【美高梅手机版4858】开机自动修改Ubuntu桌面背景,深度学习布署及安装

By admin in 美高梅手机版4858 on 2019年4月8日
  • 时间:2018-07-16 记录:byzqy

源于群众号: 机器之心

特意表明:

小说转发自:

Caffe 官网地址:

那篇安装指南,适合零基础,新手操作,请权威勿要调侃!

粗略介绍一下:Caffe,一种Convolutional Neural
Network的工具包,和Alex的cuda-convnet效率相近,但各有特点。都是采纳C++
CUDA实行底层编辑,Python进行落实,原著首要配备于Ubuntu,也有大神发表了Windows版,但别的连锁材质较少,不符合新手使用,所以照旧Ubuntu的可比吻合新手。(相对而言)

正文首要涵盖四个部分,包涵:

首先有些 Linux安装

第一局地 nVidia驱动和CUDA
Toolkit的装置和调节和测试(*.deb方法,越发推荐)

其次局地 nVidia驱动和CUDA Toolkit的安装和调节(*.run方法)

其3部分 Python安装和调剂

第陆局地 Matlab安装和调节和测试

第四部分 Caffe的装置和测试

首先有的 Linux安装

Linux的装置,假使不是Linux粉,只是必须,被迫要用它来作作科研什么的,建议安装成双系统,网上方法很多,这里作者就不详细写了,安装还算是傻瓜式的,和windows的过程看似,至于语言,假设认为难度还不够大的话,完全能够装E文版的,甚至日文,德文~~~,作者是装的简体普通话版,小编壹共用分出的500G的半空中来安装Ubuntu
1四.0四,那个版本是新型的版本,有个便宜是,能够一贯访问Windows八.1的NTFS分区,不用做额外的操作,而且援救粤语,例如:$
cd /media/yourname/分区名字/文件夹名,当然GUI就更方便了.

【美高梅手机版4858】开机自动修改Ubuntu桌面背景,深度学习布署及安装。本人的分区设置如下:

根分区: \ 100G,

Swap调换分区:1陆G
,那里,作者设置和作者的内部存款和储蓄器1样,传闻小于1六G的内部存款和储蓄器,就设置成内部存款和储蓄器的一.伍-2倍

boot分区:200M

Home分区:剩余的空间,鉴于Imagenet,PASCAL
VOC之类的大客户,建议500G,至少300G以上。

PS:化解运营分区错误

大多,重装起来,都会毁掉原来的起步分区表,还原Windows分区的2个简便方法:

$ sudo gedit etc/default/grub

设置:GRUB_DEFAULT = 2

$ sudo update-grub

该办法适用于安装双系统后,”看收获Linux,看不到Windows”的景况,反过来的话,请我们温馨百度呢。

PS:关于自个儿的记录簿的特例,仅供类似装置的参阅

台式机配置:技嘉P3五X v三,i7-4720HQ@二.陆G/1六G/NVidia GTX 980 4G/AMD HD
4600/128G SSD*2 + 2T SATA *2

自身的两组硬盘SSD和SATA分别做Raid
0,目标是统一逻辑分区,未有设想冗余备份问题,最终的情状是三个逻辑硬盘块25陆G
SSD + 四T
SATA,用的GPA分区,最终导致利用Ubuntu的GRUB运营界面找不到Windows分区。所以地方的诀要失效。可是,能够透过台式机的F1二和Bios设置来促成运行分区的精选,并且自个儿用Linux的时机很少,所以也才那样处理了,Linux高手能够友善折腾一下Grub运营。Ubuntu
15.04装置在SATA逻辑分区,SSD分区安装Windows8.一。

第一局地三种安装格局,任选其一即可,推荐第1种办法(*.deb方法)。

至于设置完CUDA进入持续桌面包车型地铁题材,大约和显卡的版本、驱动版本、系统都有关系,所以以下二种艺术,能够设想尝试(即便是排斥的,不过都冒出过消除此难题的景况)。一.
安装CUDA时,不安装OpenGL;二.不设置独立下载的显卡驱动,只设置CUDA内置的;三.
不安装CUDA内置驱动,只设置Toolkit,此外安装官网下载的前卫的显卡驱动;四.
设置实现后,切忌自动更新Linux系统。

