1. error while loading shared libraries: libgstreamer-0.10.so.0: cannot open shared object file: No such file or directory 解决方案: wget http://ftp.ca.debian.org/debian/pool/main/g/gstreamer0.10/libgstreamer0.10-0_0.10.36-1.5_amd64.deb wget http://ftp.c

目录 深度学习环境搭建:Tensorflow1.4.0+Ubuntu16.04+Python3.5+Cuda8.0+Cudnn6.0 Reference 硬件说明: 软件准备: 1. 安装Ubuntu16.04 2. 安装显卡驱动 3.安装Cuda8.0 4. 安装Cudnn6.0 5. 清华源安装Anaconda 6. 安装tensorflow 7. 验证您的安装 运行一个简短的 TensorFlow 程序 8. 卸载cudnn5.1升级为cudnn6.0 深度学习环境搭建:Tensorflo

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

本来就对Linux不熟悉,经过几天惨痛的教训,参考了不知道多少篇文章,终于把环境装好了,每篇文章或多或少都有一些用,但没有一篇完整的能解决我安装过程碰到的问题,所以决定还是自己写一篇我安装过程的教程,有些参考的文章会给出原地址,比较大众的教程就没有给出了. 本文写于2018年7月27日,注意下时效性,有问题欢迎留言 1. 安装Ubuntu16.04 系统下载地址: http://releases.ubuntu.com/16.04/ 下载64位系统:ubuntu-16.04.4-desktop-a

这篇博文将会展示如何采用一个预训练的深度学习网络(模型)在ImageNet的数据集并把它当作输入图像. 首先说明,运行环境为Ubuntu16.04(或者MacOS),windows暂不支持,已经编译好的OpenCV3.3.0,如何查看以及是否编译OpenCV3.3.0成功,请看博文:http://www.cnblogs.com/wmr95/p/7638985.html OpenCV并不是(也不打算)作为一个工具来训练网络,这里已经有更伟大的框架来完成这件事情.新版OpenCV兼容以下热门网络架构

老实说这篇记录可能拖了有8个月了,早在去年6月份我应该是第一遍安装opencv.当时懒得记录,以为自己什么都能记得住.后来由于电脑各种原因,需要重装opencv,装的时候发现啥都记不住了.然后又得去找教程了,花费很长时间才能找到一篇好的教程.其实也并不是网上的教程不好,而是适合自己的才是最好的,每个人都是根据自己的环境配置的,所以教程才会各种各样.但当时那段时间比较忙,没有心思记录,最近突然想起来,就把之前做过的全部都整理出来,下次再做就不会浪费找教程的时间 下载opencv压缩包 wget h

今天在Ubuntu16.04里面遇到这样的问题: # pkg-config --cflags gtk+-3.0 appindicator3-0.1Package gtk+-3.0 was not found in the pkg-config search path.Perhaps you should add the directory containing `gtk+-3.0.pc'to the PKG_CONFIG_PATH environment variableNo package '

http://blog.csdn.net/cnliwy/article/details/52189349 作为一名合格的android开发人员,怎么能不会编译android源码呢!一定要来一次说编译就编译的旅程,否则你的人生是不完整的!好,那么我们进入正题! 本次编译环境采用Ubuntu16.04LTE,android源码选择android6.0!官方建议采用Ubuntu14版本,主要是我刚开始没在意系统版本,然后就直接下载安装16.04版本了,然后也懒得换了,所以就选择了这个版本....下面我

Ubuntu16 GTX750安装CUDA9.0,Pytorch,Anaconda教程 安装前警告 不要使用Ubuntu18! 不要使用Ubuntu18! 不要使用Ubuntu18! 务必重装成Ubuntu16 安装NVDIA驱动 只用这一个办法,一劳永逸 https://www.linuxidc.com/Linux/2019-02/157171.htm 禁用nouveau驱动 sudo gedit /etc/modprobe.d/blacklist.conf 添加 blacklist nouv

参考 https://www.cnblogs.com/arkenstone/p/6490017.html https://blog.csdn.net/u013180339/article/details/77507936 这里的安装没有用pip或是conda安装,通过pip或者conda安装的opencv只是封装了opencv的Python API,一般情况下也够用.但是如果准备安装完整版本的opencv,这里比较建议将opencv-python卸载,以免之后产生一些不必要的报错. 1.配置环境

一.首先安装NVIDIA显卡驱动 通过NVIDIA-Linux-x86_64-367.44.run文件安装. 1. 添加 PPA. sudo add-apt-repository ppa:graphics-drivers/ppa 2. 刷新并安装新的驱动程序 sudoapt-get update sudoapt-get install nvidia-367 nvidia-settings (如果需要的话,) 卸载: 删除所有的 nvidia 包: apt-get purge nvidia* 二.

