由于您的浏览器禁用了javascript，无法正常使用本网站功能，
其它关键字
作 者 推 文
[收藏此章节]　[下载]&&
　　　　王夫人刚回到房中，就有丫鬟进来报：“薛姨奶奶来了。”　　　　薛家虽然落魄了不少，但作为皇商这么多年，积累的家财还是很可观的。在王夫人眼中，薛家就是自己的小金库。虽然这些钱财现在还姓薛，但只要自己坚持不懈的挖墙脚，迟早有一天都会姓王。因此面对这个妹妹，王夫人还是很热情的。　　　　“快进来坐，这几日怎么不见宝钗，该不会是宝玉冒犯她了吧？”　　　　“不是我夸宝玉，他对家里的这些姐姐妹妹向来谦让，最是细心不过，哪里会有什么口角。还不是我家里的那个孽障，像个没笼头的马，这大热天的也天天往外跑，怎么会不中了暑气。多亏宝钗不像他哥哥，一向行事周全，这几日都在照顾蟠儿呢。”　　　　听到薛姨妈对贾宝玉的夸赞，王夫人心中自是高兴。对于这个含玉而生的小儿子，王夫人一直坚信他将来会有大出息，因而平日里对他最是宠爱，就如命根子一般。　　　　因此对贾母想要将林黛玉这个病秧子嫁给贾宝玉的做法，王夫人一直很抵触。在她看来，林黛玉自然是远远比不上薛宝钗的。　　　　在王夫人眼中，薛宝钗不仅身体健康，圆润好生养，而且品貌端庄，为人周全，待人接物都是落落大方，各个方面都很符合一个母亲选择儿媳的标准。　　　　更重要的是，薛家很有钱。能够以皇商的身份跻身金陵四大家族，薛家的豪富自然不用多说。更妙的是薛宝钗的哥哥又没什么出息，到时侯稍微用点手段，薛家的钱财还不是到薛宝钗的手中。而只要贾宝玉娶了薛宝钗，这薛宝钗手中的钱，还不是贾宝玉的。　　　　况且薛宝钗和王夫人的关系更为亲近，这圣人都有个亲疏远近，王夫人作为再实际不过的一个人，自然更乐意与自己一条心的薛宝钗。　　　　但贾母就不这么看了，毕竟经历过荣国府的辉煌时期，贾母的眼见要比王夫人高出许多。在贾母看来，薛宝钗先不说其它，身为商户之女这一项，就已经给她大大减分。　　　　而且贾母这一辈子，年轻的时候身为侯府小姐，锦衣玉食，绫罗绸缎。后来嫁到荣国府，府中也正是鼎盛，什么好东西见不着。哪怕晚年荣国府开始落败，但贾母处于府中权利的顶端，生活依旧富贵奢靡。因此，贾母可不像王夫人一样死要钱，并不因为薛家富贵给薛宝钗加分多少。　　　　况且阖府众人，贾母最疼爱的就是贾宝玉。明知薛宝钗偏向王夫人，贾母自然不愿意自己的宝贝孙子被王夫人笼络过去。　　　　但林黛玉就不一样了。首先林黛玉作为贾母的外孙女，自然会站在贾母这一边。其次林黛玉的母亲贾敏，曾经也是贾母最疼爱的小女儿。因而贾母对林黛玉的疼爱，是仅次于贾宝玉。　　　　在贾母看来，自己最疼爱的孙子贾宝玉，娶了自己喜欢的外孙女林黛玉，自是再合适不过。况且两人也算得上青梅竹马，两小无猜，所以当初贾母才会与林如海一起将贾宝玉和林黛玉的亲事订下来。　　　　不过为了避免王夫人知道后惹出什么麻烦，所以贾母准备等时间差不多了再说，想来王夫人也不敢违逆自己的决定。可惜贾母不知道的是，那时府中早已物是人非。至于现在，贾母的考虑还是正确的。就王夫人对林黛玉的印象，知道这件事，王夫人那是一定会炸。　　　　以王夫人的角度来看，这个林黛玉比小姑子贾敏更讨厌。当初贾敏还没出嫁的时候，王夫人就在这个小姑子手中吃了不少亏。而现在贾敏的女儿林黛玉，又长了一副妖妖娆娆的狐媚子的样子，整日里就知道勾搭自己的儿子贾宝玉。因此，王夫人对林黛玉是真没什么好想法。　　　　更何况林黛玉寄人篱下，也没什么助力。就是有一个大伯，也是年少离家，多年没有联系。哪怕现在终于相认，关系也一定很疏远。王夫人以己度人，如果自己有这样一个侄女，哪里会管她死活。　　　　没看到林如海死前也是将林黛玉托付给荣国府，说明这个大伯对林黛玉一定没什么感情。王夫人还不知道，林如海会让林黛玉寄居在荣国府，与贾母已已经订下了贾宝玉与林黛玉的亲事有很大的关系。　　　　而且王家对女孩子的教育一直奉行“女子无才便是德”，因此名满天下的大儒云鹤先生，或许任何一个读书人都会对他表示尊敬，但在王夫人眼中，也不过是有几分学问的白丁而已，根本没有意识到林黛玉这个大伯的价值。就如在一个每日黄土朝天的百姓看来，一件年代悠远的瓷器，也就是一件破烂而已，远远不如一两银子值钱。　　　　因此王夫人在听了薛姨妈的话里透出的信息——薛蟠不成器，薛宝钗处事有章法，更加坚定了让贾宝玉娶薛宝钗的想法。　　　　“蟠儿的病情可还严重？若是有什么要帮忙的，千万别和我客气。不如晚点我让宝玉往梨香院一趟，正好宝钗这几日都闷在家里，也可以让他们两个说说话。”　　　　“要我说，还是姐姐你会教孩子，不仅宝玉聪慧懂事，我听说元春也有了大造化，成了六皇子的侧妃。这十万两银票，就当作我庆贺元春的一点心意，姐姐你别嫌少才是。你也知道，蟠儿一向是个没定性的，不是我夸宝钗，家里的事还要多亏了她。我现在啊，就希望宝钗能嫁个好人家。”　　　　听到薛姨妈一口气就拿出十万两，王夫人一面感叹薛家的有钱，一面心里开心得不得了。因此对薛姨妈的话，王夫人是信誓旦旦的保证，就差指天发誓了。　　　　“宝钗是个什么样的性子，我难道还不知道。不仅稳重大方，还做事妥帖，我对宝钗自是十二分的满意。平日里除了宝玉，我还不是最疼她。只是也不知老太太看上了林黛玉哪里，这病怏怏的一看就不是长寿的样子，还整日里哭哭啼啼的，就知道勾着宝玉。”　　　　“不过妹妹你放心便是，不管怎么说，宝玉也是我的儿子，这亲事自然是我这个做母亲的说了算。更何况现在元春还成了六皇子的侧妃，等元春在六皇子府站稳脚跟，这宝玉的亲事，还不是元春一句话的事，所以妹妹你只管等我的好消息就是。”　　　　对自己这个亲姐姐，不是薛姨妈诽谤，那真是不见兔子不撒鹰的主。这嘴上说的好听，实际如何却是有待商榷。这要是掰扯起来，薛姨妈一向是说不过王夫人的。要不然当初也不会是薛姨妈嫁到皇商薛家，而王夫人则成为荣国府嫡次子的正妻。　　　　还好，薛姨妈知道王夫人喜欢钱，而薛家最不缺的也是钱。因此薛姨妈这次是金钱开道，直接砸了十万两银票，要王夫人给个准话。果然王夫人原本模棱两可的态度，一下子就清晰了起来。以往还要推脱到贾母身上，现在是直接不成问题了。　　　　根据薛姨妈多年的经验，王夫人的话那是一向不能全信。别看王夫人现在保证的好好的，你要是以为现在就大功告成了，到时有你后悔的时候。不过王夫人也有一点好，那就是只要你有足够多的钱，王夫人是什么都做得出来。　　　　比如贾家的祭田，有不少就被王夫人偷偷托薛姨妈卖了。对这个时代的人来说，祭田是一个家族的根本。而王夫人这么做，早就够贾家将她休弃回家了，可见王夫人的丧心病狂。薛姨妈还不知道，王夫人还伙同了王熙凤放印子钱。可以说，王夫人是不放弃任何一个捞钱的机会。　　　　因此，只要薛姨妈再多砸几次钱，这事也算是十拿九稳了。毕竟，王夫人可没什么底线，到时候会做出什么还真不是一般人能想象得出来的。　　　　林如海要是知道王夫人是一个这样的人，那是肯定不敢将林黛玉托付给荣国府，可惜现在说什么都迟了。　　　　等薛姨妈走后，王夫人就将这二十一万两银票装在盒子里，找了自己的亲信赶快给元春送去。　　　　虽然王夫人不是一个好人，但除了自己，宝玉、元春两个王夫人也一直放在心上。若是贾珠还没去世，自然也算一个。但对于贾珠的遗腹子贾兰，王夫人明显就没多少感情了。至于贾政那个伪君子，王夫人早就不对他抱有希望了，两个人也就是凑合着过日子。　　　　因此，对自己女儿的钱，王夫人倒是难得的没有雁过拔毛。否则以王夫人平日的行事，私房钱一定又会多添一笔。想到私房钱，王夫人又惦记起薛家的钱财。　　　　薛姨妈以为，只要花上薛家四分之一的家财，这六七十万两银子砸下去，薛宝钗的事就应该就能成了，却不知道王夫人的胃口比薛姨妈想象的还要大。在王夫人的计划中，先借着贾宝玉与薛宝钗的亲事，从薛家狠狠的捞一笔。等他们成亲时，以薛宝钗的嫁妆，一定又能从薛家得到不少银钱。之后就是借薛宝钗的手，将薛家剩下的钱都拿到自己的碗里来。　　　　对王夫人来说，人生字典里就没有手下留情这一词。　　　　薛家还要庆幸，这些钱花出去还是有点效果的，至少王夫人就有了让贾宝玉娶薛宝钗的打算。不像林家的钱财，掉进了荣国府这个深渊，什么水花也没溅起来。　　　　当初贾琏前往扬州处理林如海的丧事，这林家的家财怎么算也有一百五十万两。　　　　荣国府的奴才是个什么样子，看府上的主子就知道了。更何况在荣国府，就是长辈身边的阿猫阿狗，年轻的主子都要敬着，能不养大这些奴才的心吗。因此经过这些下人的变卖，到贾琏手里就只有一百一十万两了。　　　　难得遇到这样一个捞钱的好时机，贾琏自然是笑纳了二十万两。剩下的九十万两，王夫人连同王熙凤一起，截走了三十五万两。最后到贾母手上，作为明面上林家的家财就是五十五万两了。　　　　对贾母来说，自己的大部分私房将来都是要留给贾宝玉的。既然林黛玉与贾宝玉订了亲，这林家的家财，就先收到自己的私库中，到时一起给贾宝玉便是。毕竟，虽然对于贾宝玉和林黛玉两个贾母都疼爱，但林黛玉还是比不上贾宝玉的。　　　　所以说，摊上荣国府这样的外家，林黛玉寄居在府中就真是身无分文。
