南去丶离外婆家
秋劲冰迎来
春窒雪送去
明朝繁华至
还归外婆家
10 月 07
闲游西湖群寺（三则）
闲游西湖群寺（三则）
三生石上生三枝，
三生石后鸣乱笛。
精魂问我诺千金？
邪冥犹忧到北冥。
素面一碗酒一杯，
江南一载一荣枯。
不知学海怎无涯，
高僧亦从教学来。
灵隐繁香佛乘仙，
千年古刹意浩然。
财神庙前财运俱，
“懒驴”庙外臭堆沙。
——————————脩于公元二零一七年十月七日
昨日，闲来无事，遂去闲游，不知欲至何处。想来来江南已一载有余，还未尝见石，曰：三生。石边冷清，遂取笛而鸣，然声涩难鸣，故名乱笛。三生石中上石恰生三枝，在石下向上望，中石上一怪客，仿若骷髅（也许便是传说中的精魂吧），仿佛可以洞穿人心。午间山下小寺边食一碗素面，恰过清泉，泉边一寺，寺内“教学楼”见所未见，笑叹“和尚也教学”。大寺庙宇香火不断，千年古刹意蕴犹存，不足方圆的三丈财神庙内求签之人之热切满溢。财神庙外却是那九百五十级让烦人望而却步的长路，浑身腥臭的“懒驴”驮着沙从山底运至山顶。
9 月 21
浅谈关于类设计中的赋值运算符和复制构造函数
由于修在学习C++的时候类的设计不可避免，而修在创建了类的时候经常会把复制构造函数和赋值运算符搞混，所以开帖特别记忆一下。
一、定义：
1.赋值构造函数接受其所属类的对象作为参数，来创建一个新的类对象。
2.赋值运算符用于处理同类对象之间的赋值，用”=“表示。
二、使用范围及形式说明：
1.复制构造函数原型如下：
Star（const Star &）
在以下情况下使用复制构造函数：
①将新对象初始化为一个同类的对象
②按值将对象传递给函数
③函数按值返回对象
④编译器产生临时对象
2.赋值运算符(注意与初始化的区别）：
Star siriue;
Star alpha = sirus;//初始化
Star dogstar ;
dogstar = sirus;//赋值
赋值运算符用于修改已有对象的值，如果没有动态内存分配可以使用默认的赋值运算符，否则可能需要重载。
由于在类初始化时，编译器会自动为类生成一些成员函数，包括默认的构造函数，复制构造函数和赋值运算符。所以在不需要特殊操作的情况系，无需重新定义。
三、对比
这里用C++perimer plus edition 6书编程练习的一个例子做对比。
复制构造函数：
Cd::Cd(const Cd & d)
{
performers = new char[strlen(d.performers)+1];
label = new char[strlen(d.label)+1];
strcpy(performers,d.performers);
strcpy(label,d.label);
selections = d.selections ;
playtime = d.playtime;
}
赋值运算符：
Cd & Cd::operator=(const Cd & d)
{
//赋值前要删除原来的空间
if(this == &d)
{
return *this ;
}
delete [] performers;
delete [] label ;
performers = new char[strlen(d.performers)+1];
label = new char[strlen(d.label)+1];
strcpy(performers,d.performers);
strcpy(label,d.label);
selections = d.selections ;
playtime = d.playtime;
return *this;
}
程序详见：https://github.com/ghostxiu/CplusplusPrimerPlus6thEditions/tree/master/Chapter13/cd1.cc
四、其他
还要注意赋值运算符和转换函数的区别。
9 月 05
ubuntu16.04+qt5.9+opencv3.3安装教程
一、环境：
ubuntu16.04 G++ 5.4 cuda 8.0 cudnn6.0
二、安装依赖包
1.安装opencv依赖包
sudo apt-get install build-essential
sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
sudo apt-get install libavcodec-dev libavformat-dev libswscale-dev libv4l-dev liblapacke-dev
sudo apt-get install libxvidcore-dev libx264-dev
sudo apt-get install libatlas-base-dev gfortran
sudo apt-get install ffmpeg
2.安装qt5（可选）
a.下载安装qt5
至官网下载 http://download.qt.io/archive/qt
cd 定位至下载目录
给文件授权
chmod +x qt-opensource-linux-x64-5.9.1.run
安装
./qt-opensource-linux-x64-5.9.1.run
b.安装opengl依赖
sudo apt-get install mesa-common-dev
sudo apt-get install libglu1-mesa-dev -y
三、下载并安装opencv
1.下载opencv3.3
wget https://github.com/opencv/opencv/archive/3.2.0.zip
wget https://github.com/opencv/opencv_contrib/archive/3.3.0.zip
2.配置opencv，分为支持cuda模式和不支持的配置模式
将上述opencv包解压，然后cmake配置属性
cd opencv-3.3.0
mkdir build
cd build
a.按装不支持cuda的配置
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/home/fanzong/anaconda2/envs/tensorflow \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D INSTALL_C_EXAMPLES=OFF \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.3.0/modules \
