macOS Sierra升级到macOS High Sierra后执行cc,git命令报错

macOS Sierra升级到 macOS High Sierra后执行 cc, git等命令报错,错误信息如下:

解决方法如下:

参考链接


mac更新系统后Git不能用,提示missing xcrun at

macOS High Sierra (10.13)制作Windows 7安装U盘

  1. Open a Terminal (under Utilities)
  2. Convert the ISO to UDRW format hdiutil convert -format UDRW -o destination_file.img source_file.iso
  3. Run diskutil list and determine the device node assigned to your flash media (e.g., /dev/disk2)
  4. Run diskutil unmountDisk /dev/diskN (replace N with the disk number from the last command; in the previous example, N would be 2)
  5. Execute sudo dd if=/path/to/destination_file.img.dmg of=/dev/diskN bs=1m (replace /path/to/destination_file.img.dmg with the path where the image file is located; for example, ./win7.img.dmg)
    • Using /dev/rdisk instead of /dev/disk will faster, 20x
    • If you see the error dd: Invalid number '1m', you are using GNU dd. Use the same command but replace bs=1m with bs=1M
    • If you see the error dd: /dev/diskN: Resource busy, make sure the disk is not in use. Start the 'Disk Utility.app' and unmount (don't eject) the drive
  6. Run diskutil eject /dev/diskN, and remove your flash media when the command completes (this can take a few hours on slower drives)

继续阅读macOS High Sierra (10.13)制作Windows 7安装U盘

获取当前Python中site-packages的具体存放路径

很多时候,我们系统上安装了好几个版本的 Python, 此时,我们往往没办法确定通过 pip安装的包会存放到那个目录下的 site-packages中,可以通过如下代码获取:

Ubuntu 16.04 LTS系统上,这个输出是存在问题的,执行命令后输出的目录是:

实际上,通过 pip命令安装的目录有很大一部分被安装到了

目录下。

macOS Sierra (10.12.4)下使用Android Studio打开Android Virtual Device Manager报告“/dev/kvm is not found”错误

Android Virtual Device Manager突然出现了/dev/kvm is not found这个错误,我猜测大概 Hardware_Accelerated_Execution_Manager丢失了某些文件,或者没安装好 HAXM

继续阅读macOS Sierra (10.12.4)下使用Android Studio打开Android Virtual Device Manager报告“/dev/kvm is not found”错误

macOS Sierra (10.12.4)下Caffe执行Python代码报告错误“Mean shape incompatible with input shape”

在执行macOS Sierra (10.12.4)下Caffe通过Python接口加载binaryproto格式的均值文件的时候,最后报告错误:

这个错误发生的原因是由于 memnet提供的均值文件是 256*256的,但是提供的配置文件却是 227*227的,导致在 io.py里面的代码在进行判断的时候发生异常。调整源代码中的 python/caffe/io.py里面的代码:

调整为:

调整完成后,需要重新编译 Caffe:

参考链接


macOS Sierra (10.12.4)下Caffe通过Python接口加载binaryproto格式的均值文件

macOS Sierra ( 10.12.4)下 Caffe通过 Python接口加载均值文件的时候,都是加载的 .npy格式的文件,这个格式是 Python存储的格式,跟我们经常下载到的 .binaryproto格式的均值文件是不同的,这样就导致了加载问题。
.binaryprotoGoogleProtocol Buffer序列化后的数据,而 .npy格式是 Pythonnumpy模块序列化后的数据。

之所以会出现两种不同的存储格式,目前猜测是由于目前 Python 3不能很好的支持 Protocol Buffer导致的。

Python下是不能直接加载 .binaryproto格式的数据的,必须进行一次转换才行,示例代码如下:

参考链接


macOS Sierra (10.12.4)编译pycaffe成功后,执行时候崩溃,错误“Segmentation fault: 11”

参照macOS Sierra (10.12.3)编译Caffe编译成功 Caffe后,开始尝试使用 CaffePython接口,执行如下命令:

编译一切成功,但是当执行

的时候,程序崩溃,提示如下内容:

继续阅读macOS Sierra (10.12.4)编译pycaffe成功后,执行时候崩溃,错误“Segmentation fault: 11”

macOS Sierra (10.12.4)下Python通过PyAV调用FFMPEG操作视频

macOS Sierra ( 10.12.4)下使用 Python操作视频, FFMPEG是目前来说最好的一个选择,但是没有为 Python专门提供适配接口,网上搜索了比较长时间,才找到 PyAV来操作 FFMPEG

PyAV的文档地址在:https://mikeboers.github.io/PyAV/

代码地址在:https://github.com/mikeboers/PyAV

首先需要通过 HomeBrew安装 FFMPEG

接下来安装 PyAV,安装方式两种:

一种是直接通过 PIP来安装:

另外一种是通过下载代码来手工安装

安装好后的例子如下:

macOS Sierra (10.12.4)系统上Caffe借助现有的模型训练自己的数据集

Caffe代码中自带一些模型的例子,这些例子在源代码的 models目录下,这些都是其他项目中用来训练的配置文件,学习的时候,我们没有必要完全自己从头到尾搭建自己的网络模型,而是直接使用例子中的模型,后期在这些模型上简单调整一下,一般可以满足大多数的需求。

下面我们以 models/bvlc_alexnet目录下的模型配置文件为例子,训练我们自己的神经网络。

继续阅读macOS Sierra (10.12.4)系统上Caffe借助现有的模型训练自己的数据集

macOS Sierra (10.12.4)优酷客户端下载后的视频文件位置

macOS Sierra (10.12.4)优酷客户端下载后的视频文件位置在:

可以在命令行下执行:

打开这个目录。