插入书签　
该作者现在暂无推文
支持手机扫描二维码阅读
wap读点击：
晋江APP→右上角人头→右上角小框
↑返回顶部
作 者 推 文
更多动态>>
地雷（100点）
手榴弹（地雷×5）
火箭炮（地雷×10）
浅水炸弹（地雷×50）
深水鱼雷（地雷×100）
个深水鱼雷（自行填写数量）
作者加精评论
本文相关话题
以上显示的是最新的二十条评论，要看本章所有评论，14：35分到8：25分这段时间怎么算_百度知道
14：35分到8：25分这段时间怎么算
我有更好的答案
14：35到24：35， 10个，再到8:35 ，又8个，8:25到8:35差10分
采纳率：63%
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。Ubuntu14.04如何备份和恢复系统 - alexanderkun - 博客园
随笔 - 119, 文章 - 11, 评论 - 6, 引用 - 0
本文由魔鬼舰长为您整理编写。安装好之后，别忘了安装防火墙和杀毒软件。在备份系统前，请保证系统是无错和干净的：本人操作系统是，不知道是系统出了问题还是装的软件有问题，每次开机都出现：我初步感觉是显卡驱动的问题。看着很心烦，关闭方法：管理员权限打开把原先的改成就可以了。清理的系统的垃圾：先清空回收站，软件升级到最新。系统与系统所采用的文件系统不同，系统在使用或更新过程中不会产生文件碎片和垃圾文件，所以在使用系统中不用考虑清理系统的文件垃圾和整理文件碎片。如果你确实想去清理一下系统的话，那么请你参照下述方法去做吧：、按，调出终端。、在终端输入下面的命令（复制到终端窗口即可）按回车键输入帐户密码按回车键。（清理旧版本的软件缓存）（清理所有软件缓存）（删除系统不再使用的孤立软件）在备份系统的时候你可能想过，我能不能把整个盘都放到一个文件里去呢。这在下是不可能的，因为在中有很多文件在它们运行时是不允许拷贝或覆盖的，因此你需要专门的备份工具对系统进行特殊处理。和备份系统不同，如果你要备份系统或者其它任何系统，你不再需要像这类备份工具。事实上，这类备份工具对于文件系统的支持很糟糕，例如一些版本只能完善地支持文件系统，如果你用它来备份和文件系统，你可能会丢失一些宝贵的数据。备份系统我该如何备份我的系统呢？很简单，就像你备份或压缩其它东西一样，使用。和不同，不会限制访问任何东西，你可以把分区上的所有东西都扔到一个文件里去！备份第一步：打开一个终端，并运行（回车后要求输入密码）第二步：继续在终端中输入注意中间有一个空格第三步：（开始备份系统）在终端中输入：让我们来简单看一下这个命令：是用来备份的程序新建一个备份文档详细模式，程序将在屏幕上实时输出所有信息。保存许可，并应用到所有文件。采用压缩备份文件，以减小备份文件体积。说明备份文件存放的路径，是本例子中备份文件名。是我们要备份的目录，在这里是整个文件系统。在档案文件名和要备份的目录名之间给出了备份时必须排除在外的目录。有些目录是无用的，例如、、。当然，这个档案文件本身必须排除在外，否则你可能会得到一些超出常理的结果。如果不把排除在外，那么挂载在上的其它分区也会被备份。另外需要确认一下上没有挂载任何东西例如光盘、移动硬盘，如果有挂载东西，必须把也排除在外。有人可能会建议你把目录排除在外，但是我认为这样做很不妥，具体原因这里就不讨论了。执行备份命令之前请再确认一下你所键入的命令是不是你想要的。执行备份命令可能需要一段不短的时间。备份完成后，在文件系统的根目录将生成一个名为的文件，它的尺寸有可能非常大。现在你可以把它烧录到上或者放到你认为安全的地方去。你还可以用来压缩文件，比的压缩率高，但是速度慢一些。如果压缩率对你来说很重要，那么你应该使用，用代替命令中的，并且给档案文件一个正确的扩展名。完整的命令如下：恢复系统切换到用户，并把文件拷贝到分区的根目录下。在中有一件很美妙的事情，就是你可以在一个运行的系统中恢复系统，而不需要用来专门引导。当然，如果你的系统已经挂掉不能启动了，你可以用来启动，效果是一样的。使用下面的命令来恢复系统：如果你的档案文件是使用压缩的，应该用：注意：上面的命令会用档案文件中的文件覆盖分区上的所有文件。参数是告诉程序解压缩备份文件。参数是指定程序解压缩到的目录。在本例中是），这会花一段时间。只需确保在你做其他任何事情之前，重新创建你剔除的目录：等等。或者这样：执行恢复命令之前请再确认一下你所键入的命令是不是你想要的，执行恢复命令可能需要一段不短的时间。触类旁通，熟练以上操作后，对用户和部分升级文件进行定期备份，可以节省大量时间和提高安全性。您所在位置： &
&nbsp&&nbsp&nbsp&&nbsp
装饰案例07-11年试卷及答案分类汇总(04和14定额)教程.doc 58页
本文档一共被下载：
次 ,您可全文免费在线阅读后下载本文档。
下载提示
1.本站不保证该用户上传的文档完整性，不预览、不比对内容而直接下载产生的反悔问题本站不予受理。
2.该文档所得收入(下载+内容+预览三)归上传者、原创者。
3.登录后可充值，立即自动返金币，充值渠道很便利
装饰案例07-11年试卷及答案分类汇总(04和14定额)教程
你可能关注的文档：
··········
··········
第  PAGE 58 页 共  NUMPAGES 58 页
楼地面
1、2007初级、（本题25分）
某市一学院舞蹈教室，木地板楼面， HYPERLINK &mailto:木龙骨与现浇楼板用M8*80膨胀螺栓固定@400*800& 木龙骨与现浇楼板用M8×80膨胀螺栓固定@400×800 mm，不设木垫块。做法如下图所示，面积328 m2。硬木踢脚线设计长度90m，毛料断面120×20 mm，钉在砖墙上，润油粉、刮腻子、聚氨酯清漆三遍。请按清单计价规范和计价表规定，编制该教室木地板楼面工程的分部分项工程工程量清单及其相应的综合单价。（未作说明的按计价表规定不作调整）
答　　　　　　　　分部分项工程工程量清单
序号项目编码项目名称项目特征单位数量（列简要计算过程）1
木地板1、60*60木龙骨，400中距，50*50横撑，中距800
2、M8*80膨胀螺栓固定@400*800
3、18mm细木工板，单面砂皮
4、免刨免漆实木地板m23282
木质踢脚线1、高度120mm 2、20厚毛料
3、聚氨脂清漆三遍m2
m90*0.12=10.8
90踢脚线油漆润油粉、刮腻子、聚氨脂清漆三遍m2套用计价表子目综合单价计算表
计价表编号子目名称单位数量综合单价（列简要计算过程）（元）合价（元）12-125换
13-114铺设木楞及细木工板10 m232.8.6*1.02*10/0.4*0.8+0.4*8.34*1.37+(60*60/60*50-1)*0.082**38-10.5*70-0.02*12-129
13-117免刨免漆地板10 m232.85.966487.70小计-137
13-127硬木踢脚线制作安装100 m
10m0.9
9.33*(1-120/150)*
P554备注1：踢脚线按150mm*20mm毛料计算，设计断面不同，材积按比例换算903.4016-106
17-39踢脚线聚氨脂清漆三遍10 m 939.04
117.83351.36小计1254.76分部分项工程量清单综合单价
项目名称计
式综合单价（元）木地板269.47木质踢脚线.8116.18踢脚线油漆2、2009年、（本题初级25分，中高级30分）（初级做第1个问题，中级做1、2两个问题，高级3个问题全做）
某公司办公室位于某写字楼三楼，平面尺寸见下图，墙体厚度除卫生间内墙为120mm外，其余均为240mm；门洞宽度：除进户门为1000mm外其余均为800mm。总经理办公室地面做法：断面为60×70 mm木龙骨地楞（计价表为60×50mm），楞木间距及横撑的规格、间距同计价表，木龙骨与现浇楼板用M8×80膨胀螺栓固定，螺栓设计用量为50套，不设木垫块，免漆免刨实木地板面层，实木地板价格为160元/m2，硬木踢脚线毛料断面为150×20 mm，设计长度为15.24米，钉在墙面木龙骨上，踢脚线油漆做法为刷底油、刮腻子、色聚氨酯漆四遍；总工办及经理室为木龙骨基层复合木地板地面；卫生间采用水泥砂浆贴250×250 mm防滑地砖（25mm厚1：2.5防水砂浆找平层），防滑地砖价格3.5元/块；其余区域地面铺设600×600mm地砖。（未作说明的按计价表规定不作调整）
1、根据题目给定的条件，按计价表规定计算该公司各区域地面面层及踢脚线的工程量；
2、根据题目给定的条件，按计价表规定计算总经理室有关项目的计价表综合单价。
3、根据题目给定的条件，按08清单计价规范编制该公司有关项目的分部分项工程量清单以及总经理室、卫生间地面工程量清单综合单价。高级
