dlibforandroid

1. Dlib如何用在ios環境下和android環境下

你看的只是演示，由於法律等問題，這些教程一般不會有人發出來的，只是給大家看看他可以這么做到這件事。所以建議還是不要想了，基本上不會成功的。

2. 如何線上部署用python基於dlib寫的人臉識別演算法

python使用dlib進行人臉檢測與人臉關鍵點標記

Dlib簡介：

首先給大家介紹一下Dlib

我使用的版本是dlib-18.17,大家也可以在我這里下載：

之後進入python_examples下使用bat文件進行編譯，編譯需要先安裝libboost-python-dev和cmake

cd to dlib-18.17/python_examples

./compile_dlib_python_mole.bat 123

之後會得到一個dlib.so，復制到dist-packages目錄下即可使用

這里大家也可以直接用我編譯好的.so庫,但是也必須安裝libboost才可以，不然python是不能調用so庫的，下載地址：

將.so復制到dist-packages目錄下

sudo cp dlib.so /usr/local/lib/python2.7/dist-packages/1

最新的dlib18.18好像就沒有這個bat文件了，取而代之的是一個setup文件，那麼安裝起來應該就沒有這么麻煩了，大家可以去直接安裝18.18，也可以直接下載復制我的.so庫，這兩種方法應該都不麻煩～

有時候還會需要下面這兩個庫，建議大家一並安裝一下

9.安裝skimage

sudo apt-get install python-skimage1

10.安裝imtools

sudo easy_install imtools1

Dlib face landmarks Demo

環境配置結束之後，我們首先看一下dlib提供的示常式序

1.人臉檢測

dlib-18.17/python_examples/face_detector.py 源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image. In# particular, it shows how you can take a list of images from the command# line and display each on the screen with red boxes overlaid on each human# face.## The examples/faces folder contains some jpg images of people. You can run# this program on them and see the detections by executing the# following command:# ./face_detector.py ../examples/faces/*.jpg## This face detector is made using the now classic Histogram of Oriented# Gradients (HOG) feature combined with a linear classifier, an image# pyramid, and sliding window detection scheme. This type of object detector# is fairly general and capable of detecting many types of semi-rigid objects# in addition to human faces. Therefore, if you are interested in making# your own object detectors then read the train_object_detector.py example# program. ### COMPILING THE DLIB PYTHON INTERFACE# Dlib comes with a compiled python interface for python 2.7 on MS Windows. If# you are using another python version or operating system then you need to# compile the dlib python interface before you can use this file. To do this,# run compile_dlib_python_mole.bat. This should work on any operating# system so long as you have CMake and boost-python installed.# On Ubuntu, this can be done easily by running the command:# sudo apt-get install libboost-python-dev cmake## Also note that this example requires scikit-image which can be installed# via the command:# pip install -U scikit-image# Or downloaded from . import sys

import dlib

from skimage import io

detector = dlib.get_frontal_face_detector()

win = dlib.image_window()

print("a");for f in sys.argv[1:]:

print("a");

print("Processing file: {}".format(f))
img = io.imread(f)
# The 1 in the second argument indicates that we should upsample the image
# 1 time. This will make everything bigger and allow us to detect more
# faces.
dets = detector(img, 1)
print("Number of faces detected: {}".format(len(dets))) for i, d in enumerate(dets):
print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}".format(
i, d.left(), d.top(), d.right(), d.bottom()))

win.clear_overlay()
win.set_image(img)
win.add_overlay(dets)
dlib.hit_enter_to_continue()# Finally, if you really want to you can ask the detector to tell you the score# for each detection. The score is bigger for more confident detections.# Also, the idx tells you which of the face sub-detectors matched. This can be# used to broadly identify faces in different orientations.if (len(sys.argv[1:]) > 0):
img = io.imread(sys.argv[1])
dets, scores, idx = detector.run(img, 1) for i, d in enumerate(dets):
print("Detection {}, score: {}, face_type:{}".format(
d, scores[i], idx[i]))5767778798081

