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

1.安装openni2 参考:https://blog.csdn.net/D206_hero/article/details/78985859?utm_source=blogxgwz3  sudo apt-add-repository ppa:deb-rob/ros-trusty && sudo apt-get update sudo apt-get install libopenni2-dev 2.安装libfreenect2 参考:http://www.cnblogs.com/hitc

不多说,直接上干货! Ubuntu版本都默认不允许使用root登录,必须要改配置文件. 第一步: 首先设置root密码,利用现有管理员帐户登陆Ubuntu,在终端执行命令:sudo passwd root,接着输入密码和root密码,重复密码.这样就有了可用的root用户. 第二步: 默认情况是不允许用root帐号直接登录图形界面的.这可以通过修改 vim/usr/share/lightdm/lightdm.d/50-ubuntu.conf 文件来允许root直接登录,增加 greeter-sh

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

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_

记录一下 Ubuntu16.04下写的Qt程序,调试时没问题,运行时偶现崩溃 需要在运行时生成core dump文件 首先在pro结尾里加入 QMAKE_CC += -g QMAKE_CXX += -g QMAKE_LINK += -g 在终端输入 ulimit -c 显示为 0 然后输入 ulimit -c unlimited 继续在终端运行编写的程序 出错后,会在当前目录生成 core 文件 然后在终端执行 “gdb 你的程序名 core” 然后输入 bt 对该错误进行跟踪调试 (gdb)

ubuntu16.04默认安装了python2.7和python3.5 .本教程使用python3.5 第一步:将ubuntu16.04默认的python2修改成默认使用python3 . sudo update-alternatives --install /usr/bin/python python /usr/bin/python2 100 sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 1

个人博客链接:Ubuntu16.04 中 Vscode 如何断点调试C语言程序 问题:环境是 Ubuntu16.04,如何使用 Vscode 断点调试C语言程序. 写代码没有调试环境是不能忍受的,所以折腾了一下,最后成功了.折腾的过程是这样的: 首先安装 C/C++ 扩展,直接搜索第一个就是,或者点此 链接 查看其帮助文档进行安装. 然后打开当前目录,左边点调试选项,点击添加配置,生成了一个launch.json文件,其内容如下: { // Use IntelliSense to learn a

使用过程中,为了方便使用,有一些程序需要开机时自启动应用,下面将介绍一下ubuntu16.04下程序的开机自启动设置方法. 1  建立一个可执行程序的运行脚本如 keepalive.sh.内部写入要执行的程序等逻辑脚本, 内容如: #!/bin/bash# -*- coding: utf-8 -*-cmd=$(pgrep -c recogFaceC) export ACE_ROOT=/home/ubuntu/system-setup/wwei/ACE_wrappersexport THID_ON

在微信小程序 里实现跑马灯效果,类似滚动字幕或者滚动广告之类的,使用简单的CSS样式控制,没用到JS wxml: <!-- 复制的跑马灯效果 --> <view class="marquee_container" style="--marqueeWidth--:-12em">   <view class="bulletin_box_img2">     <image src="../../ima

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

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

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

本文转载自:https://blog.csdn.net/zhaoyu106/article/details/52793183 le/details/52793183 写在前面 一些废话 接触深度学习已经有一段时间,之前一直在windows下使用Theano,但是发现Theano天书般的源码真是头大,在看到tensorflow中文教程后,发现它竟然逻辑清晰,教程丰富,实在是居家旅行必备良药啊![偷笑][偷笑][偷笑] 所以决定利用国庆假期学习ubuntu和TensorFlow的安装,结果入坑无数,

我从来不想在琐事上花功夫.就拿装系统来说,我感觉拿过来一个完全陌生的项目源码,看起来,都比装系统爽.我属于典型的逻辑思考男.喜欢畅游程序的海洋. 一直windows跑深度学习和tensorflow,有些项目源码是linux下的,不得已,需要安装linux系统. 初始选择的是ubuntu16.04,但是由于对双显示屏幕起的酷爱,最终又换成了ubuntu18.04,显示效果相较于ubuntu16.04高了n个层次.因为对集成显卡intel 630显卡的支持是在linux 14.5内核版本以后.而ub

个人的吐槽 整个国庆假期(9天),基本上都在搭建PHP环境中耗费了. 是这样的——来大学报到前,想着大学里用个Dev-C++应该够了,于是把Ubuntu删了,腾出了100G的空间.到了CSU,加了团委网信部的程序部,发现要学web开发了……开始时我用Win7装Python和xampp,但估计是因为之前装VS2010时装了个Microsoft SQL server,导致xampp里的MySQL一直跑不起了(2018.11.13更新,是Microsoft SQL server和Apache冲突,只需

首先,下载好必须要的安装包.为了方便,我已经全部上传在了百度云. - ubuntu16.04系统 链接:http://pan.baidu.com/s/1geU8piz 密码:25mk - cuda8.0,cudnnV5 链接:http://pan.baidu.com/s/1bpN5dtd 密码:igxv - mkl 链接:http://pan.baidu.com/s/1jIC14qy 密码:mqc1 - opencv3.1 链接:http://pan.baidu.com/s/1pLPi4Fh 密

在ubuntu16.04下编译安装了py-faster-rcnn. 主要步骤包括:安装cuda/cudnn,换apt源,装开源显卡驱动,装caffe依赖的apt包和python包,下载py-faster-rcnn代码,编译代码.注意一点:不要用cuda安装包自带的显卡驱动,装好cuda后用apt-get装源里的最新驱动,否则很可能黑屏. py-faster-rcnn代码默认使用cudnn3,本文安装的是cudnn5,是通过修改微量py-faster-rcnn所依赖的caffe代码做到的. 本文提

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