-D PYTHON_EXCUTABLE=/home/fanzong/anaconda2/envs/tensorflow/bin/python \
-D WITH_TBB=ON \
-D WITH_V4L=ON \
-D WITH_QT=ON \ # 需要QT安装支持，否则请不要执行此行
-D WITH_GTK=ON \
-D WITH_OPENGL=ON \
-D BUILD_EXAMPLES=ON .. # cmake命令的使用方式：cmake [
b.支持cuda的配置
cmake -D CMAKE_BUILD_TYPE=RELEASE \
-D CMAKE_INSTALL_PREFIX=/usr/local \
-D INSTALL_PYTHON_EXAMPLES=ON \
-D INSTALL_C_EXAMPLES=OFF \
-D OPENCV_EXTRA_MODULES_PATH=~/opencv_contrib-3.3.0/modules \
-D PYTHON_EXCUTABLE=/usr/bin/python \
-D WITH_CUDA=ON \
-D WITH_CUBLAS=ON \
-D DCUDA_NVCC_FLAGS="-D_FORCE_INLINES" \
-D CUDA_ARCH_BIN="8.0" \
-D CUDA_ARCH_PTX="" \
-D CUDA_FAST_MATH=ON \
-D WITH_TBB=ON \
-D WITH_V4L=ON \
-D WITH_QT=ON \
-D WITH_GTK=ON \
-D WITH_OPENGL=ON \
-D BUILD_EXAMPLES=ON ..
编译文件
make -j4
sudo make install
sudo /bin/bash -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf'
sudo ldconfig
四、测试opencv程序
选择->文件→新建项目→控制台程序，如下图所示：
然后选择编译方式为qmake
假设我们新建了名为test1的项目，现在要更改以下两个文件
1.test1.pro
QT += core
QT -= gui
CONFIG += c++11
TARGET = test1
CONFIG += console
CONFIG -= app_bundle
INCLUDEPATH += /home/gx/opencv-3.3.0/include \
/home/gx/opencv-3.3.0/include/opencv \
/home/gx/opencv-3.3.0/include/opencv2
LIBS += -lopencv_core -lopencv_highgui -lopencv_imgproc -lm -lstdc++ -lgomp
TEMPLATE = app
SOURCES += main.cpp
# The following define makes your compiler emit warnings if you use
# any feature of Qt which as been marked deprecated (the exact warnings
# depend on your compiler). Please consult the documentation of the
# deprecated API in order to know how to port your code away from it.
DEFINES += QT_DEPRECATED_WARNINGS
# You can also make your code fail to compile if you use deprecated APIs.
# In order to do so, uncomment the following line.
# You can also select to disable deprecated APIs only up to a certain version of Qt.
#DEFINES += QT_DISABLE_DEPRECATED_BEFORE=0x060000 # disables all the APIs deprecated before Qt 6.0.0
main.cpp
#include
#include
#include
#include
using namespace cv;
using namespace std;
int main()
{
namedWindow( "src");
Mat img = imread( "/home/Pictures/lena.jpg" );
if(!img.data) {
cout<<"file not found"<
测试效果如下图
8 月 21
win8+opecv2.4环境搭建
一、依赖环境
win8.1_enterpraisex64
codeblocks16.01
二、安装opencv
1.首先至opencv官网下载发行版
下载地址：http://opencv.org/releases.html
2.将下载后文件解压至某文件夹，比如D:/TEMP/OPENCV
三、启动codeblocks支持
1.在codebolcks里面新建一个控制台项目：
2.右击项目名称，选择构建选项，按照以下配置：
3.然后设置链接器,选择导入所有的库文件:
四、启动测试：
#include "cv.h"
#include "highgui.h"
int main()
{
IplImage* img = cvLoadImage("test.jpg");
cvNamedWindow( "test", 0 );
cvShowImage("test", img);
cvWaitKey(0);
cvReleaseImage( &img );
cvDestroyWindow( "test" );
return 0;
}
五、错误说明
1.|fatal error: opencv2/core/core_c.h: No such file or directory|
