hdf5壓縮

Ⅰ linux caffe支持的cuda capability 最小是多少

由於最近安裝了Ubuntu16.04，苦於之前配置Caffe的教程都在版本14.04左右，無奈只能自己摸索，最終配置成功。本文教程的特點是不需要降級gcc的版本，畢竟cuda7.5不支持gcc5以上(默認不支持，實際支持)，避免出現一系列亂七八糟的問題，反正之前我是碰到了。
本文是在參考caffe官網教程（http://caffe.berkeleyvision.org/installation.html）結合自己總結經驗而來，對此表示感謝。

1.所需文件下載
1.1.Ubuntu16.04在官網下載（http://www.ubuntu.org.cn/download/desktop），然後在windows下用UltraISO製作，相關文章搜索有一大片，此處不再贅述。
1.2.cuda7.5下載，下載的版本是ubuntu15.04的run文件，個人感覺比較方便。
1.3.cudnn4.0下載（https://developer.nvidia.com/cudnn），進去之後如果有注冊過nvidia的賬戶直接點擊download，否則需要注冊一個賬戶，注冊完之後有一個調查，隨便選幾個鉤就可以，然後下一步是接受條款開始就可以下載了。
1.4.caffe下載（https://github.com/BVLC/caffe）就在官方的github下載就可以了。

2.顯卡驅動安裝
2.1.第一種方法是直接在ubuntu系統設置，軟體和更新裡面，選擇中國的伺服器源刷新之後，點擊附加驅動選項，在Nvidia Corporation選擇361.42(強迫症必須安裝最新的)，然後點擊應用更改，下載安裝完之後重啟。
2.2.第二種方法是去官方下載（http://www.geforce.cn/drivers）好驅動的run文件，選擇對應顯卡型號下載。然後關機把顯示器插到集成顯卡介面上，或者終端下
sudo gedit /etc/modprobe.d/blacklist.conf
輸入密碼後在最後一行編輯上
blacklist nouveau
Ctrl +C保存後終端輸入
sudo update-initramfs -u
重啟之後在界面按Ctrl+Alt+F2，輸入root以及密碼，然後
service lightdm stop
sh 你自己的驅動文件的完整路徑，默認選項就可以安裝了，安裝後重啟

3.Cuda7.5安裝
3.1.以文件名為cuda.run為例，終端下輸入
sh cuda.run --override 啟動安裝程序，此處有大量的條款，一路空格到最後 輸入accept，依次輸入y回車，然後n(不安裝顯卡驅動)，然後一路y回車，有一個地方需要輸入密碼，還有兩個地方確認安裝路徑，直接回車即可，完成安裝，默認安裝路徑是/usr/local
將下載下來的cudnn-7.0-linux-x64-v4.0-prod.tgz 解壓之後，解壓後的cuda文件夾先打開裡面的include文件夾，空白右鍵在終端打開輸入：
sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/
繼續更新文件鏈接
cd /usr/local/cuda/lib64/
sudo rm -rf libcudnn.so libcudnn.so.4
sudo ln -s libcudnn.so.4.0.7 libcudnn.so.4
sudo ln -s libcudnn.so.4 libcudnn.so
然後設置環境變數
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之後創建鏈接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
鍵盤按i進入編輯狀態，添加文字
/usr/local/cuda/lib64
然後按esc，輸入:wq保存退出。
終端下接著輸入
sudo ldconfig 使鏈接生效