答　　　　　　　　（一）各区域地面面层及踢脚线工程量计算表
项目名称工程量计算方式单位数量总经理办公室铺实木地板（5.2-0.24）×(3.4-0.24) =15.67m215.67硬木踢脚线15．24（已知）m15.24总工办铺复合地板（3．6-0．24）×（3.4-0.24）=10.62m210.62经理室铺复合地板(3.2-0.12-0.06)×(3.6-0.24) =10.15m210.15卫生间贴防滑地砖(2.5-0.24
正在加载中，请稍后...Desktop Ubuntu 14.04LTS/16.04科学计算环境配置
时间： 16:48:07
&&&& 阅读：1453
&&&& 评论：
&&&& 收藏：0
标签：&&&&&&&&&&&&&&&&&&&&&&&&&&&Desktop Ubuntu 14.04LTS/16.04科学计算环境配置
计算机硬件配置
2G（建议显存在4G以上，否则一些稍具规模的神经网络无法训练，会提示显存容量不足）
安装ubuntu&&&&&&&&&&&&14.04
安装显卡驱动&&&&&&&& nvidia-367
安装cuda tool kit&&&&&&&&8.0
安装cuDNN &&&&&&&&&&&&v5
安装版本取决于cuda toolkit版本
*安装基本工具包
*Python工具
pip &&&&&&&&&&&&&&&&1.5.4
ipython &&&&&&&&&&&&&&&&1.2.1
ipython-notebook
*安装python基本科学计算包
python-numpy &&&&&&&&&&&&1.11.1
python-scipy &&&&&&&&&&&&0.18.1
python-matplotlib &&&&&&&&1.3.1
python-pandas&&&&&&&&&&&&0.13.1
python-sympy &&&&&&&&&&&&0.7.4.1
python-nose&&&&&&&&&&&&1.3.1
安装Qt4(c++) 和 PyQt4
安装wxWidgets(c++) 2.8 和 wxPython
安装程序开发环境
codeblocks&&&&&&&&&&&&16.04
source insight&
cmake&&&&&&&&&&&&&&&&3.2.2
cmake-qt-gui&&&&&&&&&
安装boost&&&&&&&&&&&&1.54.0
安装opencv&&&&&&&&&&&&3.1.0
cmake &= 3.2.2 &&&&(3.2.2)
Qt &&&&&&&&&&&&&&&&(选装)
CUDA&&&&&&&&&&&&(选装)
Matlab&&&&&&&&&&&&(选装)
安装PyCUDA&&&&&&&&&&&&v5
gcc & 4.3&&&&&&&&&&&&(4.8.2)
Boost C++ libraries&&&&(1.54.0)
numpy&&&&&&&&&&&&(1.8.2)&
安装theano &&&&&&&&&&&&0.8.0
*Requirements************************
Python 2 &= 2.6 or Python 3 &= 3.3&&&&(python2.7)
g++ &= 4.2&&&&&&&&&&&&(4.8.2)
NumPy &= 1.7.1&&&&&&&&&&&&(1.11.1)
SciPy &= 0.11&&&&&&&&&&&&(0.18.1)
A BLAS&&&&&&&&&&&&(可选) (openblas 0.2.8)
*Optional*****************************
nose &= 1.3.0 &&&&&&&&&&&& (1.3.1)
nose-parameterized &= 0.5.0&&&&
Sphinx &= 0.5.1
either pydot-ng or pydot&&&&&&&&&&&&
NVIDIA CUDA drivers and SDK-v4 &&&&&&&&(PyCUDA v5)
libgpuarray&
安装lasagne &&&&&&&&&&&&0.2.dev1
Theano==0.8.0&&&&&&&&&&&&(0.8.0)
Python &=2.7 or &=3.4&&&&&&&&(python2.7)
numpy &= 1.6.2&&&&&&&&&&&&(1.11.1)
scipy &= 0.11&&&&&&&&&&&& (0.18.1)
BLAS&&&&&&&&&&&&(可选) (openblas 0.2.8)
C compiler&
安装caffe&&&&&&&&&&&&1.0.0-rc3
*Requirments**********************
BLAS (ATLAS, MKL, or OpenBLAS)
Boost &= 1.55
protobuf, glog, gflags, hdf5
*Optional**************************
OpenCV &= 2.4 including 3.0
IO libraries: lmdb, leveldb (note: leveldb requires snappy)
cuDNN for GPU acceleration (&=v4)
安装TensorFlow&&&&&&&&0.12.1
numpy&&&&1.11.1
CUDA &&&&8.0
cuDNN &&&&v5.1&
安装步骤：
安装ubuntu14.04
使用ultraiso工具制作u盘启动，安装Ubuntu14.04LTS。120G固态硬盘分区方案
8G(与内存大小相同)
手动添加源
##Mirrors.shlug.org更新服务器（电信服务器，Ubuntu China Official Mirror, maintained by Shanghai Linux User Group）：
deb http://cn.archive.ubuntu.com/ubuntu hardy main restricted universe multiverse
deb http://cn.archive.ubuntu.com/ubuntu hardy-security main restricted universe multiverse
deb http://cn.archive.ubuntu.com/ubuntu hardy-updates main restricted universe multiverse
deb http://cn.archive.ubuntu.com/ubuntu hardy-backports main restricted universe multiverse
deb http://cn.archive.ubuntu.com/ubuntu hardy-proposed main restricted universe multiverse
deb-src http://cn.archive.ubuntu.com/ubuntu hardy main restricted universe multiverse
deb-src http://cn.archive.ubuntu.com/ubuntu hardy-security main restricted universe multiverse
deb-src http://cn.archive.ubuntu.com/ubuntu hardy-updates main restricted universe multiverse
deb-src http://cn.archive.ubuntu.com/ubuntu hardy-backports main restricted universe multiverse
deb-src http://cn.archive.ubuntu.com/ubuntu hardy-proposed main restricted universe multiverse
##成都市电子科技大学更新服务器（校园网）
deb http://ubuntu.uestc.edu.cn/ubuntu/ hardy main multiverse restricted universe
deb http://ubuntu.uestc.edu.cn/ubuntu/ hardy-backports main multiverse restricted universe
deb http://ubuntu.uestc.edu.cn/ubuntu/ hardy-proposed main multiverse restricted universe
