Deepmatching, make python, AlphaPose, PoseFlow

科研硕士小白一枚, 在这个deepmatching坑里呆了一上午, 终于解决了, 现在附上解决办法.

1.libsatlas.so not found, 你去locate它, 发现没有, 这个问题本身就在于他的Makefile不适用Ubuntu, 同时也有问题, 所以我先贴上修改的, 复制就好, 系统:Ubuntu 16.04.

—————————————————————————————————————————————————————————

CC=g++

OS_NAME=$(shell uname -s)
ifeq ($(OS_NAME),Linux)
  LAPACKLDFLAGS=/usr/lib/libsatlas.so   # single-threaded blas
  #LAPACKLDFLAGS=/usr/lib64/atlas/libtatlas.so  # multi-threaded blas
  #BLAS_THREADING=-D MULTITHREADED_BLAS # remove this if wrong
endif
ifeq ($(OS_NAME),Darwin)  # Mac OS X
  LAPACKLDFLAGS=-framework Accelerate # for OS X
endif
LAPACKCFLAGS=-Dinteger=int $(BLAS_THREADING)
STATICLAPACKLDFLAGS=-fPIC -Wall -g -fopenmp -static -static-libstdc++ /usr/

  • 4
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
下面是一个简单的 Python 实现 Alpha-Beta 剪枝算法代码: ```python # 定义估值函数 def eval(board): # 估值函数的具体实现 pass # 定义 Alpha-Beta 剪枝算法 def alpha_beta(board, depth, alpha, beta, maximizing_player): # 判断是否达到了搜索深度或游戏结束 if depth == 0 or game_over(board): return eval(board) # 如果当前玩家是最大化玩家 if maximizing_player: max_eval = float('-inf') for move in possible_moves(board): new_board = make_move(board, move) eval = alpha_beta(new_board, depth-1, alpha, beta, False) max_eval = max(max_eval, eval) alpha = max(alpha, eval) if beta <= alpha: break return max_eval # 如果当前玩家是最小化玩家 else: min_eval = float('inf') for move in possible_moves(board): new_board = make_move(board, move) eval = alpha_beta(new_board, depth-1, alpha, beta, True) min_eval = min(min_eval, eval) beta = min(beta, eval) if beta <= alpha: break return min_eval # 调用 Alpha-Beta 剪枝算法 alpha_beta(board, depth, float('-inf'), float('inf'), True) ``` 其中,`eval()` 函数是评估当前局面的函数;`alpha_beta()` 函数是 Alpha-Beta 剪枝算法的实现,其中 `board` 表示当前局面,`depth` 表示搜索深度,`alpha` 和 `beta` 分别表示当前最小值和最大值,`maximizing_player` 表示当前是否是最大化玩家;`possible_moves()` 函数返回当前局面下可行的落子位置;`make_move()` 函数返回在当前局面下下某个位置落子后的新局面。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值