Latent_3d_points复现
指路:
运行latent_3d_points的train_single_class_ae.ipynb
其中重点:
先确定自己的tensorflow路径
新建find.py文件:vim find.py
find.py文件内容:
from __future__ import print_function
import tensorflow as tf
print(tf.sysconfig.get_compile_flags(),'\n')
print(tf.sysconfig.get_link_flags())
输出结果:
['-I/home/xxj/.local/lib/python2.7/site-packages/tensorflow/include', '-D_GLIBCXX_USE_CXX11_ABI=0']
['-L/home/xxj/.local/lib/python2.7/site-packages/tensorflow', '-l:libtensorflow_framework.so.1']
4.根据上个步骤的输出结果,修改makefile文件,-I之后的内容为TF_INC,-L之后的内容为TF_LIB。
注意makefile中的D_GLIBCXX_USE_CXX11_ABI等于0还是1,以及-l:libtensorflow_framework.so.1,这两部分都需对应自己上一步的输出。
nvcc=/usr/local/cuda-8.0/bin/nvcc
cudalib=/usr/local/cuda-8.0/lib64
nsync=/home/xxj/.local/lib/python2.7/site-packages/tensorflow/include/external/nsync/public
TF_INC=/home/xxj/.local/lib/python2.7/site-packages/tensorflow/include
TF_LIB=/home/xxj/.local/lib/python2.7/site-packages/tensorflowall: tf_approxmatch_so.so tf_approxmatch_g.cu.o tf_nndistance_so.so tf_nndistance_g.cu.otf_approxmatch_so.so: tf_approxmatch_g.cu.o tf_approxmatch.cpg++ -std=c++11 tf_approxmatch.cpp tf_approxmatch_g.cu.o -o tf_approxmatch_so.so -shared -fPIC -I $(TF_INC) -I $(nsync) -lcudart -L $(cudalib) -L $(TF_LIB) -l:libtensorflow_framework.so.1 -O2 -D_GLIBCXX_USE_CXX11_ABI=0tf_approxmatch_g.cu.o: tf_approxmatch_g.cu$(nvcc) -std=c++11 -c -o tf_approxmatch_g.cu.o tf_approxmatch_g.cu -I $(TF_INC) -I $(nsync) -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2 -D_GLIBCXX_USE_CXX11_ABI=0tf_nndistance_so.so: tf_nndistance_g.cu.o tf_nndistance.cppg++ -std=c++11 tf_nndistance.cpp tf_nndistance_g.cu.o -o tf_nndistance_so.so -shared -fPIC -I $(TF_INC) -I $(nsync) -lcudart -L $(cudalib) -L $(TF_LIB) -l:libtensorflow_framework.so.1 -O2 -D_GLIBCXX_USE_CXX11_ABI=0tf_nndistance_g.cu.o: tf_nndistance_g.cu$(nvcc) -std=c++11 -c -o tf_nndistance_g.cu.o tf_nndistance_g.cu -I $(TF_INC) -I $(nsync) -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2 -D_GLIBCXX_USE_CXX11_ABI=0clean:rm tf_approxmatch_so.sorm tf_nndistance_so.sorm *.cu.o
————————————————
版权声明:本文为CSDN博主「谦虚的海绵」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/qq_25436597/article/details/102708842
我的是这样:
nvcc = /usr/local/cuda-8.0/bin/nvcc
cudalib = /usr/local/cuda-8.0/lib64
nsync = /home/y/.local/lib/python2.7/site-packages/tensorflow/include/external
TF_INC=/home/y/.local/lib/python2.7/site-packages/tensorflow/include
TF_LIB=/home/y/.local/lib/python2.7/site-packages/tensorflowall: tf_approxmatch_so.so tf_approxmatch_g.cu.o tf_nndistance_so.so tf_nndistance_g.cu.otf_approxmatch_so.so: tf_approxmatch_g.cu.o tf_approxmatch.cpp g++ -std=c++11 tf_approxmatch.cpp tf_approxmatch_g.cu.o -o tf_approxmatch_so.so -shared -fPIC -I $(TF_INC) -I $(nsync) -lcudart -L $(cudalib) -L $(TF_LIB) -ltensorflow_framework -O2 -D_GLIBCXX_USE_CXX11_ABI=0
tf_approxmatch_g.cu.o: tf_approxmatch_g.cu$(nvcc) -D_GLIBCXX_USE_CXX11_ABI=0 -std=c++11 -c -o tf_approxmatch_g.cu.o tf_approxmatch_g.cu -I $(TF_INC) -I $(nsync) -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2
tf_nndistance_so.so: tf_nndistance_g.cu.o tf_nndistance.cppg++ -std=c++11 tf_nndistance.cpp tf_nndistance_g.cu.o -o tf_nndistance_so.so -shared -fPIC -I $(TF_INC) -I $(nsync) -lcudart -L $(cudalib) -L $(TF_LIB) -ltensorflow_framework -O2 -D_GLIBCXX_USE_CXX11_ABI=0
tf_nndistance_g.cu.o: tf_nndistance_g.cu$(nvcc) -D_GLIBCXX_USE_CXX11_ABI=0 -std=c++11 -c -o tf_nndistance_g.cu.o tf_nndistance_g.cu -I $(TF_INC) -I $(nsync) -DGOOGLE_CUDA=1 -x cu -Xcompiler -fPIC -O2clean:rm tf_approxmatch_so.sorm tf_nndistance_so.sorm *.cu.o
makefile文件在Latent/external/structural_losses/makefile这个路径下面
Latent_3d_points复现相关推荐
- Facebook 发布深度学习工具包 PyTorch Hub,让论文复现变得更容易
近日,PyTorch 社区发布了一个深度学习工具包 PyTorchHub, 帮助机器学习工作者更快实现重要论文的复现工作.PyTorchHub 由一个预训练模型仓库组成,专门用于提高研究工作的复现性以 ...
