 cocoapi - error: pycocotools/_mask.c: No such file or directory
是因為沒有安裝cython
pip install cython之后即可
命令執行成功后會看到在cocoapi-master/PythonAPI/pycocotools文件夾里面生成了一個_mask.cp36-win_amd64.pyd文件，
最后把整個pycocotools文件夾copy到 \tensorflow\models\research文件夾里面
編譯
在models/research路徑下cmd執行命令：protoc object_detection/protos/*.proto --python_out=.
可能出現錯誤object_detection/protos/*.proto: No such file or directory
將默認的路徑：
protoc object_detection/protos/*.proto --python_out=.
更換protoc的路徑如下：
D:\MachineLearning\protoc-3.4.0-win32\bin\protoc object_detection\protos\*.proto --python_out=.
protoc 下載地址: https://github.com/protocolbuffers/protobuf/releases
如果出現錯誤：ModuleNoFoundError:No module named 'matplotlib'
安裝matplotlib包：conda install matplotlib如果出現錯誤：ModuleNoFoundError:No module named 'absl'
安裝absl包：conda install
absl-py如果出現錯誤：ModuleNoFoundError:No module named 'pillow'
安裝pillow包：conda
install pillow
測試環境是否配置成功：
進入到./tensorflow/models/research路徑，然后執行命令：
python object_detection/builders/model_builder_test.py
如果輸出ok，則環境配置成功
Anaconda常用命令
activate // 切換到base環境
activate learn // 切換到learn環境
conda create -n learn python=3.7.1 //創建一個名為learn的環境並指定python版本為3(的最新版本)
conda env list // 列出conda管理的所有環境
conda list // 列出當前環境的所有包
conda install requests 安裝requests包
conda remove requests 卸載requets包
conda remove -n learn --all // 刪除learn環境及下屬所有包
conda update requests //更新requests包
conda env export > environment.yaml // 導出當前環境的包信息
conda env create -f environment.yaml // 用配置文件創建新的虛擬環境
Windows10 + Anaconda安裝LabelImg1.8.3
下載 https://github.com/tzutalin/labelImg/tree/v1.8.3
解壓之后，cd到D:\MachineLearning\labelImg-1.8.3，激活切換到ml_1: ctivate ml_1
確保安裝了 PyQt5、PyQt5_tools、lxml
1conda install pyqt=5
2conda install PyQt5_tools
3conda install lxml
4
5pyrcc5 -o resources.py resources.qrc
然后將labelImg-1.8.3文件夾下的resources.py復制到文件夾libs里面
然后在運行:python labelImg.py
就能彈出labelImg的界面了