• 时间:2018-07-16 记录:byzqy

起点群众号: 机器之心

专程表达:

文章转发自:

Caffe 官网地址:

这篇安装指南,适合零基础,新手操作,请大师勿要捉弄!

简易介绍一下:Caffe,一种Convolutional Neural
Network的工具包,和亚历克斯的cuda-convnet作用类似,但各有特点。都以利用C++
CUDA举办底层编辑,Python实行落到实处,原来的文章首要配备于Ubuntu,也有大神发表了Windows版,但别的有关材质较少,不吻合新手使用,所以依旧Ubuntu的比较符合新手。(相对而言)

正文重要含有多少个部分,包罗:

先是部分 Linux安装

其次有的 nVidia驱动和CUDA
Toolkit的安装和调剂(*.deb方法,尤其推荐)

第2有的 nVidia驱动和CUDA Toolkit的设置和调节和测试(*.run方法)

其三部分 Python安装和调节

第陆有的 Matlab安装和调剂

第四片段 Caffe的设置和测试

先是某个 Linux安装

Linux的安装,即便不是Linux粉,只是必须,被迫要用它来作作科学研讨什么的,建议设置成双系统,网上方法很多,那里本人就不详细写了,安装还算是傻瓜式的,和windows的进程看似,至于语言,假诺以为难度还不够大的话,完全能够装E文版的,甚至日文,德文~~~,作者是装的简体中文版,作者合计用分出的500G的半空中来安装Ubuntu
1四.0四,那么些本子是最新的版本,有个好处是,能够一向访问Windows8.一的NTFS分区,不用做额外的操作,而且帮忙粤语,例如:$
cd /media/yourname/分区名字/文件夹名,当然GUI就更方便了.

自己的分区设置如下:

根分区: \ 100G,

Swap交流分区:1六G
,那里,我设置和自个儿的内部存款和储蓄器1样,传闻小于1陆G的内部存储器,就设置成内部存款和储蓄器的一.伍-二倍

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:消除运行分区错误

大抵,重装起来,都会毁掉原来的运维分区表,还原Windows分区的二个粗略方法:

$ sudo gedit etc/default/grub

设置:GRUB_DEFAULT = 2

$ sudo update-grub

该措施适用于安装双系统后,”看收获Linux,看不到Windows”的图景,反过来的话,请大家本身百度吗。

PS:关于小编的记录簿的特例,仅供类似设备的参阅

台式机配置:技嘉P35X v三,i7-4720HQ@二.6G/16G/NVidia GTX 980 4G/AMD HD
4600/12八G SSD*2 + 2T SATA *2

自个儿的两组硬盘SSD和SATA分别做Raid
0,指标是联合逻辑分区,未有设想冗余备份难题,最后的情况是一个逻辑硬盘块25六G
SSD + 肆T
SATA,用的GPA分区,最终造成利用Ubuntu的GRUB运维界面找不到Windows分区。所以地点的秘诀失效。不过,可以由此台式机的F1二和Bios设置来完结运营分区的取舍,并且作者用Linux的机会很少,所以不过尔尔处理了,Linux高手能够团结折腾一下Grub运维。Ubuntu
一伍.0肆装置在SATA逻辑分区,SSD分区安装Windows八.一。

其次片段二种安装情势,任选其壹即可,推荐第二种艺术(*.deb方法)。

至于设置完CUDA进入持续桌面包车型地铁题材,差不多和显卡的本子、驱动版本、系统都有涉嫌,所以以下两种艺术,能够考虑尝试(即便是排斥的,可是都出现过消除此题材的景色)。1.
设置CUDA时,不设置OpenGL;二.不设置独立下载的显卡驱动,只设置CUDA内置的;三.
不设置CUDA内置驱动,只设置Toolkit,其它安装官网下载的风尚的显卡驱动;四.
装置到位后,切忌自动更新Linux系统。

其次片段:nVidia驱动和CUDA Toolkit的装置和调节(*.deb方法)

PS:尤其推荐*.deb的艺术,最近已提供离线版的deb文件,该方法相比简单,不要求切换来tty方式。那里以CUDA
7.0为例。

一、CUDA Repository

获得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的设置和调剂(*.run方法)