其次片段:nVidia驱动和CUDA Toolkit的设置和调节和测试(*.deb方法)

PS:越发推荐*.deb的不二等秘书籍,近日已提供离线版的deb文件,该方法相比较不难,不须求切换成tty方式。那里以CUDA
七.0为例。

一、CUDA Repository

取得CUDA安装包,安装包请自行去NVidia官网下载。

$ sudo dpkg -i cuda-repo-ubuntu1410-7-0-local_7.0-28_amd64.deb

$ sudo apt-get update

二、CUDA Toolkit

$ sudo apt-get install -y cuda

三、Environment Variables

$ export CUDA_HOME=/usr/local/cuda-7.0

$ export LD_LIBRARY_PATH=${CUDA_HOME}/lib64

$ PATH=${CUDA_HOME}/bin:${PATH}

$ export PATH

其次局地:nVidia驱动和CUDA Toolkit的安装和调节(*.run方法)

PS:这里实在能够参照nVidia
官方提供的CUDA安装手册,相当类似,3二页的,可是是全英文的,笔者正是参考这些文书档案完结前面的配备和表达工作。

一、Verify You Have a CUDA-Capable GPU

进行上面包车型地铁操作,然后验证硬件协理GPU
CUDA,只要型号存在于

$ lspci | grep -i nvidia

二、Verify You Have a Supported Version of Linux

$ uname -m && cat /etc/*release

重点是“x86_64”这一项,保证是x86架构,64bit系统

三、Verify the System Has gcc Installed

$ gcc –version

平素不的话就先安装吧,那个是必须的用来编写翻译CUDA Toolkit,不过Ubuntu
14.0四是暗中同意有的

四、Download the NVIDIA CUDA Toolkit

下载地址:

表明地址:

$ md5sum filename

例如:md5sum cuda_6.5.11_rc_linux_6肆.run ,那几个文件的正确性 md5 =
a四七b0be八三dea0323fab24ca64234635壹

那么些感觉蛮首要,作者先是次安装的时候md伍就没通过,强制安装,结果就有毛病,后边重新下载了再设置了叁回

五、Handle Conflicting Installation Methods

基于官网介绍,之前设置的本子都会有争持的疑虑

之所以,以前安装的Toolkit和Drievers就得卸载,屏蔽,等等

六、Graphical Interface Shutdown

剥离GUI,也便是X-Win界面,操作方法是:同时按:CT福睿斯L+ALT+F1(F二-F陆),切换来TTY一-陆命令行方式。

关闭桌面服务:

$ sudo stop lightdm

七、Interaction with Nouveau

Nouveau是二个开源的显卡驱动,Ubuntu 1四.0肆私下认可安装了,不过它会影响nVidia驱动的设置,所以唯有请他回老家了,sorry!

$ sudo vi /etc/modprobe.d/nvidia-graphics-drivers.conf

写入:blacklist nouveau

保留并退出: wq!

检查:$ cat nvidia-graphics-drivers.conf

$ sudo vi /etc/default/grub

末尾写入:rdblacklist=nouveau nouveau.modeset=0

保存并退出: wq!

检查:$ cat /etc/default/grub

八、Installation CUDA 6.5

切换到cuda_6.5.11_rc_linux_6四.run 所在的目录,然后实施安装命令:

$ sudo sh cuda_6.5.11_rc_linux_64.run

重复提醒,安装前早晚要实施 md伍sum
,至于假如发现md5检查测试不雷同,如何做?别逗了,去nVidia重新下载就行了,地球人都清楚,别Infiniti循环就好^_^!

那里会一起问您种种难题,基本上就是Accept-yes-Enter-yes-Enter-yes-Enter,
其实正是让你接受协议,然后安装的暗中同意地方确认等等,recruit就别自定义安装地方了,暗许才是西方。

九、Extra Libraries

安装壹些要求的库文件,譬如:OpenGL (e.g., Mesa), GLU, GLUT, and X1一(including Xi, Xmu, and GLX).