deb http://ubuntu.uestc.edu.cn/ubuntu/ hardy-security main multiverse restricted universe
deb http://ubuntu.uestc.edu.cn/ubuntu/ hardy-updates main multiverse restricted universe
deb-src http://ubuntu.uestc.edu.cn/ubuntu/ hardy main multiverse restricted universe
deb-src http://ubuntu.uestc.edu.cn/ubuntu/ hardy-backports main multiverse restricted universe
deb-src http://ubuntu.uestc.edu.cn/ubuntu/ hardy-proposed main multiverse restricted universe
deb-src http://ubuntu.uestc.edu.cn/ubuntu/ hardy-security main multiverse restricted universe
deb-src http://ubuntu.uestc.edu.cn/ubuntu/ hardy-updates main multiverse restricted universe
##上海市上海交通大学更新服务器（校园网）
deb http://ftp.sjtu.edu.cn/ubuntu/ hardy main multiverse restricted universe
deb http://ftp.sjtu.edu.cn/ubuntu/ hardy-backports main multiverse restricted universe
deb http://ftp.sjtu.edu.cn/ubuntu/ hardy-proposed main multiverse restricted universe
deb http://ftp.sjtu.edu.cn/ubuntu/ hardy-security main multiverse restricted universe
deb http://ftp.sjtu.edu.cn/ubuntu/ hardy-updates main multiverse restricted universe
deb-src http://ftp.sjtu.edu.cn/ubuntu/ hardy main multiverse restricted universe
deb-src http://ftp.sjtu.edu.cn/ubuntu/ hardy-backports main multiverse restricted universe
deb-src http://ftp.sjtu.edu.cn/ubuntu/ hardy-proposed main multiverse restricted universe
deb-src http://ftp.sjtu.edu.cn/ubuntu/ hardy-security main multiverse restricted universe
deb-src http://ftp.sjtu.edu.cn/ubuntu/ hardy-updates main multiverse restricted universe
deb http://archive.ubuntu.com/ubuntu/ hardy main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ hardy-security main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ hardy-updates main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ hardy-proposed main restricted universe multiverse
deb http://archive.ubuntu.com/ubuntu/ hardy-backports main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ hardy main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ hardy-security main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ hardy-updates main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ hardy-proposed main restricted universe multiverse
deb-src http://archive.ubuntu.com/ubuntu/ hardy-backports main restricted universe multiverse&
安装显卡驱动nvidia-367
Ubuntu14.04默认使用Nouveau显卡驱动。由于linux系统对Navidia显卡的兼容性并不是特别好，所以选择使用闭源N卡官方驱动，在启动器搜索附加驱动程序。
在附加驱动面板中，选择NVIDIA binary driver(闭源驱动) 367，然后点击应用更改。Reboot后，驱动就安装成功了。
Terminal输入：sudo nvidia-smi查看显卡及驱动信息
也可以Terminal输入：nvidia-settings，在nvidia驱动管理器中查看
以上方法最为保险，在ubuntu14.04不会出现登录界面loop的问题。
一般说来ubuntu源里面提供的都不是包的最新版本，如果想安装最新版驱动可以去（）下载
附：网上有另一种方法安装驱动（但是在ubuntu16.04LTS按照此方法安装后出现登录界面loop问题）
NVIDIA CUDA Toolkit安装
首先cuda toolkit是什么？
官方网站上说：The NVIDIA? CUDA? Toolkit provides a comprehensive development environment for C and C++ developers building GPU-accelerated applications.
也就是说，CUDA Toolkit是一个提供C/C++接口使用GPU加速计算的工具包。要想使用NVIDIA GPU加速计算（GPU浮点运算能力比CPU高几十倍），必须安装CUDA Toolkit，当然前提是你的N卡是CUDA核心。（ 网站可以查看你的设备是否支持CUDA Toolkit）
比如我的显卡是NVIDIA GeForce GTX960，明显支持CUDA，计算性能5.2分。
1. 首先去（ ）下载安装包，推荐下载runfile安装
我下载的是CUDA Toolkit 8.0 : cuda_8.0.44_linux.run
2. 然后执行安装命令: sudo sh cuda_8.0.44_linux.run
[注意：执行此句会有一系列提示让你确认，但是注意，有个让你选择是否安装nvidia361驱动，Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 361.62?
一定要选择否。因为前面我们已经安装了更加新的nvidia 367，所以这里不要选择安装。其余的都直接默认或者选择是即可。]
3. 最后配置环境变量，输入如下命令打开profile
sudo gedit /etc/profile
在最后加入以下两行，保存并退出。
export PATH=/usr/local/cuda-8.0/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH
使配置生效
source /etc/profile
sudo ldconfig 也可以
4. 验证CUDA安装成功
Terminal 输入 nvcc –V 查看CUDA版本信息
什么是cuDNN？
官网说法：NVIDIA cuDNN is a GPU-accelerated library of primitives for deep neural networks.
即cuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案，目前支持的DL库包括Caffe，ConvNet, Torch7等。
1.首先下载cuDNN包（）
由于cuDNN源代码暂时未公开，下载需要确认适用CUDA Toolkit版本。我选择CuDNN v5 for CUDA 8.0。
2.下载完毕并解压后得到：
3.安装cuDNN
#只需要把头文件和动态库文件拷贝到系统中的CUDA Tookit安装目录的相应位置即可
sudo cp ./lib64/* /usr/local/cuda/lib64/
sudo cp ./include/cudnn.h /usr/local/cuda/include/
安装基本工具包
右键打开终端
sudo apt-get install nautilus-open-terminal
sudo apt-get install git git-gui
安装python基本科学计算包
sudo apt-get install python-pip
科学计算包及其依赖项
$ sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose --fix-missing
matplotlib&
安装指定版本的numpy可以去（ ）下载源码包，然后执行指令：
sudo python setup.py install
安装Qt4(c++) 和 PyQt4
Qt GUI框架
Qt4 c++库安装
Ubuntu下安装Qt
$ sudo apt-get install libqt4-dev libqt4-gui qt4-qtconfig libqt4-sql qt4-dev-tools qt4-doc qt4-demos qt4-designer –fix-missing
# libqt4-gui 安装出现错误 E: 无法定位软件包 libqt4-gui，可以去掉
# 这一步安装建议使用sudo aptitude install ...解决包间依赖问题
qt4-dev-tools&
包含了Qt Assistant及Qt Linguist等工具，因此不需要单独安装这两个工具。
是帮助文档，包含了Qt中各个类库的详细说明以及丰富的例子程序，可以使用Qt Assistant 工具来打开阅读。
qt4-qtconfig&
是配置Qt环境的一个对话框，一般默认就行了，很少有必要去更改。
qt4-demos&
包含很多可以运行起来的可执行文件以及源代码。
qt4-designer&
是用来设计GUI界面的设计器。
安装连接MySQL的驱动程序 （可选）
$ sudo apt-get install libqt4-sql-mysql
安装第三方的QWT库 （可选）
Qwt，全称是Qt Widgets for Technical Applications，是一个基于LGPL版权协议的开源项目， 可生成各种统计图。它为具有技术专业背景的程序提供GUI组件和一组实用类，其目标是以基于2D方式的窗体部件来显示数据， 数据源以数值，数组或一组浮点数等方式提供， 输出方式可以是Curves（曲线），Slider（滚动条），Dials（圆盘），Compasses（仪表盘）等等。该工具库基于Qt开发，所以也继承了Qt的跨平台特性。
$ sudo apt-get install libqwt5-qt4 libqwt5-qt4-dev
注：安装完这些后，打开Qt Designer，就会发现左边的Widget列表里面多了"Qwt Widget"这一组；
安装集成开发环境QDevelop
这个肯定是要装的可以方便的开发编译调试Qt程序
$ sudo apt-get install qdevelop
附：当然也可以通过官网（ ）下载源代码，编译安装。但做一般开发apt-get安装足够。
PyQt是Qt库的Python接口
$ sudo apt-get install libxext6 libxext-dev libqt4-dev libqt4-sql qt4-dev-tools qt4-doc qt4-designer qt4-qtconfig "python-qt4-*" python-qt4 --fix-missing
#绿色部分是Qt c++已安装的包
安装wxWidgets(c++) 和 wxPython
wxWidgets(c++)
由于codeblocks的GUI界面使用的wxWidgets库所以要先安装这个库。尽量下载官方的最新稳定版本（官网http://www.wxwidgets.org/downloads/ 查看最新版本）
$ sudo apt-get install libwxbase2.8 libwxbase2.8-dev libwxgtk2.8-0 libwxgtk2.8-dev libgtk2.0 libgtk2.0-dev wx-common wx2.8-headers wx2.8-i18n wx2.8-examples wx2.8-doc –fix-missing
# 貌似2.8已经没有了
$ sudo apt-get install libwxbase3.0 libwxbase3.0-dev libwxgtk3.0 libwxgtk3.0-dev wx-common wx3.0-headers wx3.0-i18n wx3.0-examples wx3.0-doc --fix-missing
wxPython安装
$ apt-cache search wxpython
$ sudo apt-get install python-wxgtk2.8 python-wxtools wx2.8-i18n libwxgtk2.8-dev libgtk2.0-dev --fix-missing
#绿色部分是wxWidgets c++已安装的包
sudo apt-get install python-wxgtk3.0 python-wxtools --fix-missing
wxformbuilder (3.5)安装
wxformbuilder功能类似Qt Designer，均为可视化的窗口设计器，只是针对框架不同。
默认情况下，ubuntu 14.04/14.10 系统使用apt-get从系统的源或网易163的源默认安装的是libwxgtk2.8, wxformbuild3.0,安装之后是不能支持生成Python代码的，需要添加新的源才能解决此问题：
sudo add-apt-repository -y ppa:wxformbuilder/wxwidgets
sudo add-apt-repository -y ppa:wxformbuilder/release
sudo apt-get update
sudo apt-get install wxformbuilder
wine是一个在linux系统安装exe安装包的工具
$sudo apt-get install wine
#安装中途问你是否安装一个licence，选择OK即可
安装集成开发环境
codeblocks
安装基本编译环境
sudo apt-get install build-essential
sudo apt-get install gdb
安装wxWidgets 2.8 GUI库（参考上文）
安装codeblock
直接使用apt-get是不能安装codeblocks最新版本的，所以需要更新来源使用ppa安装
sudo add-apt-repository ppa:damien-moore/codeblocks-stable &&&&#添加codeblocks的PPA源
sudo apt-get update &&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&#跟新系统的源
sudo apt-get install codeblocks codeblocks-contrib &&&&&&&&&&&&&&&&#安装codeblocks
官网下载deb安装包( )
然后使用命令sudo dpkg -i sublim.deb安装
在官网下载pycharm的linux安装包( )
解压安装包并cd 到../bin文件夹，执行pycharm.sh脚本
制作桌面快捷方式
终端输入：$ sudo gedit /usr/share/applications/Pycharm.desktop #创建快捷方式文件
粘贴模板：
[Desktop Entry]
Type=Application
Name=Pycharm
GenericName=Pycharm3
Comment=Pycharm3:The Python IDE
Exec=sh /YOUR/PATH/TO/PYCHARM/bin/pycharm.sh
Icon=/YOUR/PATH/TO/PYCHARM/bin/pycharm.png
Terminal=pycharm
Categories=P
专业版注册码&&&&
43B4A73YYJ-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-keaxIkRgXPKE4BR/ZTs7s7UkP92LBxRe57HvWamu1EHVXTcV1B4f/KNQIrpOpN6dgpjig5eMVMPmo7yMPl+bmwQ8pTZaCGFuLqCHD1ngo6ywHKIQy0nR249sAUVaCl2wGJwaO4JeOh1opUx8chzSBVRZBMz0/MGyygi7duYAff9JQqfH3p/BhDTNM8eKl6z5tnneZ8ZG5bG1XvqFTqWk4FhGsEWdK7B+He44hPjBxKQl2gmZAodb6g9YxfTHhVRKQY5hQ7KPXNvh3ikerHkoaL5apgsVBZJOTDE2KdYTnGLmqxghFx6L0ofqKI6hMr48ergMyflDk6wLNGWJvYHLWw==-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
下载matlab安装包
从网盘上下载安装包以及Crack ( ), password: 4gj3
Crack中包含license和破解文件
解压得到iso镜像,并挂载到linux
$ sudo mkdir /home/下载/temp_matlab (此文件夹用于临时存放挂载后的iso文件)
$ sudo mount -o loop /home/yangzheng/下载/Matlab/MATHWORKS_R2014A.iso /home/yangzheng/下载/temp_matlab (path为我们存放iso的路径)
$ cd /home/yangzheng/下载/temp_matlab
$ sudo ./install
选择不联网安装
安装路径使用默认路径，否则编译opencv，caffe时候找不到。
安装过程中使用序列号
安装完成之后选择Crack下的license_14a.lic文件进行激活
由于/usr/local/MATLAB只有只读的权限, 所以先要将其权限修改为"可写"
$ sudo chmod -R a+w /usr/local/MATLAB
将Crack/Linux下的libmwservices.so 复制到 /usr/local/MATLAB/R2014a/bin/glnxa64
$ sudo cp /home/yangzheng/下载/Matlab/Crack/Linux/libmwservices.so /usr/local/MATLAB/R2014a/bin/glnxa64
将先前挂载的iso卸载
$ sudo umount /home/yangzheng/下载/temp_matlab
启动matlab
$ sudo matlab
创建桌面快捷方式类似Pycharm
我在Ubuntu下是用的默认安装的，路径为/usr/local/MATLAB/R2010b
$ sudo gedit /usr/share/applications/Matlab.desktop
写入以下内容
[Desktop Entry]Type=ApplicationName=MatlabGenericName=Matlab 2010bComment=Matlab:The Language of Technical ComputingExec=sh /usr/local/MATLAB/R2014a/bin/matlab -desktopIcon=/usr/local/MATLAB/Matlab.png #图标图片需自行下载，拷贝到根目录下Terminal=falseCategories=DM
source insight
Source insight是一款windows下的工程源代码管理软件。非常好用，特别是在学习某些第三方库的源代码时，能够很方便的搜索和查看函数，对象等的实现代码。
安装wine（参考前文）
用wine安装Source Insight（InsightSetup.exe安装包 需要下载）
cd到安装包目录下在终端中输入以下命令：
$ wine ./InsightSetup.exe