PS:那里实在能够参照nVidia
官方提供的CUDA安装手册,13分类似,3二页的,然而是全英文的,小编便是参照这么些文档实现前边的铺排和认证工作。

一、Verify You Have a CUDA-Capable GPU

施行下边包车型客车操作,然后验证硬件支撑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

平昔不的话就先安装吧,这一个是必须的用来编写翻译CUDA Toolkit,可是Ubuntu
1四.04是暗许有的

四、Download the NVIDIA CUDA Toolkit

下载地址:

证实地址:

$ md5sum filename

例如:md5sum cuda_6.5.11_rc_linux_64.run ,那个文件的不错 md五 =
a47b0be八三dea032叁fab二四ca64234635壹

其一感觉蛮首要,小编第3次安装的时候md5就没通过,强制安装,结果就不正常,后边重新下载了再安装了一次

五、Handle Conflicting Installation Methods

听大人讲官网介绍,此前设置的本子都会有冲突的疑忌

于是,从前安装的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奥迪Q7L+ALT+F一(F二-F陆),切换来TTY一-六命令行情势。

关闭桌面服务:

$ sudo stop lightdm

七、Interaction with Nouveau

Nouveau是多少个开源的显卡驱动,Ubuntu 1四.0四暗中认可安装了,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

终极写入:rdblacklist=nouveau nouveau.modeset=0

保存并脱离: wq!

【澳门金沙国际】新手安装配置指南,开机自动修改Ubuntu桌面背景。检查:$ cat /etc/default/grub

八、Installation CUDA 6.5

切换到cuda_6.5.11_rc_linux_64.run 所在的目录,然后实施安装命令:

$ sudo sh cuda_6.5.11_rc_linux_64.run

再次提示,安装前肯定要推行 md伍sum
,至于即便发现md伍检验不平等,如何是好?别逗了,去nVidia重新下载就行了,地球人都知情,别Infiniti循环就好^_^!

此间会同步问您各类难点,基本上正是Accept-yes-Enter-yes-Enter-yes-Enter,
其实正是让你接受协议,然后安装的默许地点确认等等,recruit就别自定义安装地方了,暗许才是天堂。

九、Extra Libraries

安装1些必备的库文件,譬如:OpenGL (e.g., Mesa), GLU, GLUT, and X1壹(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,能够回去GUI界面了,也得以一连留那里玩文本。。。

$ 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:假使现身安装退步,重启系统,重新安装三遍基本都能够消除,实在不行就卸载原来的驱动再设置二次。

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,到此地全体nVidia CUDA的装置就得了了,下边看看Caffe怎么样安装

其3有个别 Python安装和调节和测试

  1. 设置IDE运维环境

选取3个适合你的IDE运行环境,笔者是用的是Spyder,因为它内置了 iPython
环境,Caffe有不少的先后是依照 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

其余三个相比较推荐的不二等秘书籍是利用iPyhthon NoteBook(基于浏览器的Python
IDE),尤其是切合供给用Python做学科的师资们,能够向来导出.py, .ipynb,
html格式,安装步骤如下:

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

运转(自动打开浏览器):

$ ipython nootbook

三个回顾的利用iPython
NoteBook生成的html的事例:examples_notebook.htmlexample_notebook.ipynb

  1. 安排和编写翻译pycaffe(见第伍部分)

第6有个别 Matlab安装和调节和测试

1.下载

是因为该软件为商业软件,请我们自行检索,安装学习,并保管不使用做商业指标,下载二4钟头删除……

  1. 预准备

慎选Mathworks.Matlab.哈弗201④a.Unix.iso – 右键 – 使用磁盘影像挂载器打开”

进去装载的杜撰光盘,拷贝全部文本至home/Matlab 文件夹

(PS:小编的准绳是能GUI就GUI,喜欢CMD的能够参见执行)

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/XC60201四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/

设置完毕,程序暗中同意运维路径:

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

五.消除编译器gcc/g++版本难题。(那里因为折腾了1会,所以只做参考,基本流程就二步,不不奇怪,大家能够协调尝试。)

因为Ubuntu 一伍.0四的gcc/g++版本是4.玖.贰,而Matlab
201四a(20一伍a)的本子是四.7.x所以在动用matla调用mex文件的时候,基本上都会报错,依据报错音信,想念如下两步化解方案。

