本地编译全志R系列的步骤(Ubuntu16.04.4版本) 2018/6/14 9:32 版本:V1.0 0.获取全志R系列的Android源码包: 请通过渠道/代理商/方案公司获取全志R系列的Android源码包. 1.安装ubuntu 已经验证过的系统:ubuntu-16.04.4-desktop-amd64.iso ubuntu的官方下载地址(喜欢中文优化版本的,可以选择麒麟版本): http://releases.ubuntu.com/releases/16.04/ http://cdi

本文转载自:https://blog.csdn.net/buqingbuyuan/article/details/43370199 在安装Ubuntu系统之后,安装编译所需的GCC等工具,一般选用GCC4.4版本的,因为自己在编译时安装的是arm-linuc-gnueabi-4.6.3等,所以在编译时一直报CC1:error等错误,在网上查了很多资料,大多数解释为cc1文件所在文件夹权限不够,后来发现是自己的arm-linux-gcc版本号过高,后来改成了arm-linux-gcc-4.4.3版

兜兜转转,兜兜转转; 一次有一次,这次终于把Faster R-CNN 跑通了. 重要提示1:在开始跑Faster R-CNN之前一定要搞清楚用的是Python2 还是Python3. 不然你会无限次陷入一下错误: from ._caffe import Net, SGDSolver, NesterovSolver, AdaGradSolver, \ImportError: dynamic module does not define module export function (PyInit_

Ubuntu16.04,ros kinetic 其实按照github上的README.md来编译就好 cd ~/catkin_ws/src git clone https://github.com/laboshinl/loam_velodyne.git cd .. catkin_make -DCMAKE_BUILD_TYPE=Release 报错: /loam_velodyne-master/src/lib/LaserMapping.cpp:149:28: error: ‘downSizeFil

日常手贱把ubuntu14.04更新到了16.04,然后就game over了.mdzz,不然泥萌也看不到这篇博客了=.= 然后花了些时间重装了一个16.04版的,原来那个14.04的用可以用,就是动不动内存炸掉,强烈怀疑当初没有好好分区. 我安装的16.04的版本:链接: https://pan.baidu.com/s/1geAfzVH 密码: csvv 里面还有一个uiso9就是用来做启动U盘的,准备一个2G的U盘就好了(次元门) 然后我们要分区,这很重要,我们按win + x (反正win

官方教程:http://caffe.berkeleyvision.org/install_apt.html 主要参考教程: https://github.com/BVLC/caffe/wiki/Ubuntu-16.04-or-15.10-Installation-Guide 其他参考:http://blog.csdn.net/hjimce/article/details/51999566 http://www.52nlp.cn/%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%

Caffe已经是第三次安装配置了,为什么是第三次呢?因为我实在是低估了深度学习对于硬件的要求.第一次我在自己笔记本上配置的单核,CPU only ...  结果是,样例数据跑了4小时,这还怎么玩?第二次在台式机上,因为台式机比较low,I5处理器4核,没有NVIDIA的GPU.我把别人训练好的模型下载下来,然后自己测试,发现真的成功了,心里小激动~ 然而,当我自己训练模型时,我训练7天.....  关键是7天了还在跑..... 心想,我这个穷逼难道要自己掏钱买个服务器?那怎么可能.还好,老师人非

深度学习主机环境配置: Ubuntu16.04 + GeForce GTX 1070 + CUDA8.0 + cuDNN5.1 + TensorFlow 最近在公司做深度学习相关的学习和实验,原来一直在自己的电脑上安装虚拟机跑,速度实在太慢,主机本身性能太弱,独显都没有,物理安装Ubuntu也没多大意义,所以考虑用公司性能最强悍的游戏主机(i7 6700+GTX 1070) 做实验,这台主机平时是用来跑HTC VIVE的,现在归我用了o(*≧▽≦)ツ. 原本以为整个一套安装下来会很顺利,一路火花

转载请注明源出处:http://www.cnblogs.com/lighten/p/6106891.html 最近开始学习大数据相关的知识,最著名的就是开源的hadoop平台了.这里记录一下目前最新版的hadoop在Ubuntu系统下的搭建过程.搭建过程中发现一篇十分清晰全面的搭建文章,本文删减了一些不重要的内容,细化了一些内容.可以点击此处查看:原文. 1.JDK的安装 hadoop是使用Java开发的一个大数据平台,自然少不了Java运行环境的安装了,当然使用hadoop不一定需要java语

注:本文原创,作者:Noah Zhang  (http://www.cnblogs.com/noahzn/) 决定加入深度学习的大军,感谢导师给配了台新设备!第一次接触服务器并配置开发环境,整个过程中遇到不少坑,但是好在最后都成功解决了.不过有点担心的是,Tesla k40c 默认还要一个辅助供电,我目前只插了8pin的供电接口,6pin的供电接口没插,不知道后续计算会不会受影响……心里怕怕的…… 首先报一下硬件配置: 服务器:联想TD350: CPU:Intel® Xeon(R) CPU E5

