这篇博文是我在基于Ubuntu学习一些知识的札记,方便日后进行不断回顾,这里进行统一记录,当然当学到新的东西也会陆续更新!!!还请各位博主不要见笑,小弟在此谢过~\(≧▽≦)/~啦啦啦!!!! 1.Ubuntu的简单配置: 由于个人原因,我并不喜欢在桌面上放一些很花哨的东西,追求简约一直是我个人所推崇的.所以,我的Ubuntu系统配置也不例外,先上一张桌面的谍照: 1.1 安装Numix主题: 楼主我安装的是Numix Circle系列的主题,个人觉得还不错.依据个人爱好,主题嘛,看着酸爽就Ok

要安装ruby,首先要安装rvm,借助rvm安装ruby rvm 的全称是 Ruby Version Manager ,是一款由 Wayne E. Seguin  开发的一款命令行工具.rvm 能够让你轻松的安装.管理 ruby 生产力环境,诸如不同版本的解释器和 gem .它实际上就是ruby的版本管理器. 打开终端,输入命令(安装的时候不要心急,耐心等一下) curl -L get.rvm.io | bash -s stable 然后 echo "source ~/.bashrc"

本系列文章由@uid=hpw" style="color:rgb(255,0,0)">超人爱因斯坦出品.转载请注明出处.          文章链接:http://hpw123.net/member/index.php? uid=hpw&action=viewarchives&aid=60          作者:超人爱因斯坦    个人站点:http://www.hpw123.net        邮箱: 424346976@qq.com      

不多说直接上干货! https://www.cnblogs.com/wuxiaofeng/p/6882596.html (ubuntu16.04) https://www.cnblogs.com/helloIT/p/6187346.html(ubuntu14.04)

Ubuntu14.04上Caffe安装指南 安装的准备工作 首先,安装官方版Caffe时.假设要使用Cuda.须要确认自己确实有NVIDIA GPU. 安装Ubuntu时,将/boot 分区分大概200M左右,太小了会导致升级系统时/boot空间不足.交换分区能够分到和机子的内存差点儿相同. /opt 和 /usr/local 文件夹要保证空间能够满足软件安装的需求.暂时文件夹也不能太小.建议10G以上,由于如今的Matlab.MKL软件都非常大,暂时文件夹可能挂载不上去.其余的差点儿相同都能够

环境:ubuntu14.04 jdk-8u161-linux-x64.tar.gz 1.文本模式桌面模式切换 ctrl+alt+F6 切换到文本模式 ctrl + alt +F7 /输入命令startx切换到桌面模式 2.更改Ip地址.主机名 /etc/hostname - 改主机名称 /etc/hosts  -host文件 /etc/network/interfaces - 改IP地址 我们需要添加自己的网络设置,在该文件中添加(需要根据各自网络情况进行修改): auto eth0 iface

总所周知,ASP.NET是微软公司的一项技术,是一个网站服务端开发的一种技术,它可以在通过HTTP请求文档时再在Web服务器上动态创建它们,就是所谓动态网站开发,它依赖运行于 IIS 之中的程序 .但是从成本上面来讲,Linux(开源)系统的花费比Windows Server系列少得多.因此,更多的企业愿意采用Linux作为服务器系统.由于ASP.NET依赖于IIS,导致有部分创业型公司在技术选型上会将ASP.NET筛选掉.我们伟大的程序猿,为了能让ASP.NET运行在Linux系统上,Mono

本文描述了如何在POWER8服务器上搭建一个本地化的Docker镜像仓库,主要涉及镜像制作,Docker Registry服务启动等.希望能够对在非X86服务器上搭建Docker仓库的同学提供参考. 声明:本文仅作为个人学习使用! 第一步,在服务器上启动一个KVM虚拟机(ip: 172.16.13.221),编译Docker生成可执行文件,启动Docker Daemon服务.可参考我的另一篇文档. 第二步,制作Registry镜像 由于Ubuntu环境中暂时还没有docker registry镜

搞深度学习如何能够不与浑身是“核”的显卡打交道呢? 人工智能的兴起除了数据量的大量提升,算法的不断改进,计算能力的逐步提高,还离不开软件基础设施的逐步完善.当下的主流的深度学习工具软件无论是Caffe还是Theano或者是Tensorflow全部都离不开GPU显卡加速技术的支持.当下的基于GPU加速的主流的深度学习环境就是linux下的cuda.作为NVIDIA目前辅科学计算加速的性能优良的产品,Tesla K80当仁不让地成为了理想对象.可是由于linux开源的特性,nouveau成为Ubun

参考网上的很多网站,以这篇为主:http://blog.csdn.net/yhl_leo/article/details/50961542 这篇算是自己对caffe学习的一个总结系列的开头.首先因为caffe的依赖项比较多,配置起来也比较麻烦.这篇算是比较详尽地把caffe的各种相关配置说清楚.转载请注明出处. 推荐ubuntu14.04版本,因为digits的支持比较好.显卡支不支持GPU加速要搞清楚啊,不支持就全用CPU算吧,别浪费时间折腾cuda了. 大家基本要按照官方教程上面来.但是官方

最近在研究学习Open vSwitch,准备在本地Ubuntu14.04机器上安装一下,并基于其创建一些KVM虚拟机,下面就简要记录下在Ubuntu14.04系统上安装Open vSwitch的过程. 1.由于之前安装过KVM,其在本机生成了一个名为virbr0的bridge,这里我们需要事先将其删除,否则可能会与Open vSwitch产生不兼容的问题,命令如下: ◄► virsh net-destroy default Network default destroyed ◄► virsh n