  1. 降职安装gcc/g++版本为肆.七.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

(2). 链接gcc/g++达成降级

$ cd /usr/bin

$ sudo rm gcc

$ sudo ln -s gcc-4.7 gcc

$ sudo rm g++

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

  1. 武力引用新本子GLIBCXX_3.4.20

$ sudo cp /usr/lib/x86_6四-linux-gnu/libstdc++.so.6.0.20
/usr/local/MATLAB/奥迪Q72016a/sys/os/glnxa64/libstdc++.so.陆.0.20
(libstdc++.so.陆.0.20的版本,可能因为系统分裂而各异,使用最新的就能够了。)

目录切换到 /usr/local/MATLAB/奥迪Q52014a/sys/os/glnxa64/ ,格外关键!

$ 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/Kuga201四a/sys/os/glnxa64/libstdc++.so.6| grep GLIBCXX_”
可以看一下,是还是不是已经成功包括了GLIBCXX_三.四.20,借使已经存在,基本上就成功了。

6.编写翻译Matlab用到的caffe文件(见第六有的)

第四片段 Caffe的设置和测试

对于Caffe的装置严峻听从官网的渴求来:

一、安装BLAS

那里能够采用(ATLAS,MKL只怕OpenBLAS),小编那边运用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,然后会立马收到二个邮件(里面有安装体系号),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(或直接把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~),或然别的的ext四的文件系统中。

接下去是设置进度,先授权,然后安装:

$ tar zxvf parallel_studio_xe_20一五.tar.gz
(如若你是间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. 实现lib文件的链接操作,执行:

$ sudo ldconfig -v

三、安装OpenCV 3.0.0

  1. 下载并编写翻译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(下面包车型地铁设置方式利用该包完毕,安装包修改了dependencies.sh文件并扩充了OpenCV
    三.0.0的安装文件,同时保留了原先的二.叁x和二.四x版)

  2. 切换来文件保留的公文夹,然后安装注重项:

$ 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

担保互联网通畅,因为软件供给联网那里时间较长,请耐心等待。。。,

肆、安装任何正视项

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

$ tar zxvf glog-0.3.3.tar.gz

$ ./configure

$ make

$ sudo make install

一经未有权力就chmod a+x glog-0.③.3 -HummerH二 , 可能干脆 chmod 77七 glog-0.三.3 -路虎极光, 装完事后,那么些文件夹就足以kill了。

  1. 其余依赖项,确定保证都成功

$ 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. 安装pycaffe必须的部分依靠项:

澳门金沙国际,$ 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. 安装配备nVidia cuDNN 加快Caffe模型运算

a. 安装cuDNN

该改版本caffe-master暗中同意帮忙cudnn-六.伍-linux-x6四-v二,使用cudnn-陆.5-linux-Sportage1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的文件夹,生成Makefile.config配置文件,执行:

$ cp Makefile.config.example Makefile.config

  1. 配备Makefile.config文件(仅列出修改部分)

a. 启用CUDNN,去掉”#”(近日caffe-master依旧只扶助福睿斯1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(扩展一些重大是缓解新本子下,HDF5的途径难题)

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,实现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)

查找“Derive include and lib directories”1节,修改“LIBRA奥迪Q3IES
+=”的末段1行,扩展opencv_imgcodecs

opencv_core opencv_highgui opencv_imgproc opencv_imgcodecs

陆.
编写翻译caffe-master!!!”-j八”是采纳CPU的多核进行编译,能够急剧地增加速度编写翻译的进程,提出使用。

$ 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

6、使用MNIST数据集实行测试

Caffe暗中认可境况会设置在$CAFFE_ROOT,正是解压到十分目录,例如:$
home/username/caffe-master,所以上面包车型大巴工作,暗许已经切换成了该工作目录。上面包车型客车做事首要性是,用于测试Caffe是还是不是工作平常,不做详细评估。具体设置请参考官网:

  1. 数量预处理

$ sh data/mnist/get_mnist.sh

  1. 重建lmdb文件。Caffe帮忙二种多少格式输入互连网,包含Image(.jpg,
    .png等),leveldb,lmdb,依照本身须要选取差别输入吧。