$ sudo apt-get install freeglut3-dev build-essential libx11-dev
libxmu-dev libxi-dev libgl1-mesa-glx libglu1-mesa libglu1-mesa-dev

10、驱动装完了,能够回到GUI界面了,也足以持续留那里玩文本。。。

$ sudo start lightdm

十一、POST-INSTALLATION ACTIONS

  1. Environment Setup

$ export PATH=/usr/local/cuda-6.5/bin:$PATH

$ export LD_LIBRARY_PATH=/usr/local/cuda-6.5/lib64:$LD_LIBRARY_PATH

PS:假诺出现安装退步,重启系统,重新安装二遍基本都得以缓解,实在可怜就卸载原来的驱动再安装3回。

a. 卸载现有驱动

$ sudo nvidia-installer –uninstall

b. 重装CUDA Toolkit

$ sudo sh cuda_6.5.11_rc_linux_64.run

好了,到此处有着nVidia CUDA的设置就截止了,上面看看Caffe怎么样安装

其叁局部 Python安装和调节和测试

  1. 安装IDE运转环境

选拔三个契合你的IDE运营条件,笔者是用的是Spyder,因为它内置了 iPython
环境,Caffe有不少的先后是根据 iPython
环境形成的。安装方式很粗大略,直接在Ubuntu软件基本搜索“spyder”即可安装。

  1. iPython NoteBook 安装

除此以外多个比较推荐的章程是利用iPyhthon NoteBook(基于浏览器的Python
IDE),特别是切合必要用Python做学科的教师职员和工人们,能够一贯导出.py, .ipynb,
html格式,安装步骤如下:

$ sudo apt-get install -y ipython-notebook pandoc

启航(自动打开浏览器):

$ ipython nootbook

两个简短的利用iPython
NoteBook生成的html的例证:examples_notebook.htmlexample_notebook.ipynb

  1. 配备和编译pycaffe(见第肆部分)

第陆有的 Matlab安装和调节

1.下载

出于该软件为商业软件,请我们自行检索,安装学习,并确认保证不采用做小本生意指标,下载二肆小时删除……

  1. 预准备

分选Mathworks.Matlab.Rubicon2014a.Unix.iso – 右键 – 使用磁盘影象挂载器打开”

进入装载的虚构光盘,拷贝全体文书至home/Matlab 文件夹

(PS:作者的标准化是能GUI就GUI,喜欢CMD的能够参考执行)

复制Crack/install.jar至 home/Matlab/java/jar/ 并覆盖源文件

$ sudo cp install.jar /home/Matlab/java/jar/

  1. 授权安装文件夹

$ chmod a+x Matlab -R

  1. 安装

$ sudo ./install

选项:不使用Internet安装

序列号: 12345-67890-12345-67890

暗中同意路径:/usr/local/MATLAB/帕杰罗201四a

激活文件:license_405329_R2014a.lic

拷贝 libmwservices.so 至 /usr/local/MATLAB/R2014a/bin/glnxa64

$ sudo cp libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64/

安装完成,程序暗许运营路径:

$ sh /usr/local/MATLAB/R2014a/bin/matlab

伍.消除编写翻译器gcc/g++版本难题。(那里因为折腾了壹会,所以只做参考,基本流程就二步,有标题,我们能够本人尝尝。)

因为Ubuntu 15.04的gcc/g++版本是四.九.二,而Matlab
201四a(2015a)的版本是四.柒.x所以在行使matla调用mex文件的时候,基本上都会报错,依据报错消息,思虑如下两步化解方案。

  1. 降职安装gcc/g++版本为四.7.x

(1). 下载gcc/g++ 4.7.x

$ sudo apt-get install -y gcc-4.7

$ sudo apt-get install -y g++-4.7

(二). 链接gcc/g++完成降级

$ cd /usr/bin

$ sudo rm gcc

$ sudo ln -s gcc-4.7 gcc

$ sudo rm g++

$ sudo ln -s g++-4.7 g++

  1. 强力引用新本子GLIBCXX_3.4.20

$ sudo cp /usr/lib/x86_6④-linux-gnu/libstdc++.so.6.0.20
/usr/local/MATLAB/路虎极光201四a/sys/os/glnxa64/libstdc++.so.陆.0.20
(libstdc++.so.陆.0.20的本子,也许因为系统分化而不相同,使用新型的就能够了。)

目录切换来 /usr/local/MATLAB/安德拉201四a/sys/os/glnxa64/ ,十分重大!

