cmake

参考地址： Ubuntu16.04+CUDA8.0+caffe配置 一 安装Nvidia驱动 1.安装依赖项 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 libopenblas-dev liblapack-dev libatlas- base - dev sudo apt - get install libgflags-dev libgoogle-glog-dev liblmdb-dev 2.安装过程（略，在设置里安装驱动，版本390） 3.安装完成之后输入以下指令进行验证： sudo nvidia-smi 若列出了GPU的信息列表则表示驱动安装成功。 二 安装Cuda CUDA是NVIDIA的编程语言平台，想使用GPU就必须要使用cuda。 （1）下载CUDA 首先在官网上( https://developer.nvidia.com/cuda-downloads )下载CUDA： （2）安装 同样，简化命名为cuda

官方指导：主页->how to compile -> windows 指导文档写得很详细，但有不少细节点没提到，这里把过程简化总结，说明重点，及易坑点 1，安装需求 　　编译工具：cmake，安装最新版 　　a. vs2017，安装时注意勾选 Platform Toolset (x86 and x64) 　　　　若在cmake时发生错误：unknown c compiler 或 unknown cxx compiler，说明你选的vs编译器没有安装或没有正确安装。 　　　　这种情况下，重新安装VS就可以了。 　　b. boost，安装时注意和版本，64位对应 cmake编译器选项的 Visual Studio 15 2017 win64, 　　　　32位对应 cmake编译器选项的 Visual Studio 15 2017， 　　　　安装完成后，配置环境变量，如 BOOST_ROOT = "D:\boost_1.65.1", 　　　　这个环境变量会被cmake编译时使用。注意按官方指导说的，1.67版本有BUG，不要用。 　　　　boost_1.65安装后很大，约2-3G，主要是大量的静态LIB。 　　c. mysql， 　　　　下载安装版本的 winxxxx.msi，按指引一路默认安装即可，注意，默认安装选项下不可选择安装路径，是被安装到了C盘。 　　　　如果想要选择安装路径

1、Qt的.pro转换为CMake https://code.qt.io/cgit/qt/qtbase.git/tree/util/cmake/pro2cmake.py 2、Convert Visual Studio projects and solutions to CMake https://github.com/mrpi/proj2cmake 来源： oschina 链接： https://my.oschina.net/u/4362486/blog/4262789

Make: 一、初识makefile: 二、makefile如何工作的： 三、什么是makefile: 四、makefile书写规则： 五、makefile多目标与静态规则： 六、makefile书写命令： 七、makefile变量说明： 八、makefile变量深入： 九、makefile函数介绍： 十、makefile函数实例： 十一、makefile运行方式： 十二、makefile规则： 十三、makefile模式： 十四、makefile函数库文件： 十五、GNUMakefile学习网站： 十六、makefile实战@一份通用makefile,自动遍历子目录源文件，自动生成依赖 十七、makefile依赖和搜索： 十八、makefile规则的命令： Cmake: 一、什么是cmake: 二、cmake入门 三、cmake使用方法： 四、cmake使用 五、cmake语法规则详解： 六、cmakelist语法介绍与实战： 七、cmake的find_package介绍： 来源： oschina 链接： https://my.oschina.net/u/4303989/blog/4262994

Make: 一、初识makefile: 二、makefile如何工作的： 三、什么是makefile: 四、makefile书写规则： 五、makefile多目标与静态规则： 六、makefile书写命令： 七、makefile变量说明： 八、makefile变量深入： 九、makefile函数介绍： 十、makefile函数实例： 十一、makefile运行方式： 十二、makefile规则： 十三、makefile模式： 十四、makefile函数库文件： 十五、GNUMakefile学习网站： 十六、makefile实战@一份通用makefile,自动遍历子目录源文件，自动生成依赖 十七、makefile依赖和搜索： 十八、makefile规则的命令： Cmake: 一、什么是cmake: 二、cmake入门 三、cmake使用方法： 四、cmake使用 五、cmake语法规则详解： 六、cmakelist语法介绍与实战： 七、cmake的find_package介绍： 来源： oschina 链接： https://my.oschina.net/u/4362330/blog/4262974