我把源代碼精簡了一下，加了一下注釋： face_detector0.1.py

# -*- coding: utf-8 -*-import sys

import dlib

from skimage import io#使用dlib自帶的frontal_face_detector作為我們的特徵提取器detector = dlib.get_frontal_face_detector()#使用dlib提供的圖片窗口win = dlib.image_window()#sys.argv[]是用來獲取命令行參數的，sys.argv[0]表示代碼本身文件路徑，所以參數從1開始向後依次獲取圖片路徑for f in sys.argv[1:]: #輸出目前處理的圖片地址
print("Processing file: {}".format(f)) #使用skimage的io讀取圖片
img = io.imread(f) #使用detector進行人臉檢測 dets為返回的結果
dets = detector(img, 1) #dets的元素個數即為臉的個數
print("Number of faces detected: {}".format(len(dets))) #使用enumerate 函數遍歷序列中的元素以及它們的下標
#下標i即為人臉序號
#left：人臉左邊距離圖片左邊界的距離 ；right：人臉右邊距離圖片左邊界的距離
#top：人臉上邊距離圖片上邊界的距離 ；bottom：人臉下邊距離圖片上邊界的距離
for i, d in enumerate(dets):
print("dets{}".format(d))
print("Detection {}: Left: {} Top: {} Right: {} Bottom: {}"
.format( i, d.left(), d.top(), d.right(), d.bottom())) #也可以獲取比較全面的信息，如獲取人臉與detector的匹配程度
dets, scores, idx = detector.run(img, 1)
for i, d in enumerate(dets):
print("Detection {}, dets{},score: {}, face_type:{}".format( i, d, scores[i], idx[i]))

#繪制圖片(dlib的ui庫可以直接繪制dets)
win.set_image(img)
win.add_overlay(dets) #等待點擊
dlib.hit_enter_to_continue()041424344454647484950

分別測試了一個人臉的和多個人臉的，以下是運行結果：

運行的時候把圖片文件路徑加到後面就好了

python face_detector0.1.py ./data/3.jpg12

一張臉的：

兩張臉的：

這里可以看出側臉與detector的匹配度要比正臉小的很多

2.人臉關鍵點提取

人臉檢測我們使用了dlib自帶的人臉檢測器（detector），關鍵點提取需要一個特徵提取器（predictor），為了構建特徵提取器，預訓練模型必不可少。

除了自行進行訓練外，還可以使用官方提供的一個模型。該模型可從dlib sourceforge庫下載：

arks.dat.bz2

也可以從我的連接下載：

這個庫支持68個關鍵點的提取，一般來說也夠用了，如果需要更多的特徵點就要自己去訓練了。

dlib-18.17/python_examples/face_landmark_detection.py 源程序：

#!/usr/bin/python# The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt## This example program shows how to find frontal human faces in an image and# estimate their pose. The pose takes the form of 68 landmarks. These are# points on the face such as the corners of the mouth, along the eyebrows, on# the eyes, and so forth.## This face detector is made using the classic Histogram of Oriented# Gradients (HOG) feature combined with a linear

3. android 怎麼編譯so文件

android NDK編譯多個so文件

android編譯系統的makefile文件Android.mk寫法如下

(1)Android.mk文件首先需要指定LOCAL_PATH變數，用於查找源文件。由於一般情況下

Android.mk和需要編譯的源文件在同一目錄下，所以定義成如下形式：

LOCAL_PATH:=$(call my-dir)

上面的語句的意思是將LOCAL_PATH變數定義成本文件所在目錄路徑。

(2)Android.mk中可以定義多個編譯模塊，每個編譯模塊都是以include $(CLEAR_VARS)開始

以include $(BUILD_XXX)結束。

include $(CLEAR_VARS)

CLEAR_VARS由編譯系統提供，指定讓GNU MAKEFILE為你清除除LOCAL_PATH以外的所有LOCAL_XXX變數，

如LOCAL_MODULE，LOCAL_SRC_FILES，LOCAL_SHARED_LIBRARIES，LOCAL_STATIC_LIBRARIES等。

include $(BUILD_STATIC_LIBRARY)表示編譯成靜態庫

include $(BUILD_SHARED_LIBRARY)表示編譯成動態庫。

include $(BUILD_EXECUTABLE)表示編譯成可執行程序

(3)舉例如下(frameworks/base/libs/audioflinger/Android.mk)：

LOCAL_PATH:= $(call my-dir)

include $(CLEAR_VARS) 模塊一

ifeq ($(AUDIO_POLICY_TEST),true)