4.生成Cuda Sample測試
首先在此之前先把需要的依賴包都安裝好，為接下來make caffe做准備
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler
sudo apt-get install --no-install-recommends libboost-all-dev
sudo apt-get install libatlas-base-dev
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev
然後開始make samples ，終端下
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
我是4核電腦所以用了j4，正常情況下肯定會報錯「unsupported GNU version! gcc versions later than 4.9 are not supported!」，原因就是這個cuda不支持gcc5.0以上，終端運行
cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h
Ctrl+F尋找有」4.9」的地方，應該是只有一處，在其上方的
#if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)將兩個4改成5，保存退出，繼續
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
這就應該開始make了，此處大約有5、6分鍾。完成之後
cd /home/gomee/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux
./deviceQuery
會出現類似以下的信息
CUDA Device Query (Runtime API) version (CUDART static linking)
Detected 1 CUDA Capable device(s)
Device 0: "GeForce GTX 750 Ti"
CUDA Driver Version / Runtime Version 8.0 / 7.5
CUDA Capability Major/Minor version number: 5.0
Total amount of global memory: 2047 MBytes (2146762752 bytes)
( 5) Multiprocessors, (128) CUDA Cores/MP: 640 CUDA Cores
GPU Max Clock rate: 1228 MHz (1.23 GHz)
Memory Clock rate: 3004 Mhz
Memory Bus Width: 128-bit
L2 Cache Size: 2097152 bytes
Maximum Texture Dimension Size (x,y,z) 1D=(65536), 2D=(65536, 65536), 3D=(4096, 4096, 4096)
Maximum Layered 1D Texture Size, (num) layers 1D=(16384), 2048 layers
Maximum Layered 2D Texture Size, (num) layers 2D=(16384, 16384), 2048 layers
Total amount of constant memory: 65536 bytes
Total amount of shared memory per block: 49152 bytes
Total number of registers available per block: 65536
Warp size: 32
Maximum number of threads per multiprocessor: 2048
Maximum number of threads per block: 1024
Max dimension size of a thread block (x,y,z): (1024, 1024, 64)
Max dimension size of a grid size (x,y,z): (2147483647, 65535, 65535)
Maximum memory pitch: 2147483647 bytes
Texture alignment: 512 bytes
Concurrent and kernel execution: Yes with 1 engine(s)
Run time limit on kernels: Yes
Integrated GPU sharing Host Memory: No
Support host page-locked memory mapping: Yes
Alignment requirement for Surfaces: Yes
Device has ECC support: Disabled
Device supports Unified Addressing (UVA): Yes
Device PCI Domain ID / Bus ID / location ID: 0 / 1 / 0
Compute Mode:
< Default (multiple host threads can use ::cudaSetDevice() with device simultaneously) >
deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 8.0, CUDA Runtime Version = 7.5, NumDevs = 1, Device0 = GeForce GTX 750 Ti
Result = PASS
這就說明成功了。

5.python配置
將之前github下載的caffe壓縮文件解壓縮到任一目錄，然後安裝python
python的版本安裝有兩種方式：
第一是直接安裝anaconda，去官網下載 ，選擇linux 64bit 2.7版本下載安裝，anaconda安裝方便但是需要在最後的make配置文件中更改python包含路徑。
第二種方法就是使用原生的python2.7版本，終端下
sudo apt-get install python-pip 安裝pip
這里我們用pip安裝一些python需要的依賴包，不過為了避免各種問題，也可以通過apt-get安裝，反正我這兩種方式都安裝了一遍(-.-)
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以caffe默認解壓到/home/user(你的用戶名)/ ，文件夾名名稱caffe為例
cd /home/user/caffe/python
sudo su
for req in $(cat requirements.txt); do pip install $req; done
這里用pip安裝可能速度很慢，很可能下載好幾個小時，推薦用清華大學的pip源臨時安裝，所以命令改為如下：
for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.e.cn/simple $req; done
這里如果第一次有很多紅字錯誤，建議再運行幾遍指導安裝成功，對於黃字提示無需理會，可能是pip版本需要更新。

