深海游弋的鱼 – 第 113 页 – 智障儿童欢乐多

Ubuntu 16.04编译安装最新的OpenCV3.2

获取源代码

$ git clone https://github.com/opencv/opencv.git

1	$ git clone https://github.com/opencv/opencv.git

安装依赖库

$ sudo apt-get install -y cmake

#借助系统自带的opencv简化依赖安装步骤
$ sudo apt-get install -y libopencv-dev

$ sudo apt-get install -y cmake

#借助系统自带的opencv简化依赖安装步骤

$ sudo apt-get install -y libopencv-dev

编译源代码

$ cd opencv

$ mkdir build

$ cd build

$ cmake ..

$ make -j 10

$ cd opencv

$ mkdir build

$ cd build

$ cmake ..

$ make -j 10

替换已经安装的版本

$ sudo make install

1	$ sudo make install

编译出错的处理

如果执行cmake时候出现如下错误信息

CMake Error at CMakeLists.txt:11 (message):
  

  FATAL: In-source builds are not allowed.

         You should create separate directory for build files.



-- Configuring incomplete, errors occurred!

CMake Error at CMakeLists.txt:11 (message):

FATAL: In-source builds are not allowed.

You should create separate directory for build files.

-- Configuring incomplete, errors occurred!

则应该是在代码根目录下直接执行过cmake，导致根目录下生成了CMakeCache.txt，需要删除CMakeCache.txt再次执行编译即可。

Python 2.7中PIL.Image转换为OpenCV支持的Image格式

pil_image = PIL.Image.open('image.jpg')
cv_image = cv2.cvtColor(numpy.asarray(pil_image), cv2.COLOR_RGB2BGR)

1 2	pil_image = PIL.Image.open('image.jpg') cv_image = cv2.cvtColor(numpy.asarray(pil_image), cv2.COLOR_RGB2BGR)

参考链接

Convert image from PIL to openCV format

Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

目前为止发现的性能最好，效果最好的人脸探测以及对齐的论文就是MTCNN了。

完整论文如下

继续阅读Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks

github上如何删除fork的项目

在github上如果看到有很不错的项目和作品，一般我们可以进行三种操作：那就是watch, star和fork.

继续阅读github上如何删除fork的项目

Ubuntu 16.04下同步github中fork出来的分支

在github上fork出一些感觉比较好的项目，已经做了部分修改，由于某些原因，无法通过pull request合并到原作者的分支，但是想把原项目的最近更新代码合并进来，可以通过git fetch原始项目到本地，通过git merge的进行代码合并。

以fork出来的pyseeta项目为例

检出自己的代码

$ git checkout https://github.com/wangqiang1588/pyseeta.git

1	$ git checkout https://github.com/wangqiang1588/pyseeta.git

把原作者项目地址添加到刚刚检出的项目

$ git remote add upstream https://github.com/TuXiaokang/pyseeta.git

1	$ git remote add upstream https://github.com/TuXiaokang/pyseeta.git

从原作者仓库获取到分支，及相关的提交信息

$ git fetch upstream

1	$ git fetch upstream

切换到想合并代码的分支

$ git checkout master

1	$ git checkout master

代码合并,并解决冲突

$ git merge upstream/master

1	$ git merge upstream/master

提交合并后的代码

$ git commit -m "merge ......."

1	$ git commit -m "merge ......."

推送提交到远程服务器

$ git push

1	$ git push

参考链接

如何同步 Github fork 出来的分支

TypeError: slice indices must be integers or None or have an index method

执行如下Python脚本时

import numpy as np

dy = [0,1,2]
edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])
edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[dy[0]:edy[2]]

import numpy as np

dy = [0,1,2]

edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])

edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[dy[0]:edy[2]]

会遇到错误信息

Traceback (most recent call last):
  File "test.py", line 11, in <module>
    box2 = box[dy[0]:edy[2]]
TypeError: slice indices must be integers or None or have an __index__ method

Traceback (most recent call last):

File "test.py", line 11, in <module>

box2 = box[dy[0]:edy[2]]

TypeError: slice indices must be integers or None or have an __index__ method

这个提示非常具有迷惑性，会让人不知所措。

其实非常简单

dy[0:2] = np.fix(dy[0:2])

1	dy[0:2] = np.fix(dy[0:2])

这行导致整个数组变成了浮点数格式的数组，可以试着打印出结果，就会发现整个里面的数字完全变成了浮点数。

而浮点数是不可以用来作为数组的下标的。

修改成如下方式即可

import numpy as np

dy = [0,1,2]
edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])
edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[int(dy[0]):int(edy[2])]

import numpy as np

dy = [0,1,2]

edy = [0,1,2]

dy[0:2] = np.fix(dy[0:2])

edy[0:2] = np.fix(edy[0:2])

box = [[1,2,3,4],[3,4,5,6]]

box2 = box[int(dy[0]):int(edy[2])]

请注意最后的

int()

int()