ENABLE_AUDIO_DUMP := true

endif

LOCAL_SRC_FILES:= \

AudioHardwareGeneric.cpp \

AudioHardwareStub.cpp \

AudioHardwareInterface.cpp

ifeq ($(ENABLE_AUDIO_DUMP),true)

LOCAL_SRC_FILES += AudioDumpInterface.cpp

LOCAL_CFLAGS += -DENABLE_AUDIO_DUMP

endif

LOCAL_SHARED_LIBRARIES := \

libcutils \

libutils \

libbinder \

libmedia \

libhardware_legacy

ifeq ($(strip $(BOARD_USES_GENERIC_AUDIO)),true)

LOCAL_CFLAGS += -DGENERIC_AUDIO

endif

LOCAL_MODULE:= libaudiointerface

ifeq ($(BOARD_HAVE_BLUETOOTH),true)

LOCAL_SRC_FILES += A2dpAudioInterface.cpp

LOCAL_SHARED_LIBRARIES += liba2dp

LOCAL_CFLAGS += -DWITH_BLUETOOTH -DWITH_A2DP

LOCAL_C_INCLUDES += $(call include-path-for, bluez)

endif

include $(BUILD_STATIC_LIBRARY) 模塊一編譯成靜態庫

include $(CLEAR_VARS) 模塊二

LOCAL_SRC_FILES:= \

AudioPolicyManagerBase.cpp

LOCAL_SHARED_LIBRARIES := \

libcutils \

libutils \

libmedia

ifeq ($(TARGET_SIMULATOR),true)

LOCAL_LDLIBS += -ldl

else

LOCAL_SHARED_LIBRARIES += libdl

endif

LOCAL_MODULE:= libaudiopolicybase

ifeq ($(BOARD_HAVE_BLUETOOTH),true)

LOCAL_CFLAGS += -DWITH_A2DP

endif

ifeq ($(AUDIO_POLICY_TEST),true)

LOCAL_CFLAGS += -DAUDIO_POLICY_TEST

endif

include $(BUILD_STATIC_LIBRARY) 模塊二編譯成靜態庫

include $(CLEAR_VARS) 模塊三

LOCAL_SRC_FILES:= \

AudioFlinger.cpp \

AudioMixer.cpp.arm \

AudioResampler.cpp.arm \

AudioResamplerSinc.cpp.arm \

AudioResamplerCubic.cpp.arm \

AudioPolicyService.cpp

LOCAL_SHARED_LIBRARIES := \

libcutils \

libutils \

libbinder \

libmedia \

libhardware_legacy

ifeq ($(strip $(BOARD_USES_GENERIC_AUDIO)),true)

LOCAL_STATIC_LIBRARIES += libaudiointerface libaudiopolicybase

LOCAL_CFLAGS += -DGENERIC_AUDIO

else

LOCAL_SHARED_LIBRARIES += libaudio libaudiopolicy

endif

ifeq ($(TARGET_SIMULATOR),true)

LOCAL_LDLIBS += -ldl

else

LOCAL_SHARED_LIBRARIES += libdl

endif

LOCAL_MODULE:= libaudioflinger

ifeq ($(BOARD_HAVE_BLUETOOTH),true)

LOCAL_CFLAGS += -DWITH_BLUETOOTH -DWITH_A2DP

LOCAL_SHARED_LIBRARIES += liba2dp

endif

ifeq ($(AUDIO_POLICY_TEST),true)

LOCAL_CFLAGS += -DAUDIO_POLICY_TEST

endif

ifeq ($(TARGET_SIMULATOR),true)

ifeq ($(HOST_OS),linux)

LOCAL_LDLIBS += -lrt -lpthread

endif

endif

ifeq ($(BOARD_USE_LVMX),true)