6.Caffe編譯過程
接下來要進入最後的步驟了，終端中
cd /home/user/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
將USE_CUDNN := 1 取消注釋，在
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include後面打上一個空格 然後添加/usr/include/hdf5/serial 如果沒有這一句可能會報一個找不到hdf5.h的錯誤
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include先不做更改。
如果是需要生成matlab的caffe wrapper 請取消注釋MATLAB_DIR然後替換為自己的目錄
說一下提前會出現的問題：
第一，make過程中出現比如 string.h 『memcy』 was not declared in this scope的錯誤是由於gcc編譯器版本太新，解決方法是打開makefile搜索並替換
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
為
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出
第二，在make過程中還會報一個ld找不到libhdf5 和libhdf5_hl的鏈接問題，這個原因可能也是因為hdf5的問題，首先看/usr/lib/x86_64-linux-gnu 目錄下有沒有libhdf5.so和libhdf5_hl.so，如果有的話，查看屬性是否有正確的鏈接(正常情況下應該是沒有這兩個文件)，然後右鍵在終端中打開
sudo ln libhdf5_serial.so.10.1.0 libhdf5.so
sudo ln libhdf5_serial_hl.so.10.0.2 libhdf5_hl.so
注意，10.1.0和10.0.2可能不同電腦安裝版本不同，注意看當前目錄下存在的文件然後
sudo ldconfig 生效
接下來就是直接編譯的過程
cd /home/user/caffe
make all -j4
make test -j4
make runtest
make pycaffe
make matcaffe
如果編譯沒報錯正常的話，基本就沒問題了。測試python打開
cd /home/user/caffe/python
python
import caffe
如果不報錯就說明編譯成功
測試matlab打開./caffe/matlab/+caffe/private，看有沒有生成一個caffe的mex文件，可以運行+test文件夾裡面的程序測試。
小問題：
在使用python介面的時候，可能會報一個什麼錯誤(我給忘記了–!)，對了是』Mean shape incompatible with input shape.』的錯誤，處理方法是python/caffe文件夾，編輯io.py文件，將
if ms != self.inputs[in_][1:]:
raise ValueError('Mean shape incompatible with input shape.')
替換為
if ms != self.inputs[in_][1:]:
print(self.inputs[in_])
in_shape = self.inputs[in_][1:]
m_min, m_max = mean.min(), mean.max()
normal_mean = (mean - m_min) / (m_max - m_min)
mean = resize_image(normal_mean.transpose((1,2,0)),in_shape[1:]).transpose((2,0,1)) * (m_max - m_min) + m_min
然後make clean再重新make

7.總結
至此，Ubuntu16.04下編譯Caffe的教程就結束了，作者歷時三天，裝了好幾遍系統，剛開始用Ubuntu14.04，結果系統出現問題，強迫症實在受不了，就嘗試著裝16.04繼續折騰，最終折騰成功。以後可能會更新python3下的編譯教程，需要自己編譯boost版本，總之也很麻煩。

Ⅱ matlab2009和matlab2012的區別

Copyright © 1999-2020, CSDN.NET, All Rights Reserved

matlab
打開APP

liang890319
關注
Matlab各版本對比 原創
2021-11-14 09:43:52
11點贊

liang890319

碼齡13年

關注
官方文檔主頁
文檔主頁 - MathWorks 中國

各版本對比

MathWorks - Archived MathWorks Documentation - MathWorks 中國

​​​​​​發行說明： MATLAB- MATLAB & Simulink- MathWorks 中國
基本原則還是使用最新版的，如果硬體資源有限可參考主要變化選擇合適的版本 建議2020b以及以後版本

幾個關鍵版本變化

1，支持實時腳本和實時函數.mlx文件
MATLAB® 實時腳本和實時函數是互動式文檔，它們在一個稱為實時編輯器的環境中將 MATLAB 代碼與格式化文本、方程和圖像組合到一起。此外，實時腳本可存儲輸出，並將其顯示在創建它的代碼旁。