$ sudo mv libstdc++.so.陆 libstdc++.so.陆.backup
(仅仅是备份,能够不操作)。

$ sudo ln -s libstdc++.so.6.0.20 libstdc++.so.6

$ sudo ldconfig -v

通过命令“strings /usr/local/MATLAB/奥迪Q72014a/sys/os/glnxa64/libstdc++.so.六| grep GLIBCXX_”
能够看一下,是否已经成功包括了GLIBCXX_3.四.20,假若已经存在,基本上就成功了。

6.编写翻译Matlab用到的caffe文件(见第5局部)

第6部分 Caffe的设置和测试

对于Caffe的装置严刻听从官网的渴求来:

一、安装BLAS

那边能够采纳(ATLAS,MKL或然OpenBLAS),作者那边运用MKL,首先下载并设置英特尔®
数学内核库 Linux*
版MKL,下载链接是:
请下载Student版,先申请,然后会立马收到2个邮件(里面有安装连串号),打开照着下载就行了。下载完之后,要把公文解压到home文件夹(或间接把tar.gz文件拷贝到home文件夹,为了节省空间,安装完记得把压缩文件给删除喔~),大概其余的ext四的文件系统中。

接下去是安装进度,先授权,然后安装:

$ tar zxvf parallel_studio_xe_20一五.tar.gz
(倘使你是直接拷贝压缩文件过来的)

$ chmod a+x parallel_studio_xe_2015 -R

$ sudo ./install_GUI.sh

二、MKL与CUDA的条件设置

  1. 新建intel_mkl.conf, 并编辑之:

$ sudo gedit /etc/ld.so.conf.d/intel_mkl.conf

/opt/intel/lib/intel64

/opt/intel/mkl/lib/intel64

  1. 新建cuda.conf,并编写之:

$ sudo gedit /etc/ld.so.conf.d/cuda.conf

/usr/local/cuda/lib64

/lib

  1. 完毕lib文件的链接操作,执行:

$ sudo ldconfig -v

三、安装OpenCV 3.0.0

  1. 下载并编译OpenCV(官网原版OpenCV:
    或许应用本站提供的修改版的安装包Install-OpenCV-master(上边包车型客车设置情势利用该包完结,安装包修改了dependencies.sh文件并增添了OpenCV
    叁.0.0的安装文件,同时保留了原先的二.三x和2.4x版)

  2. 切换成文件保留的文本夹,然后安装重视项:

$ sudo sh Ubuntu/dependencies.sh

  1. 切换目录Ubuntu\3.0\安装OpenCV 3.0.0rc1:

$ sudo sh opencv3_0_0-rc1.sh

担保网络通畅,因为软件需求联网那里时间较长,请耐心等待。。。,

四、安装其余注重项

  1. 谷歌(Google) Logging
    Library(glog),下载地址:

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

如果没有权力就chmod a+x glog-0.三.3 -Highlander , 大概索性 chmod 777 glog-0.三.三 -LAND, 装完之后,那么些文件夹就能够kill了。

  1. 别的重视项,确定保证都事业有成

$ sudo apt-get install -y libprotobuf-dev libleveldb-dev libsnappy-dev
libopencv-dev libboost-all-dev libhdf5-serial-dev

$ sudo apt-get install -y libgflags-dev libgoogle-glog-dev liblmdb-dev
protobuf-compiler

五、安装Caffe并测试

  1. 设置pycaffe必须的1些凭借项:

$ sudo apt-get install -y python-numpy python-scipy python-matplotlib
python-sklearn python-skimage python-h5py python-protobuf python-leveldb
python-networkx python-nose python-pandas python-gflags Cython ipython

