linux下編譯opencv

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

cd opencv

mkdir build

mkdir install

cd build

cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/path/to/opencv/install ..
(這裡可以根據需求加入參數 -D xxx)

make -j7

make install

使用範例:

g++ -Wall main.cpp -I/path/to/opencv/install/include -L/path/to/opencv/install/lib -ldl -lm -lpthread -lopencv_core -lopencv_imgproc -lopencv_highgui -lopencv_objdetect

參考資料:
http://docs.opencv.org/trunk/d7/d9f/tutorial_linux_install.html

linux下編譯VIM

首先先將vim source code下載下來
git clone https://github.com/vim/vim.git

進入資料夾
cd vim

創建一資料夾，用以將編好的檔案放入此資料夾中
mkdir build

作設定，加入prefix選項，即當編好binary後，在作install動作時，程式會將欲安裝的檔案放置在指定的path下，這裡即為剛創建好名為build的資料夾
./configure --prefix=/path/to/vim/build

設定當vim需要runtime檔案時，須去哪個資料夾下找
make VIMRUNTIMEDIR=/path/to/vim/runtime

將編好的檔案放置在預設或是自行設定的path中。這邊範例是放置在/path/to/vim/build
make install

編輯自己的個人設定檔
vi ~/.bashrc

在檔案最後加入

alias vi='/path/to/vim/build/bin/vim'

在不登出shell的情況下，重新初始化個人設定檔

source ~/.bashrc

之後打vi指令，即會自動執行/path/to/vim/build下的vim執行檔

TensorFlow 常數、變數相乘

以下範例可在r1.3版本Tensorflow正確執行，若為其他版本需要再參考API手冊改寫

常數相乘:

import tensorflow as tf

x1 = tf.constant(5)
x2 = tf.constant(6)
result = tf.multiply(x1,x2)
sess = tf.Session()
print(sess.run(result))

變數相乘:

import tensorflow as tf

x1 = tf.Variable([5])
x2 = tf.Variable([6])
result = tf.multiply(x1,x2)
sess = tf.Session()
sess.run(tf.global_variables_initializer())
print(sess.run(result))

windows安裝Tensorflow Object Detection API

以下指令皆在win command line操作

1.
pip3 install pillow
pip3 install lxml
pip3 install jupyter
pip3 install matplotlib

2.
取得protoc程式，可在此網址下載編好的binary https://github.com/google/protobuf/releases/
將下載下來的壓縮包解壓縮，並解壓後的資料夾加入環境變數中


3.
git clone https://github.com/tensorflow/models.git
cd models
protoc object_detection/protos/*.proto --python_out=.

編輯名為 PYTHONPATH 的環境變數(若無，則自行新增)，在其內加入剛clone下來的model路徑與model/slim路徑

4.
測試:
python object_detection/builders/model_builder_test.py
若出現OK代表設定成功

win10安裝TensorFlow-GPU

到Python 官網下載並安裝 python 3.5

pip3 install --upgrade tensorflow-gpu

更新nvidia driver

下載cuda toolkit，在安裝時僅選擇安裝cuda選項

下載cudnn 5.1 for cuda8.0與cudnn 6 for cuda8.0，分別解壓縮至.../cuda/cudnn_v5, .../cuda/cudnn_v6資料夾放入C槽，將.../cuda/cudnn_v5/bin, .../cuda/cudnn_v6/bin分別加入至環境變數

測試:
python
import tensorflow as tf
hello = tf.constant('Hello TensorFlow!')
sess = tf.Session()
print(sess.run(hello))