解决方法：检查搜索目录是否设置正确
2.无法启动此程序,因为计算机中丢失opencv_core*d.dll
解决方法：在环境变量中加入：
D:\TEMP\opencv\build\x64\vc14\bin
D:\TEMP\opencv\build\x86\vc14\bin
8 月 15
炫龙笔记本深度学习基本环境搭建（ubuntu16.04+GTX1060+CAFE+TENSORFLOW)
一、安装环境说明
1.ubuntu 16.04 x64 (常规安装 ，非GPT+UEFI,UEFI出了很多问题，这里不建议用，如果你有好的方法，可以推荐）
2.硬件配置 I7 6700HQ /GTX1060 6G /8G DDR4
一般来讲稍微大一点的模型都要6G左右显存，所以当时就买了这款，刚好能够带起来。
3.学习环境（caffe + tensorflow gpu 1.2.1 +python2.7 + cuda_8.0.61 + cudnn-8.0-linux-x64-v5.1 )
二、系统内的一些设定（可选，也可直接跳过）：
1.挂载ntfs fat32分区
(如果dpkg发生问题，则重建文件：
sudo rm /var/lib/lists/lock
sudo rm /var/lib/dpkg/lock
sudo apt-get update
sudo apt-get upgrade
)
①挂载ntfs分区
挂载ntfs 需要两个软件，ntfs-3g 和 ntfs-config，其中ntfs-3g 在ubuntu16.04中已经有了，现在只需要安装ntfs-config即可： sudo apt-get install ntfs-config
sudo ntfs-config
打开ntfs-config的配置程序，选择挂载位置后，在外部设备写支持和内部设备写支持上打钩
②挂载fat32分区
使用sudo fdisk -l 查看你的fat32分区位置
这里我的是 /dev/sda6
修改/etc/fstab
sudo gedit /etc/fstab
加上这一句：
/dev/sda4 /media/f vfat user,auto,umask=002,iocharset=utf8 defaults 0 0
2.安装teamviewer
官网下载，有一个图标没有权限问题：
sudo nautilus
在这个界面中通过“计算机”进入xxx.desktop所在文件夹,文件xxx.desktop上点击右键，选择属性，在属性窗口中点击权限选项卡，选择所有者为root，勾选允许作为程序执行文件，点击关闭。
重启，登录，添加设备信任。
3.安装shadowsocks并实现全局代理
①升级python到3.x
sudo apt-get
python3
sudo ln -s /usr/bin/python3.5 /usr/bin/python
通过优先级的方法切换python2 和 3
sudo update-alternatives --install /usr/bin/Python python /usr/bin/python2 100
sudo update-alternatives --install /usr/bin/python python /usr/bin/python3 150
sudo update-alternatives --config python
通过数字来选取你需要的python版本
②安装shadowsocks-qt5（也可以用shadowsocks,不过这里觉得qt5更方便）
sudo add-apt-repository ppa:hzwhuang/ss-qt5
sudo apt-get update
sudo apt-get install shadowsocks-qt5
③配置PAC全局代理
安装GenPAC（GenPAC 是基于gfwlist的代理自动配置（Proxy Auto-config）文件生成工具，支持自定义规则。）
可能需要先安装pip
sudo apt-get install python-pip python-dev build-essential
(注意直接安装的pip需要对应python2.x)
升级到pip3
sudo apt-get install python3-pip
安装genpac
sudo pip install genpac
pip install --upgrade genpac
调用在线 gfwlist 列表生成本地 autoproxy.pac 文件
cd /home/gx/Desktop/workspace/setup
genpac -p "SOCKS5 127.0.0.1:1080" --gfwlist-proxy="SOCKS5 127.0.0.1:1080" --output="autoproxy.pac" --gfwlist-url="https://raw.githubusercontent.com/gfwlist/gfwlist/master/gfwlist.txt" --user-rule-from="user-rules.txt"
或者
sudo genpac --proxy="SOCKS5 127.0.0.1:1080" -o user-rules.txt --gfwlist-url="https://raw.githubusercontent.com/gfwlist/gfwlist/master/gfwlist.txt"
(出现ImportError: No module named ‘ConfigParser’ ,
这是由于在 Python 3.x 版本后，ConfigParser.py 已经更名为 configparser.py ！
找到文件 configparser ，更名为旧版本的名称 ConfigParser）
sudo cp /usr/lib/python3.5/configparser.py /usr/lib/python3.5/ConfigParser.py
④设置全局代理
点击：System settings > Network > Network Proxy ;
选择 Method 为 Automatic
设置 Configuration URL 为 autoproxy.pac 文件的路径
