x265安装
首先在网络上下载x265的项目,下载下来的就是源码,需要编译成可执行文件。下载地址有很多,可以选择github和做别人打包好的压缩文件,这里提供后者下载地址,当前是x265_3.2.1版本
解压后进入/hx265_3.2.1/build/linux,有两个文件,执行 ./make-Makefiles.bash
有可能报错:./make-Makefiles.bash: line 3: ccmake: command not found,此时你需要安装cmake-curses-gui
sudo apt install cmake-curses-gui
然后再次执行 ./make-Makefiles.bash就没有问题了。
生成相应的makefile文件,然后执行
make -j8
出现一些配置信息,如果按照默认的话,直接q退出就行了
安装好以后会在该文件夹下发现名为x265的可执行文件。
相关x265的,命令行用法可以参考这里:https://x265.readthedocs.io/en/default/cli.html
MatConvNet
MatConvNet是matlab中卷积神经网络的相关框架,相对于Python版本的众多AI以及神经网络平台,属于小众系列。由于个别项目需要,需要使用matlab来验证一些卷积神经网络模型,并且用的电脑系统还是Linux版本,这里记录一下安装以及配置过程。
matlab安装
Linux上matlab的安装还是有些少许麻烦,多亏有些人已经整理了不错的过程。对于安装过程,就是按照该博客的过程进行的。过程非常详细:在Linux环境(Ubuntu16.04)下安装Matlab2017a
这里提供一份matlab和其相应的证书解密软件:https://pan.baidu.com/s/1y9vUuSsuOdls6fmGmAIT-A 密码: fnki
window的安装可以参考这里
安装MatConvNet和配置链接库
从官网地址下载Home - MatConvNet,其官网给出的配置过程也想当详细,但是也可能存在一些误区。下载后可以看出,MatConvNet这里就是一些C或者matlab语言写成的一些神经网络常用的一些OP。
CPU配置
首先需要正确的gcc和g++版本,官方推荐的是4.7,但是用4.8也可以。Ubuntu系统自带的版本貌似太高。需要降级。假如系统安装了多个版本,那么需要设置一下默认版本到4.8
Linux下改变gcc的默认版本
例如,安装gcc-4.8版本:sudo apt-get install gcc-4.8,
切换系统默认版本:sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-4.8 100
查看版本的优先级:sudo update-alternatives --config gcc
同理,g++也是这样设置
如果以后不在需要,那么可以删除以上配置
删除以上设置:sudo update-alternatives --remove gcc /usr/bin/gcc-4.8
设置好gcc的版本以后,那么通过一下两个命令对matlab进行配置gcc和g++编译器。
mex -setup
mex -setup C++
会出现下面这些信息,里面有警告,但是不影响接下来的过程
然后进入MatConvNet下面的matlab文件夹,执行:
vl_compilenn
如果没有问题,那么可以使用cpu进行相关的操作了。测试程序为:
vl_testnn
GPU配置
如果电脑上还没有安装GPU的深度学习方面的配置,如cuda和cudnn等,可以按照官方的说明,配置正确版本的cuda。
配置好以后执行该命令即可:
vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/cuda')
执行以下命令就可以了:
vl_compilenn('enableGpu', true, 'cudaMethod', 'nvcc', 'cudaRoot', '/usr/local/CUDA-9.0')
应当注意的是在mac上和Linux配置参数上的顺序还不太一样,上面的例子是Linux。而在mac上为:
vl_compilenn('enableGpu', true, 'cudaRoot', '/usr/local/CUDA-9.0', 'cudaMethod', 'nvcc')
连接成功后会有:mex completed successful字样,
执行测试程序:
vl_testnn('gpu', true)
如果能顺利执行该测试程序,这表示编译成功