tflearn anaconda 安装过程记录

准备工作:
gcc升级为4.8.2
glibc升级为2.18

/opt/xxx/xxx/components/ficlient/bigdata_env 里加入:
export LD_LIBRARY_PATH=/usr/local/lib:/usr/local/lib64:$LD_LIBRARY_PATH

因为 GLIBCXX 在 /usr/local/lib64/libstdc++.so 里。


DN0:~/bone # source /opt/xxx/xxx/components/ficlient/bigdata_env

安装的库:

# hmmlearn需要安装的东西
/opt/xxx/xxx/anaconda2/bin/conda install --use-local hmmlearn-0.3.0b-np112py27_0.tar.bz2

# tflearn依赖的包:
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tensorflow-1.4.0-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tflearn-0.3.2-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tflearn-0.3.2-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tensorflow-1.4.0-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tensorflow-1.0.0-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local tflearn-0.3.2-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda --use-local protobuf-3.5.1-py27_1.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local protobuf-3.5.1-py27_1.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local mock-2.0.0-py27_0.tar.bz2
/opt/xxx/xxx/anaconda2/bin/conda install --use-local pbr-3.1.1-py27_0.tar.bz2
 
 
最后效果:
 
DN0:~/bone # /opt/xxx/xxx/anaconda2/bin/python
Python 2.7.12 |Anaconda 4.1.1 (64-bit)| (default, Jul  2 2016, 17:42:40)
[GCC 4.4.7 20120313 (Red Hat 4.4.7-1)] on linux2
Type "help", "copyright", "credits" or "license" for more information.
Anaconda is brought to you by Continuum Analytics.
Please check out: http://continuum.io/thanks and https://anaconda.org
>>> import tflearn
>>>  

anaconda搜索安装包:

https://anaconda.org/conda-forge/pbr/files

直接去找linux64-py27的包即可。需要什么依赖就手动一步步去解决。

 

参考:

http://blog.sciencenet.cn/blog-725052-965426.html

在Anaconda下从本地安装包安装obspy

想在Anaconda下安装obspy,但总是出现各种网络问题,无法完成下载obspy的包。pip install也试了下,网络问题依旧。但本人使用的奇葩网络竟然可以在Anaconda的网站上(https://conda.anaconda.org/obspy)下载安装包,于是先按照我的python版本和系统架构下载了一个安装包obspy-1.0.1-py27_0.tar.bz2。

下载完包之后,需要找到从本地安装的方法,从Anaconda网站上找到install命令说明(http://conda-test.pydata.org/docs/commands/install.html),发现其中有

--use-local use locally built packages

于是尝试了一下

conda install --use-local obspy-1.0.1-py27_0.tar.bz2

没想到真的成功 !

 

这个方法对于网络不好,或者网络奇葩,或者网络连接不便的Anaconda用户应该有帮助。

# 工程内容 这个程序是基于tensorflow的tflearn实现部分RCNN功能。 # 开发环境 windows10 + python3.5 + tensorflow1.2 + tflearn + cv2 + scikit-learn # 数据集 采用17flowers据集, 官网下载:http://www.robots.ox.ac.uk/~vgg/data/flowers/17/ # 程序说明 1、setup.py---初始化路径 2、config.py---配置 3、tools.py---进度条和显示带框图像工具 4、train_alexnet.py---大数据集预训练Alexnet网络,140个epoch左右,bitch_size为64 5、preprocessing_RCNN.py---图像的处理(选择性搜索、数据存取等) 6、selectivesearch.py---选择性搜索源码 7、fine_tune_RCNN.py---小数据集微调Alexnet 8、RCNN_output.py---训练SVM并测试RCNN(测试的时候测试图片选择第7、16类中没有参与训练的,单朵的花效果好,因为训练用的都是单朵的) # 文件说明 1、train_list.txt---预训练数据,数据在17flowers文件夹中 2、fine_tune_list.txt---微调数据2flowers文件夹中 3、1.png---直接用选择性搜索的区域划分 4、2.png---通过RCNN后的区域划分 # 程序问题 1、由于数据集小的原因,在微调时候并没有像论文一样按一个bitch32个正样本,128个负样本输入,感觉正样本过少; 2、还没有懂最后是怎么给区域打分的,所有非极大值抑制集合canny算子没有进行,待续; 3、对选择的区域是直接进行缩放的; 4、由于数据集合论文采用不一样,但是微调和训练SVM时采用的IOU阈值一样,有待调参。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值