之后的安装过程与windows下一样，一直点next即可
注册码：SI3US-09
打开source insight，点击project-&New project新建一个工程，如下图所示。
给新建的工程添加一个名字，在此举个例子命名test。
选中要添加的工程代码，点击browse选择工程所在的路径，点击OK。
选择要添加代码的目录，点击add tree，然后会把文件都导入进去，完成以后点击close。工程新建完成。
安装cmake, cmake-qt-gui
直接使用apt-get命令安装的cmake版本太低，在生成编译脚本是可能出现一些莫名其妙的问题。比如在ubuntu14.04下Configure opencv3.1.0就会一直定位不到python lib路径，导致python-opencv无法正常编译。所以添加ppa源安装最新版本的cmake。
sudo add-apt-repository ppa:george-edison55/cmake-3.x
sudo apt-get update
sudo apt-get install cmake cmake-gui
apt-get安装
也是最简单的：进入linux系统后，输入
$ sudo apt-cache search boost
你将看到很多文件信息，你会看到其中一个文件叫 libboost-dev, 直接安装此文件即可：
$ sudo apt-get install libboost-dev libboost-dbg libboost-all-dev
这样就安装成功了。这个速度很快，是因为直接拷贝了lib文件到系统。
可以使用本文最后代码测试安装成功与否。
直接apt-get安装版本为（1.54.0）
首先下载boost库的源代码（）
cd 到文件夹下，执行指令
$ ./bootstrap.sh
#这个命令配好编译环境，为下一步编译做准备
运行二步命令后得到一个文件，名字是bjam，运行这个文件：
#这里需要十几分钟编译源文件，完成后就代表安装成功了。
检验安装成功否：在linux下任意目录下创建test.cpp
#include &boost/lexical_cast.hpp&
#include &iostream&
int main()
using boost::lexical_
int a = lexical_cast&int&("123");
double b = lexical_cast&double&("123.12");
std::cout&&a&&std::
std::cout&&b&&std::
$ g++ test.cpp -o test
得到输出结果为：123, 123.12
代表boost安装成功
注：编译安装有个问题是，环境变量的配置。如果配置不得当，可能使得caffe，或者其他依赖他的库在配置编译文件时找不到boost。所以简单使用的话经量使用apt-get安装即可。
什么事BLAS：BLAS,即基础线性代数子程序库，里面拥有大量已经编写好的关于线性代数运算的程序。全称Basic Linear Algebra Subprograms。这里可以选择（ATLAS，MKL或者OpenBLAS）
从性能上看：MKL & OpenBLAS & ATLAS
首先下载并安装英特尔? 数学内核库 Linux* 版MKL
下载链接是：，可以下载Student版的，先申请，然后会立马收到一个邮件（里面有安装序列号），打开照着下载就行了。下载完之后，要把文件解压到home文件夹(或直接把tar.gz文件拷贝到home文件夹,为了节省空间，安装完记得把压缩文件给删除喔～)，或者其他的ext4的文件系统中。
接下来是安装过程
$ tar zxvf cpp_studio_xe_2013_sp1_update3.tar.gz
#如果你是直接拷贝压缩文件过来的
$ chmod a+x /home/username/cpp_studio_xe_2013_sp1_update3 -R
$ sudo ./install_GUI.sh
配置环境变量
#新建intel_mkl.conf，并编辑
$ cd /etc/ld.so.conf.d
$ sudo touch intel_mkl.conf
$ sudo vi intel_mkl.conf
/opt/intel/lib/intel64
/opt/intel/mkl/lib/intel64
安装该过程问题及解决方案
一个很2的问题，在启动linux的时候，手贱点了一下系统自动更新，可能正好更新到某个关键组件，授权的时候，始终无效，这个大概解决就是记得更新完，重启，然后关机，我弄的时候，重启也没用。
记得把解压后的studio_xe软件包丢到home下，或者干脆直接在home里解压，注意这里它是保存在home/username, 这里的username是你的用户名。这一步主要是，让安装程序处于linux的文件系统中，为了修改权限做保证。
使用chmod对文件夹及其子文件进行授权，安装程序是install_GUI.sh，它调用了install.sh，接下来又调用了一连串的文件，这些文件都必须具有可执行的权限，所以，你懂了~照着上面的步骤就好了
安装的时候，可以安装到root权限下，或者sudo权限，我是装在root权限下，避免麻烦，这时就必须确保已经为root设置过密码了，然后会让你输入你申请的时候发给你的序列号。没设置的话，执行：$ sudo passwd root
安装OpenBLAS
$ sudo apt-get install libopenblas-dev
附：也可以到官网下载源码编译安装
$ sudo apt-get install libatlas-base-dev
安装opencv
opencv是机器视觉库。要启用CUDA加速模块，Qt支持模块，Matlab支持模块必须手动编译源代码。
安装opencv3.1.0
# 官网列出的依赖库
[compiler] $ sudo apt-get install build-essential
[required] $ sudo apt-get install cmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-dev libswscale-dev
[optional] $ sudo apt-get install python-dev python-numpy libtbb2 libtbb-dev libjpeg-dev libpng-dev libtiff-dev libjasper-dev libdc1394-22-dev
# 还有一些系统可能缺失的包，否则编译时可能出错，或者编译完成后程序启动出错。绿色部分是安装Qt4已在前面安装完成，可以去掉。
$ sudo apt-get install libopencv-dev libdc1394-22 libdc1394-22-dev yasm libpng12-dev libtiff5-dev libjasper-dev libavcodec-dev libavformat-dev libswscale-dev libxine2-dev libgstreamer0.10-dev libgstreamer-plugins-base0.10-dev libv4l-dev libfaac-dev libmp3lame-dev libopencore-amrnb-dev libopencore-amrwb-dev libtheora-dev libvorbis-dev libxvidcore-dev x264 v4l-utils
Install ffmpeg
FFmpeg是一套可以用来记录、转换数字音频、视频，并能将其转化为流的开源计算机程序。要处理视频流则可以选装，并在cmake中配置。
$ sudo add-apt-repository ppa:mc3man/trusty-media
$ sudo apt-get update
$ sudo apt-get install ffmpeg gstreamer
下载源代码
首先在（ ）网站下载opencv3.1.0源码以及opencv_contrib扩展模块。opencv从2.x到3.x是一个很大的转变，对于很多功能不完善、性能不稳定的模块，都被方法了extra_modules（扩展模块）里面了，而opencv_contrib就是这样一个扩展模块。
为了解决opencv3.1.0 cmake 过程中出现的ippicv_linux_.tgz下载失败导致的错误，需要先下载ippicv_linux_.tgz文件然后放入opencv源文件的/home/yangzheng/myLib/opencv-3.1.0/opencv/sources/3rdparty/ippicv/downloads/linux-808b791a6eac9ed78d32ae文件夹中替换原有的.tgz文件
解压下载的源代码，如下
同样打开cmake，配置编译的属性，为了加入扩展模块，需要在OPENCV_EXTRA_MODUALES_PATH选择扩展模块的路径如：/home/yangzheng/myLib/opencv-3.1.0/opencv_contrib/modules（注意：需要精确到modules文件夹）
需要注意的是，如果希望opencv使用Qt gui则需要勾选
需要使用CUDA加速运算（重要）
首先要启用CUDA加速必须勾选WITH_CUDA标志
注：BUILD_CUDA_STUBS不能勾选，没有cuda核心又需要编译的人才需要勾选。
注：主要是看cmake能不能自动搜索到CUDA的include文件和libs文件路径。如果CUDA Toolkit安装没有问题应该是能够自动识别的。
启用BLAS加速运算
注：需要使用CUBLAS则需要勾选WITH_CUBLAS，需要使用opencv dnn且需要BLAS加速则要勾选opencv_dnn_BLAS
为了编译python2.7接口要确保以下选项正确
产生Makefile，编译源文件，安装opencv
编译配置选择完毕后，点击Configure完成配置，没报错的话点击Generate按钮在build文件夹产生Makefile文件。
#以下是截取的部分感兴趣的配置结果
&&&&&&&&YES (ver 4.8.6 EDITION = OpenSource)
QT OpenGL support:
OpenGL support:
VTK support:
&&&&&&&&NO
Other third-party libraries:
Use IPP Async:
&&&&&&&&NO
Use Intel VA-API/OpenCL:
Use Eigen:
&&&&&&&&NO
&&&&&&&&YES (ver 8.0)
Use OpenCL:
&&&&&&&&YES
Use custom HAL:
NVIDIA CUDA
Use CUFFT:
&&&&&&&&YES
Use CUBLAS:
&&&&&&&&NO
USE NVCUVID:
NVIDIA GPU arch:
&&&&20 21 30 35
NVIDIA PTX archs:
Use fast math:
Interpreter:
&&&&/usr/bin/python2.7 (ver 2.7.6)
Libraries:
&&&&/usr/lib/x86_64-linux-gnu/libpython2.7.so (ver 2.7.6)
&&&&/usr/local/lib/python2.7/dist-packages/numpy/core/include (ver 1.12.0rc1)
packages path:
&&&&lib/python2.7/dist-packages
Python (for build):&&&&/usr/bin/python2.7
&&&&/usr/local/MATLAB/R2014a/bin/mex
Compiler/generator:
Install path:
&&&&/usr/local
-----------------------------------------------------------------
Configuring done&
编译源文件：
$ cd YOUR/PATH/build
$ make -j8
#opencv 要编译的源文件太多，时间大概30分钟
$ sudo make install
配置opencv.conf，将opencv加入环境变量：
$ sudo gedit /etc/ld.so.conf.d/opencv.conf
写入/usr/local/lib
更新库目录
$ sudo ldconfig
下面两个添加环境变量
打开文件profile
$ sudo gedit /etc/profile
加入下面两行：
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
安装过程错误及解决
找不到 -lippicv错误解决
(ubuntu 16.04 LTS和ubuntu 14.04 LTS 安装opencv-3.1.0)
按照这篇文章安装 出现了下面的错误.
