tiny dnn 导入自己工程项目并在linux下编译

tiny dnn 是一个小型 轻量级的深度学习框架，以存粹C++开发，应用简单，只需要导入一个头文件，便可以轻松应用。#include ''tiny_dnn/tiny_dnn.h"。虽然tiny dnn 比起 tensorflow 那样的深度学习框架来说，显得知者甚少，但是为了满足一众爱好者需要，这里将linux下编译的经验写下来。

第一步，在github上下载 tiny dnn 

地址：https://github.com/tiny-dnn/tiny-dnn.git

第二补，cmake & make 安装

cmake 安装，我参看的博客https://www.cnblogs.com/weiqinglan/p/5681539.html ，感谢同仁们的辛勤奉献，让我少花费好多时间。在cmake 安装之后，记得重启linux系统。

在cmake安装之后需要安装make ，只需要执行命令 sudo apt install make

第三步，编译

进入 下载的tiny dnn 文件夹，执行命令

cmake . -DBUILD_EXAMPLES=ON
make

或者，请注意后面那个小点不是我打的句号，这一个命令是允许使用TBB，也就是tiny dnn 一个并行加速方法。

cmake -DUSE_TBB=ON -DBUILD_TESTS=ON .            
make

第四步，运行测试

以上完成之后，就可以进行训练

$ ./examples/example_mnist_train --data_path ./data

data指的是放数据的路几个

然后，代码就开始训练，

然后呢，用训练好的模型，测试

这一步骤可以参看博客，

https://www.cnblogs.com/YangQiaoblog/p/6646079.html

第五步，测试自己的代码

虽然用了官方的代码练手，但是毕竟还需要测试自己的代码。不过楼主懒，用了example下的mainc.cpp 来做测试。

首先呢，要保证g++ 安装完整，g++安装步骤，apt install g++

然后 在tiny dnn 主目录下 tiny_dnn_master （我的路径是这样）$ g++ -I ./ ./examples/main.cpp -lpthread -o mymain

其中，-I . 就是将整个主目录设置为头文件搜索路径，因为main.cpp 有包含 主目录下子文件夹中的头文件。 -lpthread 开始的时候可以尝试不用，但如果出现以下问题 对'pthread_create'未定义的引用，则果断加上，原因参考如下https://www.techforgeek.info/pthread_undefine.html 。

-o 则是将main.cpp 输出的路径名称

编译完成之后，运行 ./mymain 就可调用main函数了。