- 【目标检测】yolo系列:从yolov1到yolov5之YOLOv1详解及复现
检测器通常能够被分为两类,一类是two-stage检测器,最具代表的为faster R-CNN:另一类是one-stage检测器,包括YOLO,SSD等.一般来说,two-stage检测器具有高定位和 ...
- CV算法复现(分类算法2/6):AlexNet(2012年 Hinton组)
致谢:霹雳吧啦Wz:https://space.bilibili.com/18161609 目录 致谢:霹雳吧啦Wz:https://space.bilibili.com/18161609 1 本次要 ...
- 【神经网络】(17) EfficientNet 代码复现,网络解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现 EfficientNet 卷积神经网络模型. EfficientNet 的网络结构和 MobileNetV3 比较相似,建议大家在学 ...
- 【神经网络】(16) MobileNetV3 代码复现,网络解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 构建 MobileNetV3 轻量化网络模型. MobileNetV3 做了如下改动(1)更新了V2中的逆转残差结构:(2)使用NAS搜索 ...
- 【神经网络】(15) Xception 代码复现,网络解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 构建 Xception 神经网络模型. 在前面章节中,我已经介绍了很多种轻量化卷积神经网络模型,感兴趣的可以看一下:https://blo ...
- 【神经网络】(14) MnasNet 代码复现,网络解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现谷歌轻量化神经网络 MnasNet 通常而言,移动端(手机)和终端(安防监控.无人驾驶)上的设备计算能力有限,无法搭载庞大的神经网络 ...
- 【神经网络】(13) ShuffleNetV2 代码复现,网络解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现轻量化神经网络 ShuffleNetV2. 为了能将神经网络模型用于移动端(手机)和终端(安防监控.无人驾驶)的实时计算,通常这些设备 ...
- 【神经网络】(11) 轻量化网络MobileNetV1代码复现、解析,附Tensorflow完整代码
各位同学好,今天和大家分享一下如何使用 Tensorflow 复现轻量化神经网络模型 MobileNetV1.为了能将神经网络模型用于移动端(手机)和终端(安防监控.无人驾驶)的实时计算,通常这些设备 ...
最新文章
- AMD–7nm “Rome”芯片SOC体系结构,支持64核
- Hystrix 超时配置重写
- Java B2B2C o2o多用户商城 springcloud架-企业云架构common-service代码结构分析
- Linux实战案例(5)关闭Centos的防火墙
- 单元测试mock之mockito使用
- python中递归函数特点,Python递归函数特点及原理解析
- flex制作swc文件
- [经典算法] 河内塔
- 委托BegionInvoke和窗体BegionInvoke
- 贪心——FatMouse' Trade(hdu1003)
- mysql语句命令_MySQL语句和命令大全
- 《绝地求生》外挂源代码被公布,或迎神仙大战时代?
- mysql企业版功能列表_大型企业数据库服务首选,AliSQL这几大企业级功能你了解几个?...
- ecology9 系统文件常用说明
- 对轻量级C++日志类[转]
- 2021年11款最佳的开源 Kubernetes 工具
- Quick Batch File Compiler(BAT转EXE工具)bat文件转换成exe文件(启动jar包和自动打开浏览器)
- SATA工作模式咋选?揭秘AHCI和IDE区别(全文)
- android 4g wifi热点,全网通吃!中兴MF910S 4G无线热点上手体验
- MySQL(管理员常用命令)
热门文章
- ORB-SLAM2梳理——track线程(一)
- SAP FICO 资产负债表开发说明书(包括开发源代码、测试样例)
- 人性的管理-以斗争求团结
- EtherNet IP转PROFINET网关连接西门子PLC
- 仿魅族手机消息通知效果
- Android与YunOs的区别,yunos和android有什么不同 android和yunos对比区别
- java8中Hashmap改进
- hive报错 spark_sparksql读取hive数据报错:java.lang.RuntimeException: serious problem
- 摄像头小巧待机时间长,不插电免安装手机远程监控,这是如何实现
- 微信小程序的动画效果