g++ example.cpp -o example `pkg-config --libs --cflags opencv`
/usr/bin/ld: 找不到 -lippicv
collect2: error: ld returned 1 exit status&
解决方案一
这篇文章中也遇到了这个错误. 可以在cmake时加上"cmake -DINSTALL_CREATE_DISTRIB=ON" 这句,就不会有这个错误了. 可以完整参照这篇文章安装. 总结安装步骤: ubuntu16.04 安装opencv3.1.0
cd 到opencv-3.1.0
cmake -DINSTALL_CREATE_DISTRIB=ON
sudo make install
gedit /etc/profile
加入下面两行保存
export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib
source /etc/profile
sudo ldconfig&
编译之前勾选此选项
解决方案二（推荐）
如果不想重新安装可以用此方案。在终端输入
$ pkg-config --libs opencv
-L/usr/local/lib -lopencv_shape -lopencv_stitching -lopencv_objdetect -lopencv_superres -lopencv_videostab -lippicv -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml -lopencv_imgproc -lopencv_flann -lopencv_core
$ pkg-config --cflags opencv
-I/usr/local/include/opencv -I/usr/local/include&
使用 pkg-config 的 - -cflags 参数可以给出在编译时所需要的选项，而 - -libs 参数可以给出连接时的选项。
可以看到：由于使用了 pkg-config 工具来获得库的选项，所以不论库安装在什么目录下，都可以使用相同的编译和连接命令，带来了编译和连接界面的统一。
使用 pkg-config 工具提取库的编译和连接参数有两个基本的前提：
库本身在安装的时候必须提供一个相应的 .pc 文件(不这样做的库说明不支持 pkg-config 工具的使用)。
pkg-config 必须知道要到哪里去寻找此 .pc 文件。
GTK+ 及其依赖库支持使用 pkg-config 工具，所以剩下的问题就是如何告诉 pkg-config 到哪里去寻找库对应的 .pc 文件，这也是通过设置搜索路径来解决的。
对于支持 pkg-config 工具的 GTK+ 及其依赖库来说，库的头文件的搜索路径的设置变成了对 .pc 文件搜索路径的设置。.pc 文件的搜索路径是通过环境变量 PKG_CONFIG_PATH 来设置的，pkg-config 将按照设置路径的先后顺序进行搜索，直到找到指定的 .pc 文件为止。
因此安装时在/etc/profile 中添加
export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig:$PKG_CONFIG_PATH
是为了告诉pkg-config，opencv库指定的.pc文件在/usr/local/lib/pkgconfig这个路径下。也就是opencv.pc这个文件，内容如下：
# Package Information for pkg-config
prefix=/usr/local
exec_prefix=${prefix}
libdir=${exec_prefix}/lib
includedir_old=${prefix}/include/opencv
includedir_new=${prefix}/include
Name: OpenCV
Description: Open Source Computer Vision Library
Version: 3.1.0
Libs: -L${exec_prefix}/lib -lopencv_shape -lopencv_stitching -lopencv_objdetect -lopencv_superres -lopencv_videostab -lippicv -lopencv_calib3d -lopencv_features2d -lopencv_highgui -lopencv_videoio -lopencv_imgcodecs -lopencv_video -lopencv_photo -lopencv_ml -lopencv_imgproc -lopencv_flann -lopencv_core
Libs.private: -L/usr/lib/x86_64-linux-gnu -lpng -lz -lgtk-3 -lgdk-3 -lpangocairo-1.0 -lpango-1.0 -latk-1.0 -lcairo-gobject -lcairo -lgdk_pixbuf-2.0 -lgio-2.0 -lgobject-2.0 -lgthread-2.0 -lglib-2.0 -lavcodec-ffmpeg -lavformat-ffmpeg -lavutil-ffmpeg -lswscale-ffmpeg -ldl -lm -lpthread -lrt
Cflags: -I${includedir_old} -I${includedir_new}&
（把opencv.pc备份一下）可以看到库里面有-lippicv这个选项，把-lippicv删掉即可。
解决方案三
从opencv.pc中可以看出，pkg-config加载库的路径是/usr/local/lib,我们去这这个路径下看看，发现没有-lippicv对应的库，别的选项都有对应的库，然后我们把-lippicv对应的库（libippicv.a）放到这个路径下就好啦了。
我的liboppicv.a在/home/ds/opencv-3.1.0/3rdparty/ippicv/unpack/ippicv_lnx/lib/intel64这个路径下。你的也在你自己opencv文件夹的对应路径下。
先cd 到上面这个路径下，然后cp liboppicv.a /usr/local/lib 将这个库文件复制到/usr/local/lib下就好了。
Ubuntu14.04下cmake不产生python-opencv编译文件的问题：
需要升级cmake（参看前文）
另外cmake在configure的时候提示no modular named numpy主要是没有安装python3.0的numpy包原因，可以忽略
执行时，可能出现编译失败
那是因为与发生了冲突。解决方法：修改源码，使其兼容
将第四十五行位置的
然后重新执行
为开四个线程，加快编译速度
安装PyCUDA
什么是PyCUDA: PyCUDA lets you access Nvidia‘s CUDA parallel computation API from Python. CUDA Toolkit的Python接口。安装版本
Install gcc &= 4.3
$ sudo apt-get install build-essential gcc
Install Boost C++ libraries
$ sudo apt-get install libboost-all-dev
Install numpy
$ sudo apt-get install python-numpy –y
Install other necessary libraries:
$ sudo apt-get install build-essential python-dev python-setuptools libboost-python-dev libboost-thread-dev –y
Download PyCUDA and unpack it:
$ tar xzvf pycuda-VERSION.tar.gz
Configure, make and install PyCUDA:
$ cd pycuda-VERSION
$ ./configure.py --cuda-root=/usr/local/cuda --cudadrv-lib-dir=/usr/lib --boost-inc-dir=/usr/include --boost-lib-dir=/usr/lib --boost-python-libname=boost_python-py27 --boost-thread-libname=boost_thread
$ make -j 4
$ sudo python setup.py install
$ sudo pip install .
安装theano
安装gfortran, numpy, scipy, sklearn, blas, atlas等包
# 安装gfortran
$ sudo apt-get install gfortran
# 安装blas，Ubuntu下对应的是libopenblas，其它操作系统可能需要安装其它版本的blas——这是个OS相关的。
$ sudo apt-get install libopenblas-dev
# 安装lapack，Ubuntu下对应的是liblapack-dev，和OS相关。
$ sudo apt-get install liblapack-dev
# 安装atlas，Ubuntu下对应的是libatlas-base-dev，和OS相关。
$ sudo apt-get install libatlas-base-dev
#安装 nose
$ sudo apt-get install python-nose
$ sudo apt-get install python-pip
$ sudo apt-get install python-dev
$ sudo apt-get install g++
$ sudo apt-get install git
安装numpy和scipy, scikit-learn包
$ sudo apt-get install python-numpy
$ sudo apt-get install python-scipy
$ sudo apt-get install python-sklearn
#安装成功测试：
$ python -c "numpy.test()"
$ python -c "scipy.test()"
安装pyCUDA
安装Theano
# 安装Theano
sudo pip install Theano
或者使用pycharm的包管理工具指定安装，由于之后我们要安装Lasagne-0.2.dev1，要求Theano==0.8.0
所以指定安装
安装完毕之后运行：
$ python "theano.test()"
#运行正常则说明theano安装正确，注theano.test()仅在使用CPU时有效
另外如果numpy版本过高或过低都会导致一个numpy init失败的动态错误。我安装的theano-0.8.0，测试的结果来看numpy- 1.11.1没出错，不过由于我的PyCUDA版本过高提示警告：
UserWarning: Your CuDNN version is more recent then Theano. If you see problems, try updating Theano or downgrading CuDNN to version 4.