写在前面:本博客为本人原创,转载请注明出处!同时,本博客严禁任何下载站随意抓取!!! 本博客唯一合法URL: 总体考虑 要去写设备驱动程序,说白了就三大步骤:下载内核源码构建内核源码树(也就是下载你的目的内核并解压就行了).编译内核(这样才能让操作系统感知自己写的驱动程序).写代码(编写内核程序并编译测试).这三步哪一步都很艰难. 我是在自己笔记本上用虚拟机VMware装的ubuntu操作系统,相比于装双系统有一大缺点和一大优点,优点是将编译好的新内核装入操作系统时不用担心系统崩溃,缺点是装虚拟

Ubuntu16.04安装cuda9.0+cudnn7.0 这篇记录拖了好久,估计是去年6月份就已经安装过几遍,然后一方面因为俺比较懒,一方面后面没有经常在自己电脑上跑算法,比较少装cuda和cudnn.但是最近课余时间还行,索性一起整理出来,方便以后查看. 检查自己的计算机是否具备CUDA安装条件 检查GPU是否支持CUDA lspci | grep -i nvidia 显示出NVIDIA GPU版本信息 去CUDA的官网查看自己的GPU版本是否在CUDA的支持列表中(https://deve

Ubuntu16.04安装Redis并配置 2018年05月22日 10:40:35 Hello_刘 阅读数:29146   Ubuntu16.04安装Redis并配置 1):安装: 1:终端命令下载redis-4.0.9.tar.gz包 wget http://download.redis.io/releases/redis-4.0.9.tar.gz包 2:解压 tar xzf redis-4.0.9.tar.gz 3:移动,放到usr/local⽬录下 sudo mv ./redis-4.0

最近开始做行人检测,因此开始接触faster-rcnn,这里贴上配置教程(亲测可行),不过是基于cpu的,蓝瘦... 参考博客:http://www.tuicool.com/articles/nYJrYra(opencv配置) http://blog.csdn.net/sinat_17196995/article/details/53410292(faster-rcnn配置) 环境:ubuntu16.04 一.首先要配置好opencv 这里我是在opencv官网上下载了opencv-3.0.0-

写在前面:本博客为本人原创,严禁任何形式的转载!本博客只允许放在博客园(.cnblogs.com),如果您在其他网站看到这篇博文,请通过下面这个唯一的合法链接转到原文! 本博客全网唯一合法URL:http://www.cnblogs.com/acm-icpcer/p/8029656.html 最近学院里的nfc老师要我们做个设备驱动,之前从没接手过这个东西,加上老师给的材料错误也是一大堆,搞了差不多一个星期才搞出来.特此写一个博客,以免后来人和我一样跳坑. 总体考虑 要去写设备驱动程序,说白了就

博主最近浏览到一个网站PyImageSearch,看到里面的项目还不错,就顺手配置一下环境,试着去跑下里面的模型. 首先,需要配置好需要运行模型的环境,其实主要的步骤分为以下三步: 1. 安装Ubuntu系统的独立依赖包 2. 创建你的python3环境(因为opencv3.3对深度学习支持比较好,需要配置升级到python3版本) 这里给出一个在Ubuntu16.04下python2.7版本升级更新到python3.5版本的教程,可以参考:http://www.cnblogs.com/wmr9

Python3.6+nginx+uwsgi部署Django程序到阿里云Ubuntu16.04系统 这个是写好的Django程序在本地机运行的情况,一个查询接口. 准备工作 1.首先购买一台阿里云的ECS服务器,选择Ubuntu16.04操作系统(我使用的是学生机 10/月) 2.注册一个码云账号,因为github私有项目是收费的,而码云是免费的. 3.准备一个Django项目,在本地机运行没有问题. 本项目代码和数据已上传到github https://github.com/PythonerKK

Ubuntu16.04安装MonoDevelop运行C#代码 在Ubuntu上安装Mono 运行下面代码授权注册repo源并更新软件列表: Add the Mono repository to your system The package repository hosts the packages you need, add it with the following commands. Ubuntu 16.04(本人使用) sudo apt-key adv --keyserver keyse

目前对AR技术的常见理解就是CV(Computer Vision)+CG(Computer Graphic).CV的方法很多,简单些比如FREAK+ICP(ARToolKit中的NFT),复杂些就是SLAM(Magic Leap).CG就没什么好说的,利用CV算法获取到的图形相关信息(比如CG中的模型矩阵.视图矩阵.投影矩阵)进行绘制.从这一点上来说Pokemon GO确实不能算作AR游戏,毕竟人家只是基于LBS的. 从目前来看vision based的AR系统才是主流.但是局限于我个人的见识,

目录 Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法 安装过程 1. 深度学习环境Tensorflow的安装 2. 安装python包 3.  Go to ./data/coco/PythonAPI 4. git clone 5. 下载预训练模型 6. 自己数据集的制作 7. 替换成自己的数据 11. 开始训练 12. 跑demo.py Faster-RCNN-TensorFlow-Python3.5 在Ubuntu16.04下的配置方法