第6章 配置開發環境
當學習新技術時，配置開發環境往往事半功倍。但是在實際的庫與不同的作業系統、不同的版本之間，配置深度學習開發環境有些難度。而且，深度學習庫往往隨著新特性的發布，會定期更新，如cuda工具集。
因此，基於深度學習庫與環境的快速變化，作者將本章相關的安裝及時、最新的更新到**上。
這一節主要列出一些在計算機視覺的深度學習中用到的主要庫與語言。
本書中所有的例子使用python語言，該語言簡單、直覺的語法使你關注到深度學習的基礎學習上，而不是花費幾小時來修復編譯錯誤。
為了構建和訓練深度學習網路，我們主要使用keras庫。keras支援tensorflow和theano，使它快速的構建和訓練網路變得超級簡單。看第2節關於相容性的問題。
我們也將使用mxnet庫，一種特別適合於分布式、多機學習的深度學習庫。當在巨大的影象資料集（如imagenet）上訓練深度神經網路架構，通過多gpus或裝置進行並行化訓練的能力是極其重要的。
mxnet庫在本書中僅用在imagenet bundle中。
由於本書關注與應用在計算機視覺上的深度學習，我們也將利用一些其它庫。在本書中不需要成為使用這些庫的專家或使用它們的成功的經驗，但是確實建議熟悉基本的opencv操作。《practical python and opencv》的前5章更適合於理解opencv庫的基礎。
opencv的主要目標是實時影象處理，我們使用opencv的python介面來從磁碟載入影象、顯示到螢幕和執行基本的影象處理操作。為了補充opencv，我們使用scikit-image庫，乙個包含影象處理演算法的包。scikit-learn是乙個用於機器學習、交叉驗證和視覺化的開源庫，這個庫可作為keras的補充，特別是在建立訓練集/測試集/驗證集劃分和驗證我們的深度學習模型的精確度方面。
如果準備好配置深度學習開發環境，點選下面鏈結，即可根據作業系統和是否配置gpu來跟隨指導來配置：
如果購買了作者的書籍《deep learning for computer vision with python》，作者將隨書提供了預配置的ubuntu虛擬機器，其中包含了所有配置的庫與開發包，用於直接隨書使用，而不必自行安裝。
ubuntu vm的乙個主要缺點是，根據虛擬機器的定義，vm不允許訪問主機的物理元件（例如gpu）。當訓練乙個大的深度學習網路時，有乙個gpu是極其有效的。作者建議如果使用基於雲的gpu，則可使用作者在站點上提供的預配置的ami，因為它配置了所有預配置和預安裝的本書中的所有庫。
每章相關**在乙個目錄下，資料集在另乙個目錄下。
在執行某一章的測試用例時，首先進入到對應章目錄下，然後執行當前章的主程式，例如執行時通過python knn.py ../datasets/aninals載入資料集的形式。
在學習本書過程中，我會將自己搭建的程式文件放在git上，以作記錄與維護。
個人部落格 移動端開發第0章（開發環境配置）
花費了4 5個小時 完成了linux系統的安裝 完成了lnmp環境的配置 完成了phpstorm的安裝和thinkphp的匯入 1 先說linux的安裝 2 接下來是lnmp的安裝 3 phpstorm安裝之前需要預安裝jdk。thinkphp解壓在home wwwroot www.vmxuli.o...
第2章第5節 Wanlix的開發環境
目前更新到5.3節，請在 晶元使用的是adi 公司的aduc7024 前面已經做過一些介紹。軟體開發環境使用的是keil mdk4.20 keil 是德國軟體公司 keil 現已被 arm公司收購 開發的嵌入式系統開發平台，keil 開發平台支援許多廠家的晶元，提供基本的最小軟體系統，keil 開發...
第 6章 函式
6.1.2引數 2.引數陣列 c 允許為函式指定乙個 只能乙個 特殊的引數，這個引數必須是函式定義中的最後乙個引數，可用params關鍵字定義他們 如 params int vals 3.引用引數和值引數 理解 將本來在函式中引數按值引用的規則改變成按傳遞引用，使得這個引數會改變,定義引數和傳遞引數...