之前所有写的tensorflow相关的东西都是CPU下的。现在公司一台有Nvidia GTX 1060的电脑空余，于是在这台电脑上重装ubuntu后开始编译tensorflow_cc.so的GPU版本并使用。仔细说来有ABCDEF六步骤如下：A---install bazel (参考https://docs.bazel.build/versions/master/install-ubuntu...

因为工作需要，开始学习tensorflow，个人不是喜欢数学公式的类型，之前学习caffe、Keras都是从实用角度去学习即会用就行，对于CNN理论我都没有细看，那么多数学公式看得想睡觉。所以我学tensorflow的宗旨是先大概学习理论，对于理论要知道是怎么回事，公式看不懂就先不看，然后去实践能训练符合实际需求的模型会及时调整模型就OK。至于具体的理论公式那些，以后有需求再学。一、学习《解析..

理论根据《图像拼接的改进算法》，据说这个算法可以消除重叠部分运动物体的重影和鬼影问题，所以就编下试试看，反正之前编的那种很老的取平均值法融合、渐入渐出（基于距离）融合、以及改进的三角函数权重融合都只是适合静态图像融合 有重影和鬼影问题  不适合有运动物体的图像融合，所以还是要最佳缝合线算法：看论文上就四步 很清晰也很好懂  结果自己写的时候才发现看起来很容易的也许编起来没那么容易  想得太简单了。

学习人工智能技术的基础知识以及实战

这周重新系统学了下C++类部分。研一时总是看不懂的东西现在看懂了并慢慢深入，学得很带劲。以前从没接触过虚拟机，老板把他配置好的给我，我装上了，可以运行。我电脑是win7 64位的。我把他发给我的都放在一个目录下：https://pan.baidu.com/s/1jHISZTs  这个解压后放一个文件夹。  https://pan.baidu.com/s/1hr8NHOS 这个解压后有10个文件和另

看完这里：Introduction to OpenCV Graph API (G-API) — OpenVINO™ documentationGraph API · opencv/opencv Wiki · GitHubOpenCV: Porting anisotropic image segmentation on G-API然后看到博文阅读密码验证 - 博客园这里展示的巨大性能，跟着试了下：未

因为突然要用到特征提取、模式识别的东西，所以现在开始补习这方面的理论知识，因为之前没怎么去看模式识别，下载了书上的源代码错误率太高了，，，应该是这个写代码的人的书写习惯和我不一样所以我想着 我也写十个数字保存为样本 并训练提取特征 这样库里就有我写的十个数字了  我再随便写一个进行识别  应该会正确率高些，，，可是在归类数字类别时反应超级慢 老是会这样成了白屏 卡死了