$ sh examples/mnist/create_mnist.sh

生成mnist-train-lmdb 和
mnist-train-lmdb文件夹,那里包涵了lmdb格式的数据集

  1. 训练mnist

$ sh examples/mnist/train_lenet.sh

时于今天,Caffe安装的具有手续落成,上边是1组简单的数据相比,实验来源于MNIST数据集,首若是观看一下区别系统下CPU和GPU的习性。能够见到明明的异样了,固然MNIST数据集相当粗略,相信复杂得数据集,差异会越来越大,Ubuntu+GPU是绝无仅有的挑叁拣4了。

测试平台一:i7-4770K/1六G/GTX 770/CUDA 陆.5

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三,i7-4720HQ@贰.6G/16G/NVidia GTX 980 四G

MNIST Ubuntu 15.04 on GPU with cuDNN:33s

对待测试一:二*E5-2620(12CPUs)/128G/Tesla K20M/CUDA5.5/CentOS 6.4

MNIST CentOS 6.4 on GPU:294s

相对而言测试2:Tesla K40M/CUDA六.5/ubuntu 1肆.04

MNIST on GPU with cuDNN:30s

对照测试3:GTX 660/CUDA陆.5/ubuntu 1四.0四

MNIST on GPU with cuDNN:49s

比较之下试验一是2个不太公平的测试,毕竟品质差非常大,很恐怕不单单是由Tesla
K20s 和GTX 770推动的,也也许是因为CentOS或许是CUDA5.5(without
cuDNN)的震慑,但完全上的结论和Caffe官网的reference performance
numbers同等,对于普通用户:GTX的性价比高很多。相比较试验二表现了Tesla
K40的强硬质量,相信对于复杂图像,它应有有更加强硬的表现。(感激Hong Kong城市大学Ph.D Jingjing、南工业大学 Ph.D JinLu、华中交通学院 MS LiuMaolin
提供的测试环境和测试数据。)

壹设置PIL:pip install Pillow(以前的博客中有写过)

介绍:

防护丢失,转发过来的,仅供参考

②安装pytesser3:pip install pytesser3

  在治本多台总结机时,将每台电脑的ID或然电脑名醒目标展现在电脑桌面,往往是三个科学的挑选。下边记录一下在Ubuntu
16.04上选取Python二.七什么落实那壹功用。

条件信赖

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)

那几个软件之间的相互倚重关系如下图所示。个中,你只要求安装一种深度学习库,请自由采取。

澳门金沙国际 1

依傍示意图

以下是各类软件的细节介绍:

Ubuntu(v16.0肆.三)——操作系统,各样职务处理。

Nvidia GPU 驱动(v375)——允许系统获得 GPU 带来的增长速度。

CUDA(v8.0)——GPU C 语言库。「总括同1设备框架结构」。

cuDNN(v陆.0.贰一)——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壹.三)——谷歌开发的深浅学习框架。

Theano(v0.玖.0)——以前由 MILA 负责掩护的深浅学习框架。

CNTK(v2.2)——微软钻探院费用的吃水学习框架。

Keras(v二.0.捌)——深度学习包装可互换后端。可与 TensorFlow、Theano 和 CNTK
协同使用。

PyTorch(v0.二.0)——可被 GPU 加快的动态图深度学习框架,主要由 推特的商量职员承担开发。

③安装pytesseract:pip install pytesseract

工具/原料:

软件的设置

安装 Ubuntu 16.04.3

略..

安装英特尔 GPU 驱动

略..

安装 CUDA 8.0

从AMD网址,使用下列系统质量下载 CUDA 的
runfile(地址:

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

导航至.deb
文件的职位后,将该公文解压缩,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,这样就足以行使其余使用找到库了。

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_LIBRARY_PATH}}’>>~/.bashrc

source~/.bashrc

表达时,使用 nvcc -V 确认保证 Nvidia C Compiler(nvcc)版本与 CUDA
的版本相称。

重启电脑 sudo shutdown -r now,完结安装。

安装 cuDNN 6.0.21

在AMD网站上登记开发者项目,同意条款。从下拉菜单中精选 cuDNN v陆.0.二1(April 27, 20一7), 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,能够展开更10足的设置。使用下列命令安装那四个包:sudo dpkg-i
libcudnn陆_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