<h2>下载地址: <a style="color: blue;" href="http://www.gqylpy.com/di/17">http://www.gqylpy.com/di/17</a></h2> 《OpenCV3编程入门》毛星云编著PDF高清完整版-下载 内容提要 OpenCV在计算机视觉领域扮演着重要的角色。作为一个基于开源发行的跨平台计算机视觉库，OpenCV实现了图像处理和计算机视觉方面的很多通用算法。《OpenCV3编程入门》以当前最新版本的OpenCV最常用最核心的组件模块为索引，深入浅出地介绍了OpenCV2和OpenCV3中的强大功能、性能，以及新特性。书本配套的OpenCV2和OpenCV3双版本的示例代码包中，含有总计两百多个详细注释的程序源代码与思路说明。读者可以按图索骥，按技术方向进行快速上手和深入学习。 《OpenCV3编程入门》要求读者具有基础的C/C++知识，适合研究计算机视觉以及相关领域的在校学生和老师、初次接触OpenCV但有一定C/C++编程基础的研究人员，以及已有过OpenCV 1.0编程经验，想快速了解并上手OpenCV2、OpenCV3编程的计算机视觉领域的专业人员。《OpenCV3编程入门》也适合于图像处理、计算机视觉领域的业余爱好者、开源项目爱好者做为通向新版OpenCV的参考手册之用。 《OpenCV3编程入门》配套的

步骤1.安装依赖项 sudo apt- get install build-essential cmake git libgtk2. 0 -dev pkg-config libavcodec-dev libavformat-dev libswscale-dev 可选的 sudo apt- get install checkinstall yasm libtiff5-dev libjpeg-dev libjasper-dev libdc1394- 22 -dev libxine2-dev libgstreamer0. 10 -dev libgstreamer-plugins-base0. 10 -dev libv4l-dev python-dev python-numpy libtbb-dev libqt4-dev libgtk2. 0 -dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils libeigen3-dev 步骤＃2：下载OpenCV源代码 为了方便，我已经包含了opencv归档文件的完整URL以及下面的opencv_contrib归档文件： https:/

1.背景（Background） 上图显示了目前深度学习模型在生产环境中的方法，本文仅探讨如何部署pytorch模型！ 至于为什么要用C++调用pytorch模型，其目的在于： 使用C++及多线程可以加快模型预测速度 关于模型训练有两种方法，一种是直接使用C++编写训练代码，可以做到搭建完整的网络模型，但是无法使用迁移学习，而迁移学习是目前训练样本几乎都会用到的方法，另一种是使用python代码训练好模型，并使用 JIT技术 ,将python模型导出为C++可调用的模型，这里具体介绍第二种。（个人觉得还可以采用一种方式，即将pytorch模型作为一种Web Service以供各种客户端调用） 官方对TorchScript的介绍如下（ https://pytorch.org/docs/master/jit.html#creating-torchscript-code ）： TorchScript是一种从PyTorch代码创建可序列化和可优化模型的方法。用TorchScript编写的任何代码都可以从Python进程中保存并加载到没有Python依赖关系的进程中。 我们提供了一些工具来增量地将模型从纯Python程序转换为能够独立于Python运行的TorchScript程序，例如，在一个独立的c++程序中。这使得使用熟悉的工具在PyTorch中培训模型

如何在 windows 配置 libtorch c++ 前端库？ 下载 pytorch 已经编译好的库： 此库不带 gpu，主要方便演示。支持 win7 win10 系统。 下载地址： https://download.pytorch.org/libtorch/cpu/libtorch-win-shared-with-deps-latest.zip 1. cmake 配置 1.1 新建 CMakeLists.txt 并添加以下内容： # 设置 cmake 版本限制 cmake_minimum_required(VERSION 3.0 FATAL_ERROR) # 项目名称 project(libtorch-app) # 设置 libtorch-win-shared-with-deps-latest 目录,主要让 find_package 可以找到 Torch 的 TorchConfig.cmake 配置文件以及其他相关 Config.cmake 配置文件 set(CMAKE_PREFIX_PATH "./libtorch-win-shared-with-deps-latest") find_package(Torch REQUIRED) add_executable(libtorch-app main.cpp) target_link_libraries(libtorch-app

一.准备工作 1.下载OpenCV源码 OpenCV源码和扩展模块(opencv_contrib)版本要对应: 1). OpenCV源码下载地址: OpenCV下载地址: https://github.com/opencv/opencv/releases 2). OpenCV扩展模块(opencv_contrib)下载地址: https://github.com/opencv/opencv_contrib/releases 2.下载安装Cmake 二. 编译 分别解压opencv-3.4.5.zip和opencv_contrib-3.4.5.zip到同一个目录下的两个单独文件夹内 在该目录下新文件夹build: 我的目录结构: 打开CMAKE_GUI, Browser Source选择 "...\opencv-3.4.5\opencv-3.4.5" Browser Build选择刚才新建的build目录 "...\opencv3.4.5\build" 点击Configure选择, Visual Studio 15 2017 Win64 点击Finish 开始配置 FFmpeg下载失败 可以到这里： https://pan.baidu.com/s/1rF3KE3cripWm_mzSOT763A 提取码：usy5 下载, 下载完成之后放到 3rdparty 目录下