LOCAL_CFLAGS += -DLVMX

LOCAL_C_INCLUDES += vendor/nxp

LOCAL_STATIC_LIBRARIES += liblifevibes

LOCAL_SHARED_LIBRARIES += liblvmxservice

# LOCAL_SHARED_LIBRARIES += liblvmxipc

endif

include $(BUILD_SHARED_LIBRARY) 模塊三編譯成動態庫

(4)編譯一個應用程序(APK)

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# Build all java files in the java subdirectory-->直譯（建立在java子目錄中的所有Java文件）

LOCAL_SRC_FILES := $(call all-subdir-java-files)

# Name of the APK to build-->直譯（創建APK的名稱）

LOCAL_PACKAGE_NAME := LocalPackage

# Tell it to build an APK-->直譯（告訴它來建立一個APK）

include $(BUILD_PACKAGE)

(5)編譯一個依賴於靜態Java庫(static.jar)的應用程序

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# List of static libraries to include in the package

LOCAL_STATIC_JAVA_LIBRARIES := static-library

# Build all java files in the java subdirectory

LOCAL_SRC_FILES := $(call all-subdir-java-files)

# Name of the APK to build

LOCAL_PACKAGE_NAME := LocalPackage

# Tell it to build an APK

include $(BUILD_PACKAGE)

(6)編譯一個需要用平台的key簽名的應用程序

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# Build all java files in the java subdirectory

LOCAL_SRC_FILES := $(call all-subdir-java-files)

# Name of the APK to build

LOCAL_PACKAGE_NAME := LocalPackage

LOCAL_CERTIFICATE := platform

# Tell it to build an APK

include $(BUILD_PACKAGE)

(7)編譯一個需要用特定key前面的應用程序

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# Build all java files in the java subdirectory

LOCAL_SRC_FILES := $(call all-subdir-java-files)

# Name of the APK to build

LOCAL_PACKAGE_NAME := LocalPackage

LOCAL_CERTIFICATE := vendor/example/certs/app

# Tell it to build an APK

include $(BUILD_PACKAGE)

(8)添加一個預編譯應用程序

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# Mole name should match apk name to be installed.

LOCAL_MODULE := LocalMoleName

LOCAL_SRC_FILES := $(LOCAL_MODULE).apk

LOCAL_MODULE_CLASS := APPS

LOCAL_MODULE_SUFFIX := $(COMMON_ANDROID_PACKAGE_SUFFIX)

include $(BUILD_PREBUILT)

(9)添加一個靜態JAVA庫

LOCAL_PATH := $(call my-dir)

include $(CLEAR_VARS)

# Build all java files in the java subdirectory

LOCAL_SRC_FILES := $(call all-subdir-java-files)

# Any libraries that this library depends on

LOCAL_JAVA_LIBRARIES := android.test.runner

# The name of the jar file to create

LOCAL_MODULE := sample

# Build a static jar file.

include $(BUILD_STATIC_JAVA_LIBRARY)

(10)Android.mk的編譯模塊中間可以定義相關的編譯內容，也就是指定相關的變數如下：

LOCAL_AAPT_FLAGS

LOCAL_ACP_UNAVAILABLE

LOCAL_ADDITIONAL_JAVA_DIR

LOCAL_AIDL_INCLUDES

LOCAL_ALLOW_UNDEFINED_SYMBOLS

LOCAL_ARM_MODE

LOCAL_ASFLAGS

LOCAL_ASSET_DIR

LOCAL_ASSET_FILES 在Android.mk文件中編譯應用程序(BUILD_PACKAGE)時設置此變數，表示資源文件，

通常會定義成LOCAL_ASSET_FILES += $(call find-subdir-assets)

