一、Anaconda安装（cuda基础）

1. 系统要求
   •Windows 10+/macOS 11+/Linux（64位系统）
   •至少5GB可用空间
   •网络连接（用于下载安装包和依赖）
2. 下载渠道（推荐镜像站加速）
   1.官网：https://www.anaconda.com/download（需注册，速度较慢）
   2.清华镜像站（推荐）：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
   3.版本选择：Python 3.11版本（2025.12最新版），适配性最好
3. 安装步骤（以Windows为例）
   1.双击安装包，选择Just Me（仅当前用户，避免权限问题）
   2.安装路径：强烈建议安装到非系统盘（如D:\Anaconda3），路径中不要有中文和空格
   3.高级选项：
   ￮勾选Add Anaconda3 to my PATH environment variable（方便命令行调用）
   ￮勾选Register Anaconda3 as my default Python 3.11
   4.等待安装完成（约10分钟）
4. 验证安装
   打开命令提示符（CMD），输入以下命令：
   Bash

conda --version  # 查看conda版本
python --version  # 查看Python版本
conda list       # 查看已安装包

5. 注意指南
   •安装慢：改用清华镜像站下载，或在安装后配置镜像源
   •权限错误：以管理员身份运行安装程序，或选择"Just Me"安装
   •环境变量问题：未勾选PATH时，可手动添加D:\Anaconda3和D:\Anaconda3\Scripts到系统环境变量

二、PyCharm安装（Python IDE首选）

1. PyCharm主要分为两个版本，按需选择即可：社区版（Community）为免费版本，适合学生、个人开发者使用，核心功能涵盖基础Python开发、代码调试、智能代码补全等，完全能满足新手及日常开发需求；专业版（Professional）为付费版本（提供30天免费试用），更适合企业开发者，在社区版基础上新增了Web框架支持、数据库连接、远程开发等高级功能，适配更复杂的开发场景。

推荐：新手选择社区版完全够用！
2. 下载地址
官网：https://www.jetbrains.com/pycharm/download/（自动识别系统）
3. 安装步骤
①.双击安装包，选择安装路径（如D:\PyCharm Community Edition 2025.3）
②.安装选项（全勾选）：
￮Create Desktop Shortcut（创建桌面图标）
￮Update PATH variable（添加到环境变量）
￮Create associations（关联.py文件）
③.等待安装完成，启动后选择Do not import settings
4. 配置Anaconda环境
①.打开PyCharm，进入File → Settings → Project:xxx → Python Interpreter
②.点击齿轮图标，选择Add
③.选择Conda Environment，点击Existing environment
④.浏览到Anaconda安装目录下的python.exe（如D:\Anaconda3\python.exe）
⑤.点击OK完成配置
5. 验证安装
创建新Python项目，编写测试代码：
Python

print("PyCharm安装成功！")
import numpy  # 测试Anaconda库是否可用
print(numpy.__version__)

三、Keras安装（深度学习框架）

1. 环境准备
   •已安装Anaconda/PyCharm
   •Python 3.8-3.11版本
   •（可选）NVIDIA显卡：安装CUDA 12.2和cuDNN 8.9（用于GPU加速）
2. 安装方式（推荐虚拟环境隔离）
   方式1：TensorFlow后端（官方推荐）
   1.创建并激活虚拟环境：
   Bash

conda create -n keras_env python=3.10  # 创建环境
conda activate keras_env             # 激活环境

2.安装TensorFlow和Keras：
Bash

pip install --upgrade pip
pip install tensorflow==2.15  # 稳定版
pip install keras==3.0.5      # 最新版，兼容TensorFlow 2.15

方式2：PyTorch后端（研究常用）
Bash

pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121
pip install keras==3.0.5

3. 验证安装
   在Python交互环境中输入：
   Python

import keras
print(keras.__version__)  # 应输出3.0.5
print(keras.backend.backend())  # 验证后端（tensorflow/pytorch）

简单测试模型

model = keras.Sequential([keras.layers.Dense(1, input_shape=(1,))])
model.compile(optimizer='adam', loss='mse')
print("Keras安装成功！")

4. 注意指南
   •版本不兼容：Keras 3.0+需要TensorFlow 2.15+或PyTorch 2.0+
   •GPU加速问题：确保CUDA版本与TensorFlow/PyTorch版本匹配
   •安装慢：使用国内镜像源：
   Bash

pip install keras -i https://pypi.tuna.tsinghua.edu.cn/simple

四、LabelImg安装（数据标注工具）

1. 功能简介
   LabelImg是一款开源图像标注工具，支持Pascal VOC、YOLO、CreateML等格式，常用于目标检测数据集制作。
2. 三种安装方式（按推荐顺序）
   方式1：pip一键安装（最简单）
   1.激活Anaconda环境：conda activate base
   2.安装命令：
   Bash

pip install labelimg  # Windows/Linux/macOS通用

3.启动工具：命令行输入labelimg即可
方式2：Anaconda环境安装（最稳定）
1.创建专用环境：
Bash

conda create -n labelimg_env python=3.9
conda activate labelimg_env

2.安装依赖：
Bash

conda install pyqt=5 lxml -y  # 安装GUI依赖
pip install labelimg

方式3：源码安装（自定义需求）
1.安装Git和依赖：
Bash

pip install pyqt5 lxml
git clone https://github.com/HumanSignal/labelImg.git  # 或国内镜像gitee地址
cd labelImg
pyrcc5 -o resources.py resources.qrc  # 编译资源文件

2.启动：python labelImg.py
3. 验证安装
1.命令行输入labelimg，工具界面正常显示
2.打开一张图片，尝试绘制矩形框并标注类别
3.保存标注文件，检查格式是否正确（.xml或.txt）
4. 注意指南
•界面无响应：安装对应版本的PyQt5，避免版本冲突
•中文乱码：在labelImg.py中添加编码设置# -- coding: utf-8 --
•标注文件保存失败：确保保存路径有写入权限，路径中不要有中文