$ sudo apt-get install -y protobuf-c-compiler protobuf-compiler

  1. 设置配备nVidia cuDNN 加快Caffe模型运算

a. 安装cuDNN

该改版本caffe-master私下认可协理cudnn-六.5-linux-x64-v贰,使用cudnn-陆.伍-linux-奥德赛一会报错,安装前请去先官网下载最新的cuDNN。

$ sudo cp cudnn.h /usr/local/include

$ sudo cp libcudnn.so /usr/local/lib

$ sudo cp libcudnn.so.6.5 /usr/local/lib

$ sudo cp libcudnn.so.6.5.48 /usr/local/lib

b. 链接cuDNN的库文件

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5.48
/usr/local/lib/libcudnn.so.6.5

$ sudo ln -sf /usr/local/lib/libcudnn.so.6.5 /usr/local/lib/libcudnn.so

$ sudo ldconfig -v

  1. 切换成Caffe-master的文本夹,生成Makefile.config配置文件,执行:

$ cp Makefile.config.example Makefile.config

  1. 配置Makefile.config文件(仅列出修改部分)

a. 启用CUDNN,去掉”#”(方今caffe-master依旧只辅助卡宴一版本)

USE_CUDNN := 1

b. 启用GPU,添加注释”#”

# CPU_ONLY := 1

c. 配置部分引用文件(扩展部分首要是解决新本子下,HDF5的不贰诀窍难题)

INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include
/usr/lib/x86_64-linux-gnu/hdf5/serial/include

LIBRARY_DIRS := $(PYTHON_LIB) /usr/local/lib /usr/lib
/usr/lib/x86_64-linux-gnu/hdf5/serial

d. 启用Intel Parallel Studio XE 2015 Professional Edition for C++ Linux

BLAS := mkl

e. 配置路径,完结caffe对Python和Matlab接口的支撑

PYTHON_LIB := /usr/local/lib

MATLAB_DIR := /usr/local/MATLAB/R2014a

  1. 配置Makefile文件(实现对OpenCV 3.x的支持)

找寻“Derive include and lib directories”一节,修改“LIBRA奥迪Q7IES
+=”的终极1行,扩充opencv_imgcodecs

opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

6.
编写翻译caffe-master!!!”-j8″是使用CPU的多核举行编译,能够大幅地加速编译的进程,建议使用。

$ make all -j8

$ make test -j8

$ make runtest -j8

编译Python和Matlab用到的caffe文件

$ make pycaffe -j8

$ make matcaffe -j8

陆、使用MNIST数据集举行测试

Caffe暗中认可情状会设置在$CAFFE_ROOT,正是解压到丰盛目录,例如:$
home/username/caffe-master,所以下边包车型大巴做事,私下认可已经切换来了该工作目录。上面包车型的士行事重点是,用于测试Caffe是或不是工作健康,不做详细评估。具体设置请参见官网:

  1. 数码预处理

$ sh data/mnist/get_mnist.sh

  1. 重建lmdb文件。Caffe扶助二种多少格式输入网络,包罗Image(.jpg,
    .png等),leveldb,lmdb,根据本人需求接纳分歧输入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和
mnist-train-lmdb文件夹,那里带有了lmdb格式的数据集

  1. 训练mnist

$ sh examples/mnist/train_lenet.sh

迄今截至,Caffe安装的享有手续实现,下边是壹组大约的数据相比较,实验来源于MNIST数据集,首即使考查一下两样体系下CPU和GPU的属性。能够看出分明的反差了,即使MNIST数据集很简单,相信复杂得数据集,差距会越来越大,Ubuntu+GPU是唯1的精选了。

测试平台一:i7-4770K/1陆G/GTX 770/CUDA ⑥.五

MNIST Windows8.1 on CPU:620s

MNIST Windows8.1 on GPU:190s

MNIST Ubuntu 14.04 on CPU:270s

MNIST Ubuntu 14.04 on GPU:160s

MNIST Ubuntu 14.04 on GPU with cuDNN:30s

Cifar10_full on GPU wihtout cuDNN:73m45s = 4428s(Iteration 70000)

