linux下x265和matlab的MatConvNet安装

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