引言

随着人工智能的热度不断增加，很多人看到了机器学习的许多优势之处。这个系列将从下载pycharm编译器，搭建pytorch环境，利用opencv配合初步的实现一个利用神经网络进行识别车牌的项目。

正文

话不多说，第一章首先来把我们要用的编译器以及包下载好，下面的链接是pycharm编译器的安装包。各位按教程下载即可。

链接：https://pan.baidu.com/s/1NOFFc1WNwxfbt8Gflh9Tkg
提取码：pnsm

项目整体思路

在下载编译器的过程中，我们可以来了解一下本次项目的主体思路以及框架。
由于神经网络的训练需要花费相当的算力和时间，我们通过opencv进行图像处理，简单地识别出车牌，并将其图像压缩，从而减少神经网络的识别负担。我们通过字符分割的图像算法自行搭建数据集并用于CNN网络的训练。最后实现对车牌上的字符进行识别。并输出结果。
整个项目使用的是pytorch，不同于tensorflow，pytorch的入门相对简单，使用起来也比较方便。

python以及pytorch版本

在安装完pycharm后，我们需要安装python以及pytorch，本项目使用的python版本为3.6，pytorch版本为1.6+cuda10.1

安装教程

https://www.python.org/downloads/release/python-368/
可在python的官网中找到

按要求下载并安装即可

安装时记得勾上这个，自动添加环境变量。
安装完python之后安装pytorch
首先进入pytorch的官网
https://pytorch.org/get-started/locally/

选好对应版本之后将红色框中的命令复制粘贴在PowerShell中运行即可。

下载完之后我们进入pycharm打开file目录下的setting，并完成python版本的设置，步骤如下图

设置完之后，按照下图步骤下载需要的python包
依次是Pillow，numpy，opencv-python，torchvision


安装完所需要的包后，我们便可以开始创建工程，进行代码的编写了。

总结

本小节我们下载的python以及所需要的编译器pycharm以及一些包括pytorch在内的包。后面我们将逐步介绍这些包的利用，以及功能的实现。