配置Theano
?&&&&在主目录下新建.theanorc文件
gedit .theanorc
?&&&&在.theanorc中输入下面的内容
root=/usr/local/cuda
floatX = float32
device = gpu0
#表示使用GPU加速计算
fastmath = True
[mode]=FAST_RUN
测试Theano是否在使用GPU
?将下列python代码复制到useGPU.py，并运行。
from theano import function, config, shared, sandbox
import theano.tensor as T
import numpy
import time
vlen = 10 * 30 * 768
# 10 x #cores x # threads per core
iters = 1000
rng = numpy.random.RandomState(22)
x = shared(numpy.asarray(rng.rand(vlen), config.floatX))
f = function([], T.exp(x))
print f.maker.fgraph.toposort()
t0 = time.time()
for i in xrange(iters):
t1 = time.time()
print ‘Looping %d times took‘ % iters, t1 - t0, ‘seconds‘
print ‘Result is‘, r
if numpy.any([isinstance(x.op, T.Elemwise) for x in f.maker.fgraph.toposort()]):
print ‘Used the cpu‘
print ‘Used the gpu‘&
?假定上面已经设置文件.theanorc，运行命令如下所示：
python useGPU.py
解决cuda_ndarray.cu错误
如果出现错误：ERROR (theano.sandbox.cuda): Failed to compile cuda_ndarray.cu: libcublas.so.6.5 cannot open shared object file: No such file or directory，需要运行以下命令：
$ sudo ldconfig /usr/local/cuda/lib64
注，以上是零时办法，每次重启计算机后都会再次出现，以下是永久解决方案：
ldconfig命令的功能是动态的链接一个库，就是说动态的将库的地址加入到系统的某个缓存以便当使用库的时候系统能够找到其位置。实际上为了永久的实现这个功能，我们可以在 /etc/ld.so.conf.d/目录下新建theano.conf 文件,并在中添加 /usr/local/cuda/lib64 这一句，这样就永久的在系统中加入了cuda库的地址。
安装lasagne
lasagne是python开源神经网络的包。安装
Requirments:
Python &=2.7 or &=3.4&
C compiler&
numpy &= 1.6.2
$ pip install numpy&
scipy &= 0.11&
$ pip install scipy&
$ pip install libopenblas-dev
(They will work fine without one, but a lot slower, so it is worth getting this right (but this is less important if you plan to use a GPU).)&
#选择安装稳定版
$ pip install Lasagne==0.1
开发者方式安装最新版0.2
git clone https://github.com/Lasagne/Lasagne.git
cd Lasagne
pip install -r requirements.txt &&&&#实际上就是需要安装theano 0.8.0
pip install --editable .
caffe是一个c++的深度学习框架。
caffe框架安装：
安装依赖包
#绿色部分前面已经装过
$ sudo apt-get install build-essential
$ sudo apt-get install libprotobuf-dev protobuf-compiler libsnappy-dev libopencv-dev
libboost-all-dev
$ sudo apt-get install liblmdb-dev libleveldb-dev libhdf5-serial-dev libgflags-dev libgoogle-glog-dev
libgoogle-glog-dev&
Google Logging Library.
libprotobuf-dev&
Protocol buffers are a flexible, efficient, automated mechanism for
serializing structured data - similar to XML, but smaller, faster, and
caffe使用的配置文件全是.prototxt，框架通过使用这个库解析这些文件。
liblmdb-dev&
Lighting Memory-Mapped Database (LMDB) is an ultra-fast, ultra-compact
key-value embedded data store developed for the OpenLDAP Project.
caffe中的训练图片需要组织成lmdb，libhdf5，leveldb三种数据库文件格式中的一种才能训练。
libhdf5-serial-dev&
HDF5 is a file format and library for storing scientific data.
libleveldb-dev&
LevelDB is a fast key-value storage library written at Google that
provides an ordered mapping from string keys to string values.&
libgflags-dev&
gflags是google的一个开源的处理命令行参数的库，使用c++开发，具备python接口
要使用GPU则需要安装显卡驱动和CUDA Toolkit，另外还要安装cuDNN
（参考前文）
已安装nvidia-367驱动和CUDA Toolkit-8.0及对应cuDNN
安装BLAS（基本线性代数库）
（参考前文）
已安装 OpenBLAS 和 ATLAS
安装opencv
（参考前文）
已安装opencv-3.1.0
安装boost &= 1.55
下载caffe源码
类似opencv，要启用caffe的功能必须手动编译源码安装。
下载地址：
或者执行Git命令：
$ git clone git://github.com/BVLC/caffe.git
切换到Caffe所在目录
$ cd YOUR/PATH/caffe
$ cp Makefile.config.example Makefile.config
配置Makefile.config
配置一些引用文件（增加部分主要是解决新版本下，HDF5的路径问题）
CPU_ONLY := 1 &
#如果不使用GPU加速计算就选上这一项
USE_CUDNN := 1
#要使用CUDNN加速神经网络计算
OPENCV_VERSION := 3&
#若使用opencv3.0.0以上版本
INCLUDE_DIRS := $(PYTHON_INCLUDE)
/usr/lib/x86_64-linux-gnu/hdf5/serial/include&
添加HDFS的头文件和库文件路径
LIBRARY_DIRS := $(PYTHON_LIB)
/usr/lib /usr/lib/x86_64-linux-gnu/hdf5/serial&
BLAS := atlas&
计算能力 mkl & openlas &atlas
MATLAB_DIR := /usr/local/MATLAB/R2014a&
MATLAB directory should contain the mex binary in /bin.&
Make Caffe
make all -j8 #编译源文件
make test -j8 #编译测试源文件
make runtest -j8 #测试
编译caffe python接口
Caffe拥有python\C++\shell接口，在Caffe使用python特别方便，在实例中都有接口的说明。
确保pip已经安装
$ sudo apt-get install python-pip
在/caffe/python新建shell文件并执行安装依赖
for req in $(cat requirements.txt); do pip install $ done
编译python接口
make pycaffe
当出现下面错误的时候修改
fatal error: numpy/arrayobject.h: No such file or directory.
PYTHON_INCLUDE := /usr/include/python2.7
/usr/lib/python2.7/dist-packages/numpy/core/include This is where our error is. So by changing this line to:
PYTHON_INCLUDE := /usr/include/python2.7
/usr/local/lib/python2.7/dist-packages/numpy/core/include
# Our problem is gone.
运行python结构
import sys
sys.path.append("~/caffe/python")
import caffe If the last import caffe doesn‘t pop out any error, congratulations, now you can use python to play with caffe!
若想系统自动加载caffe python库，则需要在bashrc中配置caffe python的路径
sudo gedit /etc/bash.bashrc
sudo gedit /etc/profile
然后在最下面添加：
# load caffe python package
export PYTHONPATH=$PYTHONPATH:/home/yangzheng/myLibs/caffe/python&
在Mnist运行LeNet
获取数据源
./data/mnist/get_mnist.sh
./examples/mnist/create_mnist.sh
因为是CPU运行，所以修改在examples文件下的Mnist下的lenet_solver.prototxt中的solver_mode:CPU
solver_mode: CPU
./examples/mnist/train_lenet.sh
安装TensorFlow
# Ubuntu/Linux 64-bit, CPU only, Python 2.7$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.1-cp27-none-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled, Python 2.7
# Requires CUDA toolkit 8.0 and CuDNN v5. For other versions, see "Installing from sources" below.$ export TF_BINARY_URL=https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-0.12.1-cp27-none-linux_x86_64.whl
# 安装(Python 2.7)
$ sudo pip install --upgrade $TF_BINARY_URL
配置cuda环境变量：
export PATH=/usr/local/cuda/bin:$PATH
export LD_LIBRARY_PATH="$LD_LIBRARY_PATH:/usr/local/cuda/lib64:/usr/local/cuda/extras/CUPTI/lib64"
export CUDA_HOME=/usr/local/cuda&
成功启用cuda显示：
&&& import tensorflow
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcublas.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcudnn.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcufft.so locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcuda.so.1 locally
I tensorflow/stream_executor/dso_loader.cc:128] successfully opened CUDA library libcurand.so locally
Loaded CuDNN library: 5005 (compatibility version 5000) but source was compiled with library 5103 (compatibility version 5100)
这个错误提示cuDNN版本低
官方说是使用cuda8.0+cudnnV5,实际是使用cuda7.5+cudnnV5.1才行
标签：&&&&&&&&&&&&&&&&&&&&&&&&&&&原文地址：http://www.cnblogs.com/supersponge/p/6490931.html
&&国之画&&&& &&&&chrome插件
版权所有 京ICP备号-2
迷上了代码！