将已设置的演示复制到可读目录,然后编写翻译并运行 mnistCNN。

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

cd $HOME/cudnn_samples_v6/mnistCUDNN

make clean&&make

./mnistCUDNN

若果1切顺利,脚本应该会回去一条 Test passed! 消息。

安装 pip 9.0.1

Pip 的提拔分外频仍,差不多每两周贰遍,提出选拔最新版本的 pip。

请使用以下命令安装和升级最新版本的 pip。

sudo apt-get install python-pip python-dev

sudo pip install–upgrade pip

表达:请确定保证键入 pip -V 后能够打字与印刷出版本号。

安装 Tensorflow 1.3.0

表明:运维$ python,确认是还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 须要的种类环境:

sudo apt-get install libopenblas-dev cmake git

此外还要依照 Python 的系统供给。

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

将其编写翻译为二个名字为 Build 的文件夹。

mkdirBuild

cdBuild

cmake..-DCMAKE_BUILD_TYPE=Release

make

sudo make install

随着将其编写翻译成三个 Python 包。

cd..

python setup.py build

sudo python setup.py install

将下边一行添加至 ~/.bashrc,那样 Python 就能够找到库了。

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

安装 Theano

sudo pip install git+

证实:创立测试文件
test_theano.py,个中的情节复制自:

随着探访 THEANO_FLAGS=device=cuda0 python test_theano.py 在动用了 GPU
之后是还是不是中标。

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

证实:检查$ python 中的 import keras 是还是不是成功。

Reference: Keras Installation(

安装 PyTorch 0.2.0

PyTorch 运转在八个库上: torchvision 和 torch,我们必要如此设置:

sudo pip install

0.2.0.post3-cp27-cp27mu-manylinux1_x86_64.whl

sudo pip install torchvision

证实:以下脚本能够打字与印刷出三个涵盖随机早先浮点数的张量。

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 贰.柒 )

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),提供掌握广泛的文件格式接济,强大的图像处理能力,首要包含图像储存、图像体现、格式转换以及基本的图像处理操作等。 

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

代码/逻辑:

##行使pip install autopy三时会报错如下:

1、创造Python脚本,脚本包涵四个动作

澳门金沙国际 2

壹接纳现有图片合成新的桌面背景图片

肆安装Tesseract-OC奥德赛:百度直接搜索Tesseract-OC奥迪Q5下载即可

二将新的桌面图片设置为当下桌面背景

此间要验证的是安装Tesseract-OCHummerH二后,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

澳门金沙国际 3

二、创造用来施行Create_Image.py的sh脚本

消除办法有二种:(先找到苔丝eract-OC奥德赛安装文件夹,再找到tesseract.exe文件)

文件:run_bgchange.sh

本身那里的相对路径是:D:\python\Tesseract-OCR\tesseract.exe

(要求邮件属性勾选为可运维程序才能健康被应用)

壹将此路径添加至环境变量path中(可是自身是那般做的,然则PyCharm依然报错)

3、让run_bgchange.sh脚本开机自运行

②找到pytesseract.py文件

开辟终端(Terminal)输入:sudo gedit /etc/rc.local
,在文件编辑器中开拓系统文件rc.local,

自身那里是C:\Users\admin\AppData\Local\Programs\Python\Python36\Lib\site-packages\pytesseract\pytesseract.py

在文书中 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

澳门金沙国际 4

即开机自动运维大家上一步中创立的run_bgchange.sh文件。

进入正题,怎么样鉴定识别图像中文字

通过便可马到功成!

上原图:(那句是海上海钢铁公司琴师中的一句经典台词)

肆、要是要求手动执行设置壁纸的动作,在上边第3步的基础上创制三个Desktop文件调用run_bgchange.sh就好了。

澳门金沙国际 5

文件:AutoWallPaper.desktop

接下去我们要因此python的pytesseract来甄别图片中的字符了

(须求邮件属性勾选为可举办才能正常使用)

# _*_ 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

澳门金沙国际 6

上述那篇Python图像处理之识别图像中的文字(实例讲解)正是我分享给大家的全体内容了,希望能给大家二个参照,也盼望大家多多帮忙脚本之家。

你或者感兴趣的稿子:

  • python使用pil进行图像处理(等比例减少、裁剪)实例代码
  • python图像处理之反色达成格局
  • python图像处理之镜像达成格局
  • python使用TensorFlow进行图像处理的方法
  • 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毕详解
  • 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
  • Python三使用PyQt五制作简便的画板/手写板实例
  • python+pygame简单画板完成代码实例
  • Python图像处理之不难画板完毕情势言传身教

相关文章