LOCAL_BUILT_MODULE_STEM

LOCAL_C_INCLUDES 額外的C/C++編譯頭文件路徑，用LOCAL_PATH表示本文件所在目錄

舉例如下：

LOCAL_C_INCLUDES += extlibs/zlib-1.2.3

LOCAL_C_INCLUDES += $(LOCAL_PATH)/src

LOCAL_CC 指定C編譯器

LOCAL_CERTIFICATE 簽名認證

LOCAL_CFLAGS 為C/C++編譯器定義額外的標志(如宏定義)，舉例：LOCAL_CFLAGS += -DLIBUTILS_NATIVE=1

LOCAL_CLASSPATH

LOCAL_COMPRESS_MODULE_SYMBOLS

LOCAL_COPY_HEADERS install應用程序時需要復制的頭文件，必須同時定義LOCAL_COPY_HEADERS_TO

LOCAL_COPY_HEADERS_TO install應用程序時復制頭文件的目的路徑

LOCAL_CPP_EXTENSION 如果你的C++文件不是以cpp為文件後綴，你可以通過LOCAL_CPP_EXTENSION指定C++文件後綴名

如：LOCAL_CPP_EXTENSION := .cc

注意統一模塊中C++文件後綴必須保持一致。

LOCAL_CPPFLAGS 傳遞額外的標志給C++編譯器，如：LOCAL_CPPFLAGS += -ffriend-injection

LOCAL_CXX 指定C++編譯器

LOCAL_DX_FLAGS

LOCAL_EXPORT_PACKAGE_RESOURCES

LOCAL_FORCE_STATIC_EXECUTABLE 如果編譯的可執行程序要進行靜態鏈接(執行時不依賴於任何動態庫)，則設置LOCAL_FORCE_STATIC_EXECUTABLE:=true

目前只有libc有靜態庫形式，這個只有文件系統中/sbin目錄下的應用程序會用到，這個目錄下的應用程序在運行時通常

文件系統的其它部分還沒有載入，所以必須進行靜態鏈接。

LOCAL_GENERATED_SOURCES

LOCAL_INSTRUMENTATION_FOR

LOCAL_INSTRUMENTATION_FOR_PACKAGE_NAME

LOCAL_INTERMEDIATE_SOURCES

LOCAL_INTERMEDIATE_TARGETS

LOCAL_IS_HOST_MODULE

LOCAL_JAR_MANIFEST

LOCAL_JARJAR_RULES

LOCAL_JAVA_LIBRARIES 編譯java應用程序和庫的時候指定包含的java類庫，目前有core和framework兩種

多數情況下定義成：LOCAL_JAVA_LIBRARIES := core framework

注意LOCAL_JAVA_LIBRARIES不是必須的，而且編譯APK時不允許定義(系統會自動添加)

LOCAL_JAVA_RESOURCE_DIRS

LOCAL_JAVA_RESOURCE_FILES

LOCAL_JNI_SHARED_LIBRARIES

LOCAL_LDFLAGS 傳遞額外的參數給連接器(務必注意參數的順序)

LOCAL_LDLIBS 為可執行程序或者庫的編譯指定額外的庫，指定庫以"-lxxx"格式，舉例：

LOCAL_LDLIBS += -lcurses -lpthread

LOCAL_LDLIBS += -Wl,-z,origin

LOCAL_MODULE 生成的模塊的名稱(注意應用程序名稱用LOCAL_PACKAGE_NAME而不是LOCAL_MODULE)

LOCAL_MODULE_PATH 生成模塊的路徑

LOCAL_MODULE_STEM

LOCAL_MODULE_TAGS 生成模塊的標記

LOCAL_NO_DEFAULT_COMPILER_FLAGS

LOCAL_NO_EMMA_COMPILE

LOCAL_NO_EMMA_INSTRUMENT

LOCAL_NO_STANDARD_LIBRARIES

LOCAL_OVERRIDES_PACKAGES

LOCAL_PACKAGE_NAME APK應用程序的名稱

LOCAL_POST_PROCESS_COMMAND

LOCAL_PREBUILT_EXECUTABLES 預編譯including $(BUILD_PREBUILT)或者$(BUILD_HOST_PREBUILT)時所用,指定需要復制的可執行文件

LOCAL_PREBUILT_JAVA_LIBRARIES

LOCAL_PREBUILT_LIBS 預編譯including $(BUILD_PREBUILT)或者$(BUILD_HOST_PREBUILT)時所用, 指定需要復制的庫.