函数，强制转换浮点数为整数。

参考链接

错误异常slice indices must be integers or None or have

最近买了个微软Xbox One S国行版，结果到货后，非常悲剧的发现音频输出部分只支持HDMI跟光纤音箱的接口。注意：主机上那个貌似耳机插孔的地方，实际上是外置红外接收器的接口（接口附近有IR Input字样）Xbox One S自带的手柄上，有一个耳机的插孔，可以插上耳机，但是问题是，长时间带耳机会比较夹耳朵，因此还是用以前买的小喇叭最好了（本人对音质的追求不高）。

搜索了半天，在淘宝找到两个解决方法：

继续阅读微软Xbox One S音频输出到普通喇叭

如何用Python PIL获取图片的RGB数值

from PIL import Image
im = Image.open("xxx.jpeg")
pix = im.load()
width = im.size[0]
height = im.size[1]
for x in range(width):
    for y in range(height):
        r, g, b = pix[x, y]
        print(r, g, b)

from PIL import Image

im = Image.open("xxx.jpeg")

pix = im.load()

width = im.size[0]

height = im.size[1]

for x in range(width):

for y in range(height):

r, g, b = pix[x, y]

print(r, g, b)

参考链接

如何用Python PIL获取图片的RGB数值

Ubuntu 16.04命令行监视Nvidia显卡使用情况

在使用GPU做计算，比如跑Deep Learning代码的时候，我们可能希望能够实时检测显存的使用情况。

Nvidia自带了一个名为nvidia-smi的命令行工具，会显示显存使用情况，但这个命令行工具只能输出一次结果，不支持持续监控输出。

这时候就需要用到watch命令了.

继续阅读Ubuntu 16.04命令行监视Nvidia显卡使用情况

Ubuntu 16.04编译GPU(CUDA)版本的Caffe

配置编译环境

参照Ubuntu 14.04,14.10,16.04编译CPU版本Caffe确保可以正常编译通过CPU版本的Caffe.

安装Nvidia CUDA驱动

参照Ubuntu 16.04安装Nvidia CUDA驱动安装Nvidia CUDA驱动.

安装Nvidia CUDNN库

参照Ubuntu 16.04开启dlib对于AVX或者CUDA的支持里面设置Nvidia CUDNN部分，配置好Nvidia CUDNN库.

编译代码

$ cd caffe

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

$ make

$ cd caffe

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

$ make

编译出错的处理

如果编译时候出现如下错误信息

/usr/include/string.h: In function ‘void* __mempcpy_inline(void*, const void*, size_t)’:
/usr/include/string.h:652:42: error: ‘memcpy’ was not declared in this scope
   return (char *) memcpy (__dest, __src, __n) + __n;
                                          ^
CMake Error at cuda_compile_generated_softmax_layer.cu.o.cmake:266 (message):
  Error generating file
  /home/longsky/Source/caffe/src/caffe/CMakeFiles/cuda_compile.dir/layers/./cuda_compile_generated_softmax_layer.cu.o


src/caffe/CMakeFiles/caffe.dir/build.make:469: recipe for target 'src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o' failed
make[2]: *** [src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o] Error 1
CMakeFiles/Makefile2:272: recipe for target 'src/caffe/CMakeFiles/caffe.dir/all' failed
make[1]: *** [src/caffe/CMakeFiles/caffe.dir/all] Error 2

/usr/include/string.h: In function ‘void* __mempcpy_inline(void*, const void*, size_t)’:

/usr/include/string.h:652:42: error: ‘memcpy’ was not declared in this scope

return (char *) memcpy (__dest, __src, __n) + __n;

CMake Error at cuda_compile_generated_softmax_layer.cu.o.cmake:266 (message):

Error generating file

/home/longsky/Source/caffe/src/caffe/CMakeFiles/cuda_compile.dir/layers/./cuda_compile_generated_softmax_layer.cu.o

src/caffe/CMakeFiles/caffe.dir/build.make:469: recipe for target 'src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o' failed

make[2]: *** [src/caffe/CMakeFiles/cuda_compile.dir/layers/cuda_compile_generated_softmax_layer.cu.o] Error 1

CMakeFiles/Makefile2:272: recipe for target 'src/caffe/CMakeFiles/caffe.dir/all' failed

make[1]: *** [src/caffe/CMakeFiles/caffe.dir/all] Error 2

则需要在执行cmake的时候增加

-DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

1	-DCUDA_NVCC_FLAGS="-D_FORCE_INLINES"

的定义。

编译选项

某些库在使用Nvidia CUDNN的时候会崩溃，此时我们可以在编译的时候，排除Nvidia CUDNN即可。

例子如下：

$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" -DUSE_CUDNN=OFF

1	$ cmake . -DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" -DUSE_CUDNN=OFF

参考链接

ubuntu 16.04中CAFFE配置步骤

一	二	三	四	五	六	日
						1
2	3	4	5	6	7	8
9	10	11	12	13	14	15
16	17	18	19	20	21	22
23	24	25	26	27	28	29
30