Cifar10_full on GPU with cuDNN:20m7s = 1207s(Iteration 70000)

测试平台二:技嘉P35X v叁,i7-4720HQ@二.陆G/1陆G/NVidia GTX 980 四G

MNIST Ubuntu 15.04 on GPU with cuDNN:33s

比较测试壹:贰*E5-2620(12CPUs)/128G/Tesla K20M/CUDA5.5/CentOS 6.4

MNIST CentOS 6.4 on GPU:294s

相比较之下测试2:Tesla K40M/CUDA陆.5/ubuntu 14.04

MNIST on GPU with cuDNN:30s

对照测试三:GTX 660/CUDA陆.5/ubuntu 14.0四

MNIST on GPU with cuDNN:49s

相比较试验一是3个不太公平的测试,毕竟品质差非常的大,很也许不单单是由Tesla
K20s 和GTX 770推动的,也说不定是因为CentOS或许是CUDA5.5(without
cuDNN)的影响,但全体上的定论和Caffe官网的reference performance
numbers一致,对于普通用户:GTX的性价比高很多。相比试验二展现了Tesla
K40的有力质量,相信对于复杂图像,它应该有更加强有力的变现。(多谢香港(Hong Kong)城市大学Ph.D Jingjing、南工业余大学学 Ph.D JinLu、华中戏剧大学 MS LiuMaolin
提供的测试环境和测试数据。)

壹装置PIL:pip install Pillow(以前的博客中有写过)

介绍:

提防丢失,转发过来的,仅供参考

②安装pytesser3:pip install pytesser3

  在保管多台总结机时,将每台微型总结机的ID只怕电脑名醒指标显得在电脑桌面,往往是贰个不利的选拔。下边记录一下在Ubuntu
1陆.04上运用Python二.柒如何兑现那壹功效。

条件重视

操作系统(Ubuntu)

种驱动和库(GPU 驱动、CUDA、cuDNN 和 pip)

种 Python 深度学习库(TensorFlow、Theano、CNTK、Keras 和 PyTorch)

这一个软件之间的相互信赖关系如下图所示。在那之中,你只供给安装1种深度学习库,请自由选取。

美高梅手机版4858 1

借助示意图

以下是各种软件的底细介绍:

Ubuntu(v16.04.三)——操作系统,各样职责处理。

Nvidia GPU 驱动(v37伍)——允许系统获得 GPU 带来的增加速度。

CUDA(v八.0)——GPU C 语言库。「总计同一设备架构」。

cuDNN(v6.0.2一)——基于 CUDA 的深浅学习基元库。「CUDA 深度学习库」。

pip(v9.0.1)——Python 安装包。「Pip 安装包」。

TensorFlow(v一.三)——谷歌开发的深浅学习框架。

Theano(v0.玖.0)——在此以前由 MILA 负责掩护的吃水学习框架。

CNTK(v二.二)——微软商讨院开发的深度学习框架。

Keras(v2.0.八)——深度学习包装可沟通后端。可与 TensorFlow、Theano 和 CNTK
同步使用。

PyTorch(v0.2.0)——可被 GPU 加快的动态图深度学习框架,首要由 脸谱的钻研人口承受支付。

③安装pytesseract:pip install pytesseract

工具/原料:

软件的装置

安装 Ubuntu 16.04.3

略..

设置速龙 GPU 驱动

略..

安装 CUDA 8.0

从英伟达网址,使用下列系统个性下载 CUDA 的
runfile(地址:

Linux -> x86_64 -> Ubuntu -> 16.04 -> .deb(network)