LOCAL_PREBUILT_OBJ_FILES

LOCAL_PREBUILT_STATIC_JAVA_LIBRARIES

LOCAL_PRELINK_MODULE 是否需要預連接處理(默認需要，用來做動態庫優化)

LOCAL_REQUIRED_MODULES 指定模塊運行所依賴的模塊(模塊安裝時將會同步安裝它所依賴的模塊)

LOCAL_RESOURCE_DIR

LOCAL_SDK_VERSION

LOCAL_SHARED_LIBRARIES 可鏈接動態庫

LOCAL_SRC_FILES 編譯源文件

LOCAL_STATIC_JAVA_LIBRARIES

LOCAL_STATIC_LIBRARIES 可鏈接靜態庫

LOCAL_UNINSTALLABLE_MODULE

LOCAL_UNSTRIPPED_PATH

LOCAL_WHOLE_STATIC_LIBRARIES 指定模塊所需要載入的完整靜態庫(這些精通庫在鏈接是不允許鏈接器刪除其中無用的代碼)

LOCAL_YACCFLAGS

OVERRIDE_BUILT_MODULE_PATH

4. ch.boye.httpclientandroidlib是什麼框架

C++通用框架和庫：
Apache C++ Standard Library：是一系列演算法，容器，迭代器和其他基本組件的集合
ASL ：Adobe源代碼庫提供了同行的評審和可移植的C++源代碼庫。
Boost ：大量通用C++庫的集合。
BDE ：來自於彭博資訊實驗室的開發環境。
Cinder：提供專業品質創造性編碼的開源開發社區。
Cxxomfort：輕量級的，只包含頭文件的庫，將C++ 11的一些新特性移植到C++03中。
Dlib：使用契約式編程和現代C++科技設計的通用的跨平台的C++庫。
EASTL ：EA-STL公共部分。
ffead-cpp ：企業應用程序開發框架。
Folly：由Facebook開發和使用的開源C++庫。
JUCE ：包羅萬象的C++類庫，用於開發跨平台軟體。
libPhenom：用於構建高性能和高度可擴展性系統的事件框架。
LibSourcey ：用於實時的視頻流和高性能網路應用程序的C++11 evented IO。
LibU ： C語言寫的多平台工具庫。
Loki ：C++庫的設計，包括常見的設計模式和習語的實現。
MiLi ：只含頭文件的小型C++庫。
openFrameworks ：開發C++工具包，用於創意性編碼。
Qt ：跨平台的應用程序和用戶界面框架。
Reason ：跨平台的框架，使開發者能夠更容易地使用Java，.Net和Python，同時也滿足了他們對C++性能和優勢的需求。
ROOT ：具備所有功能的一系列面向對象的框架，能夠非常高效地處理和分析大量的數據，為歐洲原子能研究機構所用。
STLport：是STL具有代表性的版本。
STXXL：用於額外的大型數據集的標准模板庫。
Ultimate++ ：C++跨平台快速應用程序開發框架。
Windows Template Library：用於開發Windows應用程序和UI組件的C++庫。
Yomm11 ：C++11的開放multi-methods。

5. speccpu執行install腳本報錯

首頁

博客

研修院

VIP

APP

問答

下載

社區

推薦頻道

活動

招聘

專題

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

打開APP

SPEC CPU2006 安裝遇到的問題 原創
2018-11-14 15:57:19
4點贊

xiao_huocai

碼齡8年

關注
由於兼容性問題SPEC CPU2006中自帶的install.sh運行不了，需要重新編譯源代碼，進入/tool/src目錄，運行buildtools文件。
遇到的問題

lib/getline.h:31:1: error: conflicting types for 'getline』
錯誤原因：函數沖突，stdio.h已經定義了getline，SPEC CPU2006也定義了。
解決方案：
打開./tools/src/specmd5sum/md5sum.c，注釋掉getline.h頭文件（38行）。
error building Perl
錯誤原因：高版本Linux內核刪除了asm/page.h，配置perl時需要用到數學庫。
解決方案：
打開./tools/src/perl-5.8.8/ext/IPC/SysV/SysV.xs文件，注釋asm/page.h頭文件（7行）
打開./tools/src/buildtools文件，在編譯perl的代碼部分（第333行和334行）做如下修改
修改前
LD_LIBRARY_PATH=`pwd`
DYLD_LIBRARY_PATH=`pwd`
