我电脑已经不能再装Ubuntu了，没地方了，所以我打算用Windows环境下做实验。
Q1：Windows下和Linux下做是不是很大区别？
A1：首先Anaconda和Pycharm官网直接下就好了，英语不太好的（比如我）网上汉化教程好多的，举个例子：2020版本的pycharm支持官方汉化了。Linux和windows环境下，Python好像差不多吧。宋老师建议：还是建议用Linux环境，因为Python有些包可能在Windows环境下不稳定，会出现一些奇奇怪怪的错误。
下面我将开始叨叨这些奇奇怪怪的错误。
Q2：TensorFlow要求numpy是1.19.x版 但是opencv却要求numpy大于等于1.19.3，而老师提供的requirements.txt文件中numpy却是1.20.3版？
A2：这个问题还是要注意滴：如果不搭理这个报错的话是可以绕过这个检测的，但是程序可能会出现兼容性问题，会报奇奇怪怪的错误，所以宋老师和姜老师都不建议绕开这个问题，所以请将requirements.txt文件中numpy的版本换成1.19.5。
Q3：pip install第三方包 Could not fetch URL https://pypi.tuna.tsinghua.edu.cn/simple/pipenv/:？
A3：
首先有人不知道怎么pip安装，直接在终端上（指定版本的话就是：包名==版本号）：
切换源的其中一种方法详见小蓝去年的另一篇：
pip install 更换源的方案一
Q4：愉快的完成了安装结果一run又报错了，呜呜呜，也就是这个错误：
A4：
问题一：Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found。即缺少cudart64_110.dll。 下载地址：cudart64_110.dll下载
下载完之后，解压，将cudart64_110.dll放在文件夹下C:WindowsSystem32 即可解决问题一。
问题二：看报错信息可以看出是GPU的问题。查阅资料后发现是因为GPU的版本与TensorFlow的版本不一致。tensorflow-gpu版本与CUDA版本对应关系
Step1、确定自己要安装的tensorflow-gpu版本；
Step2、根据tensorflow-gpu版本确定要下载的CUDA版本；
Step3、根据要安装的CUDA版本确定需下载的cuDNN版本。
问题一解决以后还报错就要考虑问题二，如果问题一已经解决了，那就可以忽略了。
问题三：cannot import name 'plot_model' from 'keras.utils'
老师给的实验指导书导入包的部分：
将
from keras.utils import plot_model
替换为：
from keras.utils.vis_utils import plot_model
即可解决问题三。
问题四：plot_model(model,to_file='model.png')这句话运行报错的话:
Step 1:首先先检查pydot有没有装好，没有的话如下图：
Step 2: 用msi文件安装graphviz，并把其添加到系统环境变量，Windows版的下载地址：https://graphviz.gitlab.io/download/
即可解决问题四。
问题五：importError: Failed to import pydot. You must install pydot and graphviz for pydotprint to work.如果你报的错误和pydot和graphviz有关，请参照问题四方案即可解决。
问题六：tensorflow/core/platform/cpu_feature_guard.cc:142] This TensorFlow binary is optimized with oneAPI Deep Neural Network Library (oneDNN) to use the following CPU instructions in performance-critical operations: AVX AVX2
忽略掉吧，在开头加上：
import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
说明：
os.environ["TF_CPP_MIN_LOG_LEVEL"] = '1' # 默认，显示所有信息 os.environ["TF_CPP_MIN_LOG_LEVEL"] = '2' # 只显示 warning 和 Error os.environ["TF_CPP_MIN_LOG_LEVEL"] = '3' # 只显示 Error
我看到其他博客说降低TensorFlow的版本，也可以解决这个问题。
附：这里参考来源：解决方案参考
他还提供了一个方式（我没试）：如果需要对CPU进行优化，重新编译tensorflow源码以兼容AVX：https://github.com/lakshayg/tensorflow-build
问题七：缺一堆.dll文件，哎，就挺烦，把缺的一个个下载同问题一，cuda容易缺的.dll文件见下面的百度网盘链接（下载好了）
链接：https://pan.baidu.com/s/1caIoBk_WlJwUO0gl9ZGTDA 提取码：l2f6
cublas64_11.dll cublasLt64_11.dll cusolver64_11.dll cusparse64_11.dll的也已经下载好：
链接：https://pan.baidu.com/s/1JJeu4K1HLTMMVyIWntw0Jw 提取码：xurp
Q5： 报错：Could not open requirements file: [Errno 2] No such file or directory: ‘requirements.txt’（错误如图所示）？
首先先检查该目录下有没有这个文件（我猜你大概率是没有），其次有可能是requirements是没有“.txt”的文件，然而有可能习惯性输入“pip install -r requirements.txt”,就会报这个错误。输入pip的时候把“.txt”去掉。
解决方案：在终端先用命令生成一个嘛，完后再把老师那个里需要的替换进去就好啦。
解释：python项目中必须包含一个 requirements.txt 文件，用于记录所有依赖包及其精确的版本号。以便新环境部署。requirements.txt可以通过pip命令自动生成和安装。生成requirements.txt文件：
pip freeze > requirements.txt
安装requirements.txt依赖：
pip install -r requirements.txt
还有一些其他的问题（他这个是linux下的，我Windows下遇到的问题就比较少啦）：pip install -r requirements.txt遇到的一堆问题即解决办法
