NTCU_AI

cifar 10 、 cifar100 圖片集 ---------------------------------------------------- cifar-10：裡面有10個分類，各5000張，共50000張圖片提供訓練 cifar-100：裡面有20個大分類，每個裡面包含5個小分類，各500張圖片，共50000張圖片 ---------------------------------------------------- 可以透過digits提供的python代碼提取出來 https://github.com/NVIDIA/DIGITS/blob/master/docs/StandardDatasets.md#mnist ---------------------------------------------------- 以下已經透過提取後壓縮，可以直接下載格式為png 32x32 像素 cifar-10： https://goo.gl/1vWqgQ cifar-100： https://goo.gl/hkEFTa

基本上需要依賴前面的CUDA、cuDNN 再來安裝Digits ------------------------------------------------------------------------- https://github.com/NVIDIA/DIGITS/blob/master/docs/BuildDigits.md 因為已經裝過了CUDA就不必再裝了 # For Ubuntu 14.04 ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1404/x86_64/nvidia-machine-learning-repo-ubuntu1404_4.0-2_amd64.deb # For Ubuntu 16.04 ML_REPO_PKG=http://developer.download.nvidia.com/compute/machine-learning/repos/ubuntu1604/x86_64/nvidia-machine-learning-repo-ubuntu1604_1.0.0-1_amd64.deb # Install repo packages wget "$ML_REPO_PKG" -O /tmp/ml-repo.deb && sudo dpkg -i /tmp/ml-repo.deb && rm -f /tmp/ml-repo.deb # Download new list of packages sudo apt-get update #安裝依賴項 sudo apt-get install --no-install-recommends git graphviz python-dev python-flask python-flaskext.wtf python-gevent python-h5py python-numpy python-pil python-pip python-scipy python-tk #安裝 sudo apt-get install digits

最好是安裝英文的Ubuntu，一些路徑比較沒有問題 先下載 CUDA Tookit  https://developer.nvidia.com/cuda-downloads 選擇 deb(local) 預先下載 再來 在Terminal 中 停止lightdm 圖形化介面服務 避免NVIDIA驅動安裝失敗 sudo service lightdm stop Ctrl-Alt-F1 進入純命令介面 再來輸入帳戶及密碼登入 就當作與Terminal 沒有兩樣了 cd 到( sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb所在位置 ) sudo dpkg -i cuda-repo-ubuntu1404-8-0-local-ga2_8.0.61-1_amd64.deb sudo apt-get update sudo apt-get install cuda 重新開啟圖形化介面 sudo service lightdm 在Terminal中輸入 nvidia-smi 查看驅動程式版本以設定環境變數 再來設定環境變數 sudo gedit ~/.bashrc 在裡面貼上下列 (375為驅動程式版本)   之後 SAVE(儲存) export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64:/usr/lib/nvidia- XXX export CUDA_HOME=/usr/local/cuda export PATH=$PATH:/usr/local/cuda/bin 再重讀一次環境變數生效 source ~/.bashrc  之後RESTART 重開機 --------------------安裝cuDNN-------------------------- https://developer.nvidia.com/rdp/cudnn-download 解壓

這次要介紹的是Dlib for python 安裝pip sudo apt-get install python-pip 安裝easy-install sudo apt-get install python-setuptools 安裝PIL sudo apt-get build-dep python-imaging sudo apt-get install libjpeg8 libjpeg62-dev libfreetype6 libfreetype6-dev sudo pip install Pillow 安裝numpy sudo apt-get install python-dev 之後可以用easy-install 安裝numpy sudo easy_install numpy 安裝scipy sudo apt-get install python-scipy 安裝matplotlib sudo apt-get install python-matplotlib 安裝dlib(官網左下方藍色按鈕) http://dlib.net/files/dlib-19.5.zip 解壓縮後 在路徑下teminal打上 python setup.py install 安裝skimage sudo apt-get install python-skimage 安裝imtools sudo easy_install imtools -------------------------------------------------------------------------------------------------- https://goo.gl/Z8Y8Ad 修改後的 face_detector文件 可開啟檢視內有註釋 python face_detector_2.py people.jpg ------------------------------------------------------------------------------------------------- 修改後的face_landmark_detection_2.py 那這邊來說需要再

安裝darknet YOLO專案網站 git clone https://github.com/pjreddie/darknet cd darknet GPU、CUDNN、OPENCV更改為=1 之後Save 在Terminal中 輸入 make 編譯 如果少了這個步驟等等執行會少了darknet 再來從這邊下載  https://pjreddie.com/media/files/yolo.weights 訓練好的權重 放在darknet資料夾內 就可以跑YOLO網站的範例了 ./darknet detector demo cfg/coco.data cfg/yolo.cfg yolo.weights -c 1 -c 1 是使用webcam時 所要填的

安裝OPENCV --------------------------- 安裝依賴項 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 --------------------------- 下載OPENCV建立資料夾目錄 git clone https://github.com/opencv/opencv.git cd ~/opencv mkdir build cd build --------------------------- 配置CMAKE cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local .. ---------------------------- 編譯 make -j8 ---------------------------- 安裝 sudo make install --------------------------- 配置環境變量 sudo sh -c 'echo "/usr/local/lib" > /etc/ld.so.conf.d/opencv.conf' sudo ldconfig 打開profile sudo gedit /etc/profile 貼上 PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig export PKG_CONFIG_PATH 存檔 這樣基本上就完成OPENCV的安裝