VSCode编辑器开发CPP:http://www.cnblogs.com/dotnetcrazy/p/6661921.html 下载QT run文件(安装包),一般都是这两个下载的比较多,我这边使用第一个 贴一下清华大学的镜像地址:https://mirrors.tuna.tsinghua.edu.cn/qt/archive/qt/5.8/5.8.0/ Ftp上传到Linux,基础部分就不说了,这篇文章的前期准备过程写的很好(http://www.cnblogs.com/dunitian/p/

卸载cuda 9.0sudo apt-get --purge remove cudasudo apt autoremoveto remove cuda 9.0 Thensudo apt-get cleanto clear apt-cache 安装8.0sudo dpkg -i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.debsudo apt-get updatesudo apt-get install cuda-8-0

GPU版的Tensorflow无疑是深度学习的一大神器,当然caffe之类的框架也可以用GPU来加速训练. 注意:以下安装默认为python2.7 1. 安装依赖包 $ sudo apt-get install openjdk-8-jdk git python-dev python3-dev python-numpy python3-numpy python-six python3-six build-essential python-pip python3-pip python-virtual

感谢原文作者:https://blog.csdn.net/xiexievv/article/details/47396725 一. 安装 下载protobuf protobuf下载地址:https://codeload.github.com/google/protobuf/zip/v3.4.0 解压后进入目录安装 cd protobuf-2.6.1/ ./configure make make check sudo make install 检查是否安装成功protoc --version 如果

1.需要的包:sudo apt-get install build-essentialsudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-devsudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasp

安装anaconda3 安装opencv3.1.0 安装依赖库 修改Makefile.config 修改Makefile 编译报错,卸载anaconda中的protobuffer: conda uninstall protobuf 重新编译,成功.(具体细节有时间再补充)

转载请注明出处: http://www.cnblogs.com/darkknightzh/p/5797940.html 参考网址: http://www.boost.org/doc/libs/1_61_0/more/getting_started/unix-variants.html http://blog.csdn.net/tedious/article/details/6793544 说明:boost库包含两部分:无需编译的头文件,及单独编译的库.单独编译的库如下: Boost.Chrono

目录 Tensorflow1.5.0+cuda9.0+cudnn7.0+gtx1080+ubuntu16.04 0. 前记 1. 环境说明 2. 安装GTX1080显卡驱动 3. CUDA 9.0安装 4. cuDNN安装 5. Tensorflow-GPU安装 6. Cuda的卸载,cuDNN的卸载 处理之前安装的cuda文件 处理之前安装的cuDNN 7. Reference Tensorflow1.5.0+cuda9.0+cudnn7.0+gtx1080+ubuntu16.04 0. 前记

系统环境: Ubuntu 16.04.2 LTS nginx version: nginx/1.10.3 (Ubuntu) PHP 7.0.22-0ubuntu0.16.04.1 mysql  Ver 14.14 Distrib 5.7.20 一.环境准备: 检测网络环境 ping -c2 baidu.com 更新apt源 sudo apt update 二.安装Nginx 1.安装Nginx sudo apt-get install nginx -y 2.编辑配置nginx文件 sudo vi

本文章使用环境: Ubuntu16.04 Java8 Mysql5.7 Tomcat8.5 Ubuntu 版本16.04, 本文采用SSH远程登录主机 工具:Xshell 默认使用root用户登录 (su root) Java 官网下载压缩包 通过Xshell将压缩包文件传输到自己指定的目录, 我的资源路径[/mnt/install] 解压安装&配置: 解压到指定路径并且重命名 root@vxzones:/mnt/install# tar zxvf [文件名].tar.gz -C /usr/lo