什麼是實時腳本或實時函數？- MATLAB & Simulink- MathWorks 中國

MATLAB R2016a - MATLAB 支持 R2016a 及更高版本中的實時腳本，以及 R2018a 及更高版本中的實時函數。

操作系統 - 從 R2019b 開始，在 MATLAB 支持的所有操作系統中，MATLAB 都支持實時編輯器。有關詳細信息，請參閱系統要求。

對於 MATLAB 版本 R2016a 至 R2019a，MATLAB 支持的操作系統中有幾個不支持實時編輯器。

不支持的操作系統包括：

Red Hat Enterprise Linux 6。

Red Hat Enterprise Linux 7。

SUSE Linux Enterprise Desktop 版本 13.0 及更早版本。

Debian 7.6 及更早版本。

此外，一些操作系統需要額外的配置才能在 MATLAB 版本 R2016a 到 R2019a 中運行實時編輯器。如果您無法在系統中運行實時編輯器，請聯系技術支持以了解有關如何配置系統的信息。

2，串口通信新的api
2019b新的串口通信api
串列埠介面有一組新的函數和屬性。現有功能仍可運行，但推薦使用新的函數名稱和屬性。新介面提高了性能。

通過使用 serialportlist 查看計算機上所有串列埠的列表，來開始使用新介面。list = serialportlist
list =

1×4 string array

"COM1" "COM3" "COM4" "COM8"
然後，創建一個 serialport 對象，將數據寫入設備，並從中讀取數據。

s = serialport("COM8",115200);
write(s,1:5,"uint32")
read(s,5,"uint32");
3，tcpip通信新的api
R2020b 優化了tcpip和串口通信
TCP/IP 客戶端介面有一組新的函數和屬性。

您仍可以使用現有函數執行以下操作：

使用 tcpclient 函數創建一個與 TCP/IP 伺服器的 TCP/IP 客戶端連接。

使用 read 函數從遠程主機讀取數據。

使用 write 函數將數據寫入遠程主機。

現在，您可以使用新函數執行以下操作：

使用 echotcpip 函數啟動 TCP/IP 回顯伺服器。

使用 readline 函數從遠程主機讀取一行 ASCII 字元串數據。

使用 writeline 函數向遠程主機寫入一行 ASCII 字元串數據。

使用 configureTerminator 函數為與遠程主機的 ASCII 字元串通信設置終止符。

使用 configureCallback 函數為與遠程主機的通信設置回調函數和觸發條件。

使用 flush 函數刷新緩沖區，以便與遠程主機通信。

通過創建一個連接到 TCP/IP 回顯伺服器的 tcpclient 對象、向其寫入數據和從中讀取數據，開始使用 TCP/IP 客戶端介面。

echotcpip("on",3030)
t = tcpclient("localhost",3030)
write(t,1:5,"uint8")
read(t,5);
有關詳細信息，請參閱 TCP/IP 通信。

串列埠介面：改進了性能

serialport 介面的性能優於 serial 介面。例如，在使用 9600 的默認波特率時，以下代碼中使用 serialport 對象寫入和讀取數據的速度大約是使用 serial 對象寫入和讀取數據速度的 1.1 倍。

% s is a serial object
function timingTest(s,bytecount)
fwrite(s,1:bytecount,"uint8");
fread(s,bytecount,"uint8");
end
% s is a serialport object
function timingTest(s,bytecount)
write(s,1:bytecount,"uint8");
read(s,bytecount,"uint8");
end
不同波特率條件下大致執行時間如下：

s.BaudRate
9600 19200 56000 115200
serial 120 毫秒 68 毫秒 31 毫秒 23 毫秒
serialport 109 毫秒 55 毫秒 21 毫秒 11 毫秒
代碼是在運行 Windows 10 的 Intel(R) Xeon(R) CPU E5-1650 v4 @ 3.60 GHz 測試系統上使用 timeit 函數進行計時的：

