CentOS7.4,anaconda3,python3.6,tensorflow环境下gdal的编译和问题解决 这是gdal可能会用到的额外的包,按自己需要先提前编译. 这里的话我主要用了proj,Libtiff,Geotiff,Geos,Hdf5这5个包,基本能满足需要 安装步骤 新建一个安装目录: cd /home/Elam mkdir gdalsrc cd gdalsrc 编译额外包: 1.proj yum install gcc-c++ wget http://download.osge

上篇博客中主要说了GDAL库C#版本中存在的问题,其表现形式主要是:"文件名中的汉字个数是偶数,完全没有影响,读取和创建都正常,如果文件名中的汉字个数是奇数,读取和创建都会报错." 针对这个问题,今天仔细研究(查看+折腾)了下C#程序中string类型的默认编码方式.首先通过下面的代码进行检测C#程序中string类型的默认编码方式是什么. static void Main(string[] args) { string s = "我"; // 首先获取默认编码的字

GDAL库对于C#的支持问题还是蛮多的,对于中文路径的支持就是其中之一(另一个就是通过OGR库获取图形的坐标信息). 关于C#支持中文路径,看过我之前博客的应该都不陌生,如果使用的是我修改过的GDAL库,可以通过设置下面的代码即可让C#直接支持中文路径.如果使用官方的库,不用设置直接应该就可以支持中文路径. // 注册所有的驱动 Ogr.RegisterAll(); // 为了支持中文路径,请添加下面这句代码 OSGeo.GDAL.Gdal.SetConfigOption("GDAL_FILEN

目录 安装编译环境 编译PROJ.4 编译GEOS 编译GDAL 编译后程序运行注意事项 因为试用华为云ARM64服务器(CentOS 7 操作系统)的时候,在云服务器上编译GDAL很长时间也没有编译完,所以先交叉编译适合版本的GDAL丢上去做测试. 以下都是在CentOS 7 x86_64 环境下进行的,Linux内核版本3.10. 安装编译环境 1.下载安装编译器 我这里因为他们没有提供编译环境,只能去arm的网站下载了.华为的海思嵌入式平台之前接触过,是需要使用提供他们的编译器的. # 这

GDAL2.0版本的更新日志中提到了对RPC校正的优化,今天测试了一下,发现提升的速度还是蛮快的,测试的数据是一个IRS-P5的数据. 单线程测试 首先使用一个线程进行测试,使用下面的批处理进行运行,将OPENCL禁用,测试结果见图1. echo %time% F:\gdal1112\gdalwarp.exe -rpc -t_srs WGS84 -r cubic -wm 1024 -et 0 -wo USE_OPENCL=FALSE F:\Data\711_214_26sep2006_p5\P5

GDAL的C#版本虽然在很多算法接口没有导出,但是在读写数据中的接口基本上都是完全导出了.使用ReadRaster和WriteRaster方法来进行读写,同时对这两个方法进行了重载,对于常用的数据类型可以不用指定数据类型直接进行读取即可.但是对于复数类型就有点复杂了.下面就针对GDAL如何来读取复数数据来进行一个简单的说明.   我们知道,在使用GDAL读取数据的时候使用的是ReadRaster这个函数,这个函数重载了6个,函数声明分别如下,以Dataset的ReadRaster为例,Band类

之前写过一篇关于再C#中调用GDAL库出现OSGeo.GDAL.GdalPINVOKE"的类型初始值设定项引发异常的解决方案,博客地址见下: http://blog.csdn.net/liminlu0314/article/details/7506101 但是解决完该问题之后,还会出现下面的问题: "安全透明方法"OSGeo.GDAL.Gdal.AllRegister()"尝试通过方法"OSGeo.GDAL.GdalPINVOKE.AllRegister(

GDAL的编译脚本呈现出不同平台不同解决方案的百花齐放现状.我是从windows平台开始编译GDAL的,用的自然是nmake.那就是一种每个目录下都需要写makefile文件的构建方法,写的人麻烦,我因为要定制,也是不甚其烦. 基于前文:premake 在64位Ubuntu系统下编译32位GCC程序的基础,我在Ubuntu上构建了premake脚本,可以编译出debug64, debug32, release64和releae32的gdal动态和静态库.由于我所用的gdal是定制版本的,可能有所

python多版本以及各种包管理 python 包管理 各个版本 python版本管理 由于Python有2.x和3.x两个大的版本,而且每一个工程建立所用的各种包的版本也不尽相同(如flask1.x),这使得若干个工程开发同一台主机上完成比较麻烦(工程不是由一个人来完成,不同人的配置版本也不尽相同,为了所有开发人员能成功开发,就必须使得开发环境的一致,而一个人可能参与若干个工程开发). pyenv 管理 Python 的版本. virtualenv 管理 Python 工程中的包的版本(或者说

GDAL的C#版本读取shp中,如果属性值中含有中文,读出来有可能是乱码的问题,根据SWIG生成的C#代码调试发现问题所在,在Ogr.cs文件中有这么一个函数,代码如下: internal static string Utf8BytesToString(IntPtr pNativeData) { if (pNativeData == IntPtr.Zero) return null; int length = Marshal.PtrToStringAnsi(pNativeData).Length

