by 20150517
1.1下载openCV
首先是下载opencv，在openCV的最新版本中有提供对GPU的支持。因此我们最好下载opencv3.1
在http://opencv.org/网址中找到下载连接，
https://github.com/Itseez/opencv/archive/3.1.0.zip(此处可以使用wget命令)
我用的是ubuntuServer版，没有desktop,因此试图在github上找到链接
发现github上的这个链接似乎不能用git，那就不用wget。
git clonehttps://github.com/Itseez/opencv.git（https://github.com/Itseez/opencv.git）
好，opencv下载之后的目录如下：
1.2编译Opencv
接下来编译：
（此处参考opencev的官方文档：http://opencv.org/quickstart.html）
1.2.3第一步：检测依赖包似乎否安装
编译之前，先检查是否安装依赖的包：
sudo apt-get installbuild-essential
sudo apt-get installcmake git libgtk2.0-dev pkg-config libavcodec-dev libavformat-devlibswscale-dev
sudo apt-get install python-dev python-numpy libtbb2 libtbb-devlibjpeg-dev libpng-dev libtiff-dev libjasper-dev
libdc1394-22-dev
1.2.4第二步build Opencv
当保证opencv所以来的文件已经ubuntu环境下安装之后
cd~/opencv##切换到opencv所在的目录下
mkdir build##创建bild文件，用于存放build文件
cd ./build##进入刚刚创建的build目录
具体操作如下：
接下来，进入此目录之后，进行cmdke
cmake -DCMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..
##注意这里是..代表biuld的父目录。
PS：
这句话是说：将来安装的时候会放在/usr/local/下；build类型为发布版。
然后在build目录下进行编译：
运行效果如下：
make –j 20#用20个线程进行进行编译
新版本的Opencv对Cuda进行了支持。如果你的电脑上安装有Cuda，则会出现一下信息
Make完毕之后，代表着编译结束。
接下来在当前目录下，安装编译好的opencv
sudomake install
另外也可以选择生成opencv的文档
cd~/opencv/build/doc/
make -j7 html_docs
安装类库：（在build目录下执行）
sudo make install
至此opencv安装成功。现在测试：
使用vim输入一下内容：
#include
#include
using namespace cv;
int main(int argc, char** argv )
{
if ( argc != 2 )
{
printf("usage: DisplayImage.out\n");
return -1;
}
Mat image;
image = imread( argv[1], 1 );
if ( !image.data )
{
printf("No image data \n");
return -1;
}
namedWindow("Display Image", WINDOW_AUTOSIZE );
imshow("Display Image", image);
waitKey(0);
return 0;
}
gedit CMakeLists.txt
写入如下内容
cmake_minimum_required(VERSION 2.8)
project( DisplayImage )
find_package( OpenCV REQUIRED )
add_executable( DisplayImage DisplayImage.cpp )
target_link_libraries( DisplayImage ${OpenCV_LIBS} )
cd ~/opencv-lena
cmake .
make
./DisplayImage lena.jpg##此一个用程序用于显示图片。
最后，安装openCV对python的支持：
1.3安装python-opencv
可直接使用apt安装
sudo apt-get install python-opencv
sudo apt-get install python-numpy ##此类库包含opencv有关科学计算操作的函数
第二章TenseorFlow安装
2.1阅读文档
https://www.tensorflow.org/versions/r0.8/get_started/os_setup.html
2.2安装TensorFlow
#安装PIP
#Ubuntu/Linux 64-bit
$ sudo apt-get install python-pip python-dev
# Mac OS X
$ sudo easy_install pip
#Install TensorFlow
# Ubuntu/Linux 64-bit, CPU only:
$ sudo pip install --upgradehttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
# Ubuntu/Linux 64-bit, GPU enabled. Requires CUDA toolkit 7.5 and CuDNNv4.For
# other versions, see "Install from sources" below.
$ sudo pip install --upgradehttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
# Mac OS X, CPU only:
$ sudo easy_install --upgrade six
$ sudo pip install --upgrade
https://storage.googleapis.com/tensorflow/mac/tensorflow-0.8.0-py2-none-any.whl
根据
# Ubuntu/Linux64-bit,GPUenabled.RequiresCUDA toolkit 7.5andCuDNN v4.For
# other versions, see "Install from sources" below.
$ sudo pip install --upgradehttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.8.0-cp27-none-linux_x86_64.whl
接下来是下载CuDNNv4
CuDNN安装说明
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。
CuDNN可以在官网免费获得，注册帐号后即可下载。官网没有找到安装说明，下载得到的压缩包内也没有Readme.不过google一下就会找到许多说明。基本原理是把lib文件加入到系统能找到的lib文件夹里，把头文件加到系统能找到的include文件夹里就可以。这里把他们加到CUDA的文件夹下（参考这里）
https://github.com/tiangolo/caffe/blob/ubuntu-tutorial-b/docs/install_apt2.md
具体过程如下：在安装好cuda7.5之后。我们可以安装Cudnnv4，
下载并安装了cudnn之后，下载安装tensorFlow
并测试，测试代码如下：
实验过程中遇到的错误：
Deeper-anpr提取图片，出现以下错误：
错误的原因：
'module' object has no
attribute 'CV_LOAD_IMAGE_GRAYSCALE
也就是说cv这个模块没有LoadImage()这个函数
你打开cv的源代码看看，或者使用dir(cv)看看这个模块都有什么属性
猜测可能是cv.OpenImage()