bytecount = 100;
timeit(@()timingTest(s,bytecount))
測試是使用串列環回連接器完成的。

有關詳細信息，請參閱串列埠設備。

4，對python的支持
2021b 支持python3.9

2021a 支持3.8 停止支持3.6

2020b停止支持3.5

2019a MATLAB 現在除支持 CPython 2.7、3.5 和 3.6 之外，還支持 CPython 3.7。

2018b Python 介面：在 MATLAB 和 Python 之間傳遞多維數值或邏輯數組

2018a Python 版本 3.4：已停止支持

支持的 Python 版本 - 3.5 或 3.6 版。

5,git的支持
2020a 工程 API：以編程方式獲取最新 Git 修訂版

2019b 比較 Git 分支：顯示差異並保存副本

2019a 源代碼管理集成：將 MATLAB Git 狀態與外部 Git 客戶端同步

2021b新功能
1，實時編輯器任務
幫助使用者自動生成代碼並用用戶界面進行參數調整

實時編輯器任務是可以添加到實時腳本中以執行一組特定操作的 App。您可以將任務添加到實時腳本中，以探查參數並自動生成代碼。使用任務可縮短開發時間、減少錯誤並縮短在繪圖上花費的時間。

任務代表一系列 MATLAB® 命令。您可以採用內嵌方式或在右側顯示其輸出。

文檔

將互動式任務添加到實時腳本中- MATLAB & Simulink- MathWorks 中國

視頻

What Are Live Editor Tasks? Video - MATLAB

2，項目和版本管理
MATLAB and Simulink Projects Video - MATLAB

3，驗證函數輸入
在 MATLAB ® 中使用函數參數驗證來聲明對函數輸入參數的特定限制。您可以約束函數輸入值的類、大小和其他方面，而無需在函數體中編寫代碼來執行這些測試。

Validating Function Inputs Video - MATLAB

新產品
RF PCB Toolbox - 對印刷電路板進行電磁分析
Signal Integrity Toolbox - 對高速串列和並行鏈路進行模擬和分析
重要更新
Lidar Toolbox - 使用激光雷達查看器，以交互方式可視化、分析和預處理激光雷達點雲
Simulink Code Inspector - 使用 Code Inspector 上下文選項卡，檢查兼容性、檢查代碼並直接在模型中查看結果
Simulink Control Design - 設計模型參考自適應控制器
Symbolic Math Toolbox - 在 MATLAB 實時編輯器中提供下一步操作建議，引導用戶完成符號工作流
Wavelet Toolbox - 使用小波分析處理和提取信號和圖像的特徵，以用於 AI 工作流
R2021b - MATLAB 和 Simulink 產品系列發布更新 - MATLAB & Simulink
Release Notes- MATLAB & Simulink- MathWorks 中國
其他

編輯器代碼：自動顯示代碼建議和完成

編輯器重構：自動將選定的代碼轉換為函數

實時編輯器控制項：設置滑塊、下拉列表、復選框和編輯欄位的默認值

實時編輯器動畫：將動畫導出為電影或動畫 GIF

實時編輯器：提高保存實時腳本或函數時的性能

比較工具：比較和合並具有改進的可用性、外觀和語法突出顯示的文本文件

sftp 功能：連接SFTP伺服器

HDF5 介面：使用新功能支持 HDF5 1.10.7

從 MATLAB 直接調用 Python 功能

除了現有的對 2.7、3.7 和 3.8 的支持之外，MATLAB 現在還支持 CPython 3.9

2021a
實時編輯器動畫播放控制項：用於控制動畫的互動式界面

實時編輯器控制項：通過將變數關聯到下拉項和滑塊值，在實時腳本中創建動態控制項

XML 文件：使用 readtable、readtimetable 和其他函數讀取、寫入和導入 XML 文件

低級文件 I/O 函數和遠程數據：對遠程存儲的文件執行讀寫操作

save 和 load 函數與遠程數據：將數據保存、載入和追加到遠程存儲的 v7.3 MAT 文件中

讀取在線數據：使用 readtable、audioread 和其他讀取函數通過 HTTP 和 HTTPS 讀取文件

數據壓縮函數：改進了 zip/unzip 和 tar/untar 的功能

jsonencode：為 JSON 文本添加縮進

創建繪圖實時編輯器任務：以交互方式創建繪圖並生成代碼

C++ 介面支持下列額外的 C++ 語言功能。

Java 引擎應用程序中使用 MATLAB 值對象

支持的 Python 版本，即 3.7 或 3.8 版

增加了對 IMU 感測器的支持

現在，MATLAB Support Package for Raspberry Pi™ Hardware 可為下列 IMU 感測器提供代碼生成和連接到 Raspberry Pi 函數的 IO 支持：