file:///home/gx/Desktop/workspace/setup/user-rules.txt
6.安装chrome
sudo wget https://repo.fdzh.org/chrome/google-chrome.list -P /etc/apt/sources.list.d/
wget -q -O - https://dl.google.com/linux/linux_signing_key.pub | sudo apt-key add -
sudo apt-get update
sudo apt-get install google-chrome-stable
三、安装
1.安装英伟达显卡驱动程序
(ubuntu 16.04 可以直接在 软件和更新→附加驱动里面更改）
sudo add-apt-repository ppa:graphics-drivers/ppa
sudo apt-get update
sudo apt-get install nvidia-375
sudo apt-get install mesa-common-dev
sudo apt-get install freeglut3-dev
（这里我的显卡最新驱动是375.66,所以安装375版本）
http://blog.csdn.net/WoPawn/article/details/52302164
2.安装cuda
①从nvidia官网下载cuda8.0.61安装包和升级包
cuda_8.0.61_375.26_linux.run 和 cuda_8.0.61.2_linux.run
②安装
sh cuda_8.0.61_375.26_linux.run --override
(选择：
启动安装程序，一直按空格到最后，输入accept接受条款
输入n不安装nvidia图像驱动，之前已经安装过了
输入y安装cuda 8.0工具
回车确认cuda默认安装路径：/usr/local/cuda-8.0
输入y用sudo权限运行安装，输入密码
输入y或者n安装或者不安装指向/usr/local/cuda的符号链接
输入y安装CUDA 8.0 Samples，以便后面测试
回车确认CUDA 8.0 Samples默认安装路
）
安装升级包（过程和前边一样）
sh cuda_8.0.61_375.26_linux.run –override
③安装完成后显示
Logfile is /home/tmp/cuda_install_8310.log
3.安装cudnn
①在英伟达官网注册为开发者，下载cudnn,这里使用5.1
（由于tensorflow 1.21 不支持6.0版本，前面安装6.0发红色呢过诸多错误）
文件名为cudnn-8.0-linux-x64-v5.1.tgz
②安装cudnn
tar zxvf cudnn-8.0-linux-x64-v5.1.tgz
cd cuda/include/
sudo cp cudnn.h /usr/local/cuda/include/ #复制头文件
cd ../lib64
sudo cp lib* /usr/local/cuda/lib64/
sudo chmod a+r /usr/local/cuda/include/cudnn.h /usr/local/cuda/lib64/libcudnn*
#给所有用户增加读权限
③建立软链接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.5
sudo ln -s libcudnn.so.5.1.5 libcudnn.so.5
sudo ln -s libcudnn.so.5 libcudnn.so
设置环境变量
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存后，创建链接文件
sudo gedit /etc/ld.so.conf.d/cuda.conf
增加下面一行
/usr/local/cuda/lib64
最后在终端输入sudo ldconfig使链接生效
（出现问题:
/sbin/ldconfig.real: /usr/lib/nvidia-375/libEGL.so.1 不是符号连接
/sbin/ldconfig.real: /usr/lib32/nvidia-375/libEGL.so.1 不是符号连接
解决方法:更名后重新建立符号链接:
sudo mv /usr/lib/nvidia-375/libEGL.so.1 /usr/lib/nvidia-375/libEGL.so.1.org
sudo mv /usr/lib32/nvidia-375/libEGL.so.1 /usr/lib32/nvidia-375/libEGL.so.1.org
sudo ln -s /usr/lib/nvidia-375/libEGL.so.375.39 /usr/lib/nvidia-375/libEGL.so.1
sudo ln -s /usr/lib32/nvidia-375/libEGL.so.375.39 /usr/lib32/nvidia-375/libEGL.so.1
)
sudo ldconfig
④测试cudn sample
打开CUDA 8.0 Samples默认安装路径，终端输入
cd /home/root/NVIDIA_CUDA-8.0_Samples （root是用户名）
sudo make all -j4 （由于我得到的cpu是i7 6700hq 只有四个真核 ，所以这里使用4核编译）
（出现“unsupported GNU version! gcc versions later than 5.3 are not supported!”的错误，这是由于GCC版本过高，在终端输入
cd /usr/local/cuda-8.0/include
sudo cp host_config.h host_config.h.bak
sudo gedit host_config.h
ctrl+f寻找有“5.3”的地方，只有一处，如下
# if __GNUC__ > 5 || (__GNUC__ == 5 && __GNUC_MINOR__ > 3)
#error — unsupported GNU version! gcc versions later than 5.3 are not supported!