原创作品,转载请注明出处,严禁非法转载             copyright:weishusheng   2015.8.1 时下android系统非常流行,下面就来说一下,下载编译一个android系统的过程.此处仅是我个人开发过程的总结和记录,想获取更详细资料,可参考官方文档.在编译之前一定要找对相关资料,错误的资料会让你做的很痛苦,还有就是android源码下载比较慢,编译也很慢,建议下载和编译在晚上睡觉之前,这样第二天醒来就编译好了,避免了等待的烦躁. 环境: 电脑:Lenovo 3

从netcore1.0正式发布就很激动,想要赶紧学习. 最近博客园的一篇文章给了完整的指导非常感谢,但是在实际实现到发布到阿里云服务器遇到一些问题,记录下来. 首先上基础文章http://www.cnblogs.com/gaobing/p/5663012.html 按照文章里的实现,在发布到阿里云服务器之后直接运行时候报错 经过搜索(http://www.cnblogs.com/Dream618/p/5667203.html)给出方案 这里需要安装:sudo apt-get install li

开始学习hadoop啦!!! 在Ubuntu14.04上新建了一个名为hadoop的用户,但总是遇到各种权限问题,于是就想干脆把这个账户变成root账户. 网上查到说是直接修改/etc/sudoers,修改时提示read-only,修改不了,自然而然想到去修改文件的权限, sudo chown u+w /etc/sudoers,修改好了后发现sudo su要报错. 解决的办法是进入到Ubuntu的recovery mode中的root shell进行修改,遇到了和http://www.cnblo

序 本文针对想学习使用caffe框架的纯新手,如果文中有错误欢迎大家指出. 由于我在搭建这个环境的时候参考了许多网上的教程,但是没有截图,所以文中图片大多来源于网络. 本文没有安装matlab的步骤,因此需要安装并配置matlab的同学请百度matlab安装. 1. 在Win10环境下搭建Ubuntu14.04双系统 操作事先请准备好: 一个空的U盘,最好大于4G. 去Ubuntu官网下载一个Ubuntu14.04的iso镜像文件,注意要64位系统. 下载一些用的到的小工具,如EsayBCD,u

如果内容侵权的话,联系我,我会立马删了的-因为参考的太多了,如果一一联系再等回复,战线太长了--蟹蟹给我贡献技术源泉的作者们- 最近准备从理论和实验两个方面学习深度学习,所以,前面装好了Theano环境,后来知乎上看到这个回答,就调研了一下各个深度学习框架,我没有看源码,调研也不是很深入,仅仅是为了选择深度学习框架做的一个大概了解- 1. 如何选择深度学习框架? 参考资料如下: 1. https://github.com/zer0n/deepframeworks/blob/master/READ

题记:从一开始不知道显卡就是GPU(虽然是学计算机的,但是我真的不知道…脑残如我也是醉了),到搞好所有这些环境前后弄了5天时间,前面的买显卡.装显卡和装双系统见另一篇博客装显卡.双系统,这篇主要记录我怎么配置后面的环境,虽然中间重装Ubuntu三次,后面安装过程也没差别. 基础平台:64-bit,Ubuntu14.04 1.安装NVIDIA驱动(参考技术文章,基本是复制啊,蟹蟹作者~) (1) 在官网下载NVIDIA驱动,根据自己买的型号选择下载,放到 /home/lvxia/ 目录下面,我下载

安装环境:hp-Z440工作站.64位Ubuntu14.04(64位Ubuntu16.04).Cuda8.0.Cudnn5.1.Nvidia GeForce GT 705.Tesla K40c 本文可解决的问题:如何完全清空硬盘数据.Ubuntu系统启动U盘的制作.Ubuntu14.04系统安装.Ubuntu系统无线上网环境配置.NVIDIA驱动的安装.Cuda8.0环境安装与配置.Cudnn 5.1的安装及配置. 经过:由于项目需要,我们需要在Ubuntu系统上搭建tensorflow版的fa

安装环境:Ubuntu14.04.显卡Tesla K40C+GeForce GT 705.tensorflow1.0.0.pycharm5.0 说明:原文见博客园,有问题原文下留言,不定期回复.本文作者吴疆,转载请备注. 本文可解决的问题: 1.tensorflow1.0.0环境搭建 2.Ubuntu14.04安装pycharm5.0 3.Ubuntu14.04上跑通faster rcnn_TF的demo程序 4.Ubuntu14.04上跑通faster rcnn_TF的训练过程 安装步骤如下:

前言: 最近在学习深度学习,最先要解决的当然是开源框架的环境安装了.之前一直在学习谷歌的Tensorflow开源框架,最近实验中需要跟别人的算法比较,下载的别人的代码很多都是Caffe的,所以想着搭建好Caffe环境跑别人的代码.这中间经历过很多弯路,开始是入了Ubuntu16.04的坑,很多教程都说GCC版本不匹配,需要降级,我也尝试过发现很多坑:另外,就是安装matlab版本的Caffe以及安装GPU版本的Caffe,都经历了很多的波折,这前后摸索大概花了半个月左右.最后发现Ubuntu14

天下容器, 唯快不破 Docker Hub 提供众多镜像,你可以从中自由下载数十万计的免费应用镜像, 这些镜像作为 docker 生态圈的基石,是我们使用和学习 docker 不可或缺的资源.为了解决国内用户使用 Docker Hub 时遇到的稳定性及速度问题 DaoCloud 推出永久免费的新一代加速器服务. 原生技术 新一代 Docker 加速器采用自主研发的智能路由及缓存技术,并引入了先进的协议层优化,极大提升拉取镜像的速度和体验.完全兼容 Docker 原生的 --registry-mi