HTS221

LPS22HB

LSM303C

LSM6DSL

LSM9DS1

MPU-6050

MPU-9250

2020b

比較工具：在 MATLAB Online 中比較文本文件

readstruct 和 writestruct 函數：在 XML 文件中讀取和寫入結構化數據

readlines 函數：以字元串數組形式讀取文本文件中的行

HDF5 文件和基於 Web 的數據：使用現有 HDF5 函數讀取和寫入遠程存儲的 HDF5 文件

HDF5 文件：讀取和寫入使用 Unicode 字元編碼的文件名

音頻文件和基於 Web 的數據：使用 audioread、audiowrite 和 audioinfo 讀取和寫入遠程存儲的音頻文件

TCP/IP 客戶端介面：新的函數和屬性
TCP/IP 客戶端介面有一組新的函數和屬性。

您仍可以使用現有函數執行以下操作：

使用 tcpclient 函數創建一個與 TCP/IP 伺服器的 TCP/IP 客戶端連接。

使用 read 函數從遠程主機讀取數據。

使用 write 函數將數據寫入遠程主機。

現在，您可以使用新函數執行以下操作：

使用 echotcpip 函數啟動 TCP/IP 回顯伺服器。

使用 readline 函數從遠程主機讀取一行 ASCII 字元串數據。

使用 writeline 函數向遠程主機寫入一行 ASCII 字元串數據。

使用 configureTerminator 函數為與遠程主機的 ASCII 字元串通信設置終止符。

使用 configureCallback 函數為與遠程主機的通信設置回調函數和觸發條件。

使用 flush 函數刷新緩沖區，以便與遠程主機通信。

串列埠介面：改進了性能
serialport 介面的性能優於 serial 介面。例如，在使用 9600 的默認波特率時，以下代碼中使用 serialport 對象寫入和讀取數據的速度大約是使用 serial 對象寫入和讀取數據速度的 1.1 倍。

源代碼管理：改進了設置 Git 源代碼管理的工作流

現在，您可以將 nullptr 傳遞給 C++ 函數。

MATLAB 現在除支持 CPython 2.7、3.6 和 3.7 之外，還支持 CPython 3.8

Java 包將被刪除

實時編輯器任務：以交互方式從 USB 網路攝像頭捕獲圖像，並在實時腳本中生成 MATLAB 代碼。

2020a
文件編碼：默認情況下，將 MATLAB 代碼文件 (.m) 和其他純文本文件保存為 UTF-8 編碼文件

switch 函數：更靈活地比較對象

file 和 movefile 函數：訪問基於 Web 的存儲服務，如 Amazon Web Services 和 Azure Blob 存儲

數據存儲：使用 writeall 將數據從數據存儲寫入文件

文本文件和電子表格文件：使用 'WriteMode' 參數追加、覆蓋或替換數據

h5create 和 h5write：將字元串數據寫入 HDF5 文件

jsonencode：在 MATLAB 類中自定義編碼

導入工具不再支持導入 HDF5 文件。要以編程方式導入 HDF4 或 HDF-EOS

Ⅲ HDF文件怎樣打開

可以下載HDF Explorer v1.4.0綠色版來打開。

可以打開hdf/h5/he5/hdf5/he4/nc/cdf格式文件，免注冊不需要安搭游裝綠色版的HDFExplorer。解壓縮之後直接打開主程序HdfExp.exe即知陸銷可悉扮使用。

能夠載入並顯示數據，數據訪問速度快，支持讀取所有的HDF數據，軟體易於使用，能夠瀏覽和生成矢量圖和標量。