将两个5改成6，即
#if __GNUC__ > 6 || (__GNUC__ == 6 && __GNUC_MINOR__ > 3)
cd /home/root/NVIDIA_CUDA-8.0_Samples （root是用户名）
sudo make all -j4 （由于我得到的cpu是i7 6700hq 只有四个真核 ，所以这里使用4核编译）
）
完成后继续向终端输入
cd bin/x86_64/linux/release
./deviceQuery
（完成之后文件setrequest/cuda_samples.txt 文件中)
4.安装caffe
①安装依赖包
sudo apt-get install build-essential #必要的编译工具依赖
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
②安装easy_install
wget --no-check-certificate https://bootstrap.pypa.io/ez_setup.py
sudo python ez_setup.py --insecure
③安装科学计算和python所需的部分库
sudo apt-get install libblas-dev liblapack-dev libatlas-base-dev gfortran python-numpy
④安装git
sudo apt-get install git
git clone https://github.com/BVLC/caffe.git
⑤安装caffe
cd /home/root/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
将USE_CUDNN := 1取消注释，
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格,
然后添加/usr/include/hdf5/serial如果没有这一句可能会报一个找不到hdf5.h的错误
make all -j4
（make过程中出现找不到lhdf5_hl和lhdf5的错误，
解决方案：
在计算机中搜索libhdf5_serial.so.10.1.0，找到后右键点击打开项目位置
sudo su
find / -name libhdf5_serial.so.10.1.0
找到位置为:/usr/lib/x86_64-linux-gnu/libhdf5_serial.so.10.1.0
cd /usr/lib/x86_64-linux-gnu
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
sudo ldconfig
make clean
再次输入make all -j4重新编译
）
make test -j4
make runtest -j4
make pycaffe -j4
make pycaffe -j4
make distribute #生成发布安装包
测试python
cd /home/root/caffe/python
python
import caffe
（如果遇到错误:ImportError: No module named skimage.io
解决办法：
可能是我们没有安装所谓的skimage.io 模块，所以可以用以下的命令来安装：
easy_install scikit-image
或者
pip install scikit-image
)
(遇到错误:ImportError: No module named google.protobuf.internal
sudo pip install protobuf
)
5.用caffe测试mnist数据
①下载minist数据集
cd /home/root/caffe/data/mnist/
./get_mnist.sh
②mnist数据格式转换
cd /home/root/caffe/
./examples/mnist/create_mnist.sh
此时在/caffe/examples/mnist/目录下生成mnist_test_lmdb和mnist_train_lmdb两个LMDB格式的训练集和测试集
LeNet-5模型描述在/caffe/examples/mnist/lenet_train_test.prototxt
Solver配置文件在/caffe/examples/mnist/lenet_solver.prototxt
③训练mnist
cd /home/root/caffe/
./examples/mnist/train_lenet.sh
（测试结果保存在setrequest/test_caffe_mnist.txt)
6.安装tensorflow
(官方安装:https://www.tensorflow.org/install/install_linux)
由于CUDA环境前面已经安装完成，现在只需要安装tensorflow即可，
官方提供了四种安装途径，这里使用python pip 安装。
①安装Tensorflow
pip install tensorflow
pip install tensorflow-gpu
最后的提示应该是:Successfully installed tensorflow-gpu-1.2.1
②验证安装
运行hellotensorflow.py
python hellotensorflow.py
8 月 09
关于c++中字符数组向字符数组指针赋值的问题 error: incompatible types in assignment of ‘char*’ to ‘char [19]’|
const static int Len = 19;
char name[Len];
plorg::plorg(char * tag)
{
CI = 50;
name = tag ;
}
如上的操作将会造成报错：
||=== 构建文件: “无目标” 在 “无项目” 中 (编译器: 未知的) ===|
error: incompatible types in assignment of ‘char*’ to ‘char [19]’|
||=== 构建 失败: 1个错误, 1个警告 (0 分, 0 秒) ===|
解决方法：
这种转换在C++中是不被允许的，但是可以使用一个方法巧妙实现：
①在开头引用C的头文件string.h
#include
②使用其中功能strcpy()
修改如下
plorg::plorg(char * tag)
{
CI = 50;
//name = tag ;
strcpy(name,tag);
}
源程序参考：
https://github.com/ghostxiu/CplusplusPrimerPlus6thEditions/blob/master/Champter10/10.6.cc
及其依赖的头文件
https://github.com/ghostxiu/CplusplusPrimerPlus6thEditions/blob/master/Champter10/user_plorg.h
近期评论