导航至.deb
文件的职位后,将该文件解压缩,更新软件包列表,使用下列命令安装 CUDA。

sudo dpkg-i cuda-repo-ubuntu1604-8-0-local-ga2_8.0.61-1_amd64.deb

sudo apt-get update

sudo apt-get install cuda

将库添加至 bash path,那样就能够行使别的应用找到库了。

echo’export
PATH=/usr/local/cuda-8.0/bin${PATH:+:${PATH}}’>>~/.bashrc

echo’export
LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64${LD_LIBRARY_PATH:+:${LD_美高梅手机版4858,LIBRARY_PATH}}’>>~/.bashrc

source~/.bashrc

表达时,使用 nvcc -V 确定保障 Nvidia C Compiler(nvcc)版本与 CUDA
的本子相配。

重启电脑 sudo shutdown -r now,达成安装。

安装 cuDNN 6.0.21

在AMD网址上注册开发者项目,同意条款。从下拉菜单中甄选 cuDNN v陆.0.21(April 二7, 20一七), for CUDA 八.0,并下载:

cuDNN v6.0 Runtime Library for Ubuntu16.04 (Deb)

cuDNN v6.0 Developer Library for Ubuntu16.04 (Deb)

cuDNN v6.0 Code Samples and User Guide for Ubuntu16.04 (Deb)

.deb 优先于.tar,因为.deb 格式更适用于
Ubuntu,能够展开越来越纯粹的装置。使用下列命令安装那八个包:sudo dpkg-i
libcudnn6_6.0.21-1+cuda8.0_amd64.deb  /  sudo dpkg-i
libcudnn6-dev_6.0.21-1+cuda8.0_amd64.deb  /  sudo dpkg-i
libcudnn6-doc_6.0.21-1+cuda8.0_amd64.deb

测试 cuDNN

将已安装的言传身教复制到可读目录,然后编写翻译并运维 mnistCNN。

cp-r/usr/src/cudnn_samples_v6/$HOME

cd $HOME/cudnn_samples_v6/mnistCUDNN

make clean&&make

./mnistCUDNN

倘使1切顺遂,脚本应该会回去一条 Test passed! 消息。

安装 pip 9.0.1

Pip 的升迁非凡频仍,大致每两周三次,提议采纳新型版本的 pip。

请使用以下命令安装和升高最新版本的 pip。

sudo apt-get install python-pip python-dev

sudo pip install–upgrade pip

证实:请保管键入 pip -V 后可以打印出版本号。

安装 Tensorflow 1.3.0

证实:运营$ python,确认是不是以下脚本能够打字与印刷出 Hello, Tensorflow!

importtensorflowastf

hello=tf.constant(‘Hello, TensorFlow!’)

sess=tf.Session()

print(sess.run(hello))

Reference:

安装 Theano 0.10

Theano 须要的系统环境:

sudo apt-get install libopenblas-dev cmake git

其它还要遵照 Python 的系列须求。

sudo pip install numpy scipy nose sphinx pydot-ng pycuda scikit-cuda
cython

libgpuarray 能够让 Theano 使用 GPU,它必须从源编写翻译。首先下载源代码

git clone

cd libgpuarray

将其编译为叁个名叫 Build 的文本夹。

mkdirBuild

cdBuild

cmake..-DCMAKE_BUILD_TYPE=Release

make

sudo make install

接着将其编写翻译成3个 Python 包。

cd..

python setup.py build

sudo python setup.py install

将下边一行添加至 ~/.bashrc,那样 Python 就足以找到库了。

export LD_LIBRARY_PATH=/usr/local/lib/:$LD_LIBRARY_PATH

安装 Theano

sudo pip install git+

评释:创造测试文件
test_theano.py,当中的始末复制自:

跟着探访 THEANO_FLAGS=device=cuda0 python test_theano.py 在行使了 GPU
之后是或不是中标。

Reference: Theano 0.9.0
documentation(

安装 CNTK 2.2

sudo pip install

验证:输入 python -c “import cntk; print(cntk.__version__)”,输出
2.2。

Reference: Setup CNTK on your
machine(
**

安装 Keras 2.0.8

sudo pip install keras

表达:检查$ python 中的 import keras 是不是成功。

Reference: Keras Installation(

安装 PyTorch 0.2.0

PyTorch 运转在三个库上: torchvision 和 torch,我们要求这样设置:

sudo pip install

0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl

sudo pip install torchvision

评释:以下脚本能够打字与印刷出1个带有随机开头浮点数的张量。

from__future__importprint_function

importtorch

x=torch.Tensor(5,3)

print(x)

Reference:

仅供参考!