软件版本说明:我选的Linux系统是Ubuntu16.04,CUDA用的8.0,Ubuntu16.04+CUDA8.0+cuDNN5.1+Python2.7只支持TensorFlow1.3.0以下的版本,所以我的TensorFlow版本选择为1.2.0.如果想使用TensorFlow1.3.0,就需要CUDA8.0+cuDNN5.1了. 软件下载地址:CUDA:https://developer.nvidia.com/cuda-toolkit-archive cuDNN:https://deve

折腾了一天半终于装好了win10下的TensorFlow-GPU版,在这里做个记录. 准备安装包: visual studio 2015: Anaconda3-4.2.0-Windows-x86_64: pycharm-community: CUDA:cuda_8.0.61_win10:下载时选择 exe(local) CUDA补丁:cuda_8.0.61.2_windows: cuDNN:cudnn-8.0-windows10-x64-v6.0;如果你安装的TensorFlow版本和我一样1.

进入 http://www.gisinternals.com/release.php 中下载下图(也可以不是这个版本但是下载的python和gdal一定要版本对应) 1.点击下图中release-1700-x64-gdal-2-1-2-mapserver-7-0-2 2.下载python3.4 https://www.python.org/downloads/release/python-345/ 3.下载gdal和Python的连接器 4.下载gdal2.1.2 5.先把安装python3.4

一.电脑配置及安装版本 Win 7(64位机) Visual Studio 2010 GDAL 1.9.2(我也尝试了最新版GDAL1.11.0,应该同样可以用的,只是在重新配置时又选用了老一点的版本,资料多一些) GEOS 3.3.8 二. GEOS 配置 1) 参考文档: 2)GEOS与GDAL均属于静态库,只需要配置好,就可以在VS2010调用了. 3)特别注意:请将GEOS文件还有GDAL文件放在英文无空格目录下.因为这个原因,我尝试了好多次,先是放在C:\Program Files\G

TensorFlow 今天发布最新版 1.2.0,公布了14大最新功能.新智元带来最新介绍,包括 API 的重要变化.contrib API的变化和Bug 修复及其他改变.附代码链接. 主要的功能和改进 1. Windows上支持Python3.6. 2. 时空域去卷积(spatio temporal deconvolution.)增加了tf.layers.conv3d_transpose层. 3. 增加了tf.Session.make_callable( ),为多次运行一个相同步骤的运行提供了

波段分离一般最常用的还是OpenCV,使用OpenCV的split方法可以直接对波段分离,并且效果不错,但是有一个问题是只能处理有限波段的数据,比如波段超过一定的数目就无法完成波段分离工作,或者数据有损失,所以就需要使用GDAL处理,并且可以实现不同的驱动方式实现图像的处理. OpenCV的波段发分离方式 OpenCV中自带两个方法split方法和merge方法,两个方法可以实现图像的波段分离和波段的合并. #include <iostream> #include <opencv2/op

VirtualPlanetBuilder编译方法 转自:http://www.boyunjian.com/do/article/snapshot.do?uid=7327932418831703800 一.下载安装TortoiseSVN客户端 VirtualPlanetBuilder源代码需要通过TortoiseSVN客户端来获取.TortoiseSVN客户端下载地址 http://tortoisesvn.net.网页提供了完整的客户端安装文件,以及语言包.笔者电脑操作系统为Windows 7(3

继续上篇的pyspark集成后,我们再来看看当今热的不得了的tensorflow是如何继承进pycharm环境的 参考: http://blog.csdn.net/include1224/article/details/53452824 思路其实很简单,说下要点吧 1. python必须要3.5 64位版本(上一篇直接装的是64位版本的Anaconda) 2. 激活3.5版本的python环境,用activate {env name}就行了 3. 在激活的环境中运行pip install --u

由于很久没有接触过Android开发,而且最早用的是eclipse,所以这个demo在android studio上的搭建过程,真的是踩了不少坑.记录这篇文章,纯粹是给自己一点收获. 环境搭建的过程,还是需要一点Android Studio的使用基础的,包括gradle同步.ndk.sdk之类的,另外由于需要在线下载资源,所以准备一个网络畅通的VPN. 一.基础环境 Windows 10系统.Android studio 3.1.2.tensorflow1.10.0.gradle版本为4.4 s

Y7000P电脑环境i7处理器,1060显卡,16g内存,win10家庭版(系统版本号1809),在联想官网升级过bios,所有驱动都是最新.(截止时间点2019年3月1日) python3.5 安装GeForce Experience到官网下载https://www.nvidia.com/zh-cn/geforce/geforce-experience/,experience检测显卡驱动,发现最新版本419.17,点击安装,一定要注意,选择自定义安装,然后有个纯净安装的勾选框.安装完成后需要重

1.pip安装(最好在虚拟环境中安装) →更新pip:pip install --upgrade pip →安装最新版tensorflow(GPU):pip install tensorflow-gpu 安装指定版本tensorflow(GPU):pip install tensorflow-gpu==版本号(例如:pip install tensorflow-gpu==1.2) 可能遇见的问题 ImportError: libcudnn.so.6: cannot open shared obj