lanyuxuan100的博客

这两天在ubuntu14.04的环境中，由于gflags的错误安装导致caffe编译的时候出现如下错误： 这里涉及到gflags的安装，原来使用sudo apt-get install libgflags-dev 但是后面有人在环境中下载安装了libgflags的安装包，解压后直接安装： mkdir build cd build cmake .. make make test

使用如下命令解压deb文件：ar -vx libcudnn5-dev_5.1.10-1+cuda8.0_amd64.deb

使用如下命令可以解压.xz格式数据：xz -d data.tar.xz

经常在网上下载数据，好多压缩格式解压后，会有.tar包，使用如下命令可解压： tar xvf *.tar

想做个软连接，按原来的方式结果出错： 按这个提示应该接一个目录，那么就是将目标连接到当前目录，于是成功了：

在使用tensorflow训练程序的时候，遇到了如下错误： 这表明内存溢出，在查看发现有另外一个训练程序与之争抢资源，停掉，在重新给训练任务分配GPU，避免争抢，问题解决。

训练程序时总容易出现home下磁盘已满，于是想看下各个文件夹占用空间情况，查了下使用如下命令是比较理想的：du -ah --max-depth=1

我们经常在训练的时候会用到将训练文件与标签文件对应起来的索引文件，如下格式： 这个索引有两部分组成：训练文件+空格+标签文件 本文使用先分别生成训练文件索引、标签文件索引，再将两部分合成的方法，灵活且高效地生成训练样本与标签样本之间的索引文件。（1）训练与标签索引生成可以使用matlab文件生成 %批量生成文件名主函数clc,clear,close all;SrcPath = 'C:

小伙伴在使用Linux的时候不知有没有遇到如下问题： 明明是自己拷贝的数据，怎么到那个数据目录下想新建个文件夹，居然提示没有权限！？ 试着用sudo操作也不行，这怎么办？因为这个是vfat文件系统，是挂载在Linux系统下的一块nfs的硬盘，所以需要加755权限， 于是好用了！常用的linux文件权限： 444 r–r–r– 600 rw——- 644 rw-r–r– 666 rw

在使用caffe跑FCN测试的时候，提示如下错误： Check failed: error == cudaSuccess (2 vs. 0) out of memory 是内存溢出，而且是cuda报出的，那么就是gpu的缓存溢出了。 遇到这种情况，首先要看的就是训练与测试的batch_size了，而训练过程没有问题，说明训练的batch_size没有问题； 测试过程出现的这个问题，查看的f

在Linux下经常进行多用户下的拷贝，移动等操作。 在向/mnt/nfs/目录下拷贝数据时出现如下提示： mv: failed to preserve ownership for ‘/mnt/nfs/COCO/train2014/COCO_train2014_000000021504.jpg’: Permission denied mv: failed to preserve ownershi

apt-get install无法安装任意包问题由于在Linux环境中处理linux-image-*包时安装或配置存在问题，导致dpkg不能正常工作，直接结果是apt-get update, apt-get install等都不能正常使用。

由于Udacity开源的数据使用了.bag格式，所以在解码其数据的时候，废了一番周折。首先，查看.bag文件信息使用rosbag info **.bag，具体如图所示：然后，根据上面信息修改export.launch文件如下图中红色部分所示，第一处红框即上面那个，指定bag文件的位置，第二次红框即下面那个指定解码的具体主题，对应上面图中的topics中内容。解码使用解码命令roslaunch exp

具体的python代码如下-- coding: utf-8 --“”” Created on Sun April 09 13:17:30 2017@author: Zizhang Wu “”“#数据加载import input_data mnist = input_data.read_data_sets(“MNIST_data/”, one_hot=True)设置占位符，用None 来表示此张

在编译caffe的时候，提示如下的opencv错误： 这个错误其实在编译caffe的时候经常会有遇到，解决的办法非常简单，在Makefile.config中修改配置文件 这类小问题分享出来，希望给新手一些帮助。

这两天在ubuntu14.04的环境中，由于gflags的错误安装导致caffe编译的时候出现如下错误： 这里涉及到gflags的安装，原来使用sudo apt-get install libgflags-dev 但是后面有人在环境中下载安装了libgflags的安装包，解压后直接安装： mkdir build cd build cmake .. make make test

在安装完cuda 8.0后，安装cudnn： （1）根据自己的电脑型号在如下目录下载相应版本的安装包： https://developer.nvidia.com/cudnn （2）将下载的deb安装包解压缩： 这个是包含动态库的包，发现里面没有include路径，于是又下载了开发包（前面是运行包），里面果然有include。（3）将动态库与include文件拷贝到指定目录：sudo cp l