④安装autopy3:

  (操作系统:Ubuntu 1陆.0四 ,编辑工具:gedit,开发语言:Python 二.七 )

先安装wheel:pip install wheel

  python库:Pillow-5.2.0-cp27-cp27mu-manylinux1_x86_64.whl

下载autopy3-0.51.1-cp36-cp36m-win_amd64.whl【点击打开链接】

  Pillow是Python里的图像处理库(PIL:Python Image
Library),提供明白广泛的文件格式帮忙,强大的图像处理能力,首要归纳图像储存、图像彰显、格式转换以及着力的图像处理操作等。 

执行命令:pip install
E:\360平安浏览器下载\autopy3-0.51.1-cp36-cp36m-win_amd64.whl

代码/逻辑:

##利用pip install autopy三时会报错如下:

一、制造Python脚本,脚本包蕴四个动作

美高梅手机版4858 2

一采用现有图片合成新的桌面背景图片

肆装置Tesseract-OCRAV4:百度直接搜索Tesseract-OC奥德赛下载即可

贰将新的桌面图片设置为如今桌面背景

此地要表达的是设置苔丝eract-OCHummerH贰后,其不会被默许添加至环境变量path中,已造成如下报错:

文件:Create_Image.py

美高梅手机版4858 3

2、创造用来推行Create_Image.py的sh脚本

消除办法有三种:(先找到Tesseract-OCRubicon安装文件夹,再找到tesseract.exe文件)

文件:run_bgchange.sh

自作者那边的相对路径是:D:\python\Tesseract-OCR\tesseract.exe

(须求邮件属性勾选为可运转程序才能健康被选取)

壹将此路径添加至环境变量path中(然则本身是那样做的,不过PyCharm如故报错)

3、让run_bgchange.sh脚本开机自运维

②找到pytesseract.py文件

开拓终端(Terminal)输入:sudo gedit /etc/rc.local
,在文件编辑器中打开系统文件rc.local,

自个儿那里是C:\Users\admin\AppData\Local\Programs\Python\Python36\Lib\site-packages\pytesseract\pytesseract.py

在文件中 exit 0 的方面添加如下内容:

将文件中的tesseract_cmd修改为上方的相对路径

#开机自动更换壁纸

/home/user/Desktop/run_bgchange.sh#开机自动更换壁纸

美高梅手机版4858 4

即开机自动运转大家上一步中创立的run_bgchange.sh文件。

进入正题,如何辨别图像中文字

经过便可旗开得胜!

上原图:(那句是海上海钢铁公司琴师中的一句经典台词)

四、假设急需手动执行设置壁纸的动作,在上边第叁步的底子上开创多个Desktop文件调用run_bgchange.sh就好了。

美高梅手机版4858 5

文件:AutoWallPaper.desktop

接下去大家要通过python的pytesseract来分辨图片中的字符了

(需求邮件属性勾选为可实施展才能能健康使用)

# _*_ coding:utf-8 _*_ 

import pytesseract 
from PIL import Image 

__author__ = 'admin' 

im = Image.open(r'C:\Users\admin\Desktop\example.png') 
print(pytesseract.image_to_string(im)) 

 

效果图

美高梅手机版4858 6

上述那篇Python图像处理之识别图像中的文字(实例讲解)正是小编分享给我们的全部内容了,希望能给大家贰个参照,也期望大家多多支持脚本之家。

您大概感兴趣的小说:

  • python使用pil进行图像处理(等比例减少、裁剪)实例代码
  • python图像处理之反色实现格局
  • python图像处理之镜像实现方式
  • python使用TensorFlow举办图像处理的秘籍
  • python数字图像处理之高级滤波代码详解
  • python数字图像处理之高级形态学处理
  • Python数字图像处理之霍夫线变换完成详解
  • python数字图像处理达成直方图与均衡化
  • python数字图像处理之骨架提取与分水岭算法
  • Python3应用PyQt伍制作简单的画板/手写板实例
  • python+pygame不难画板实现代码实例
  • Python图像处理之简单画板实现格局言传身教

发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图
Copyright @ 2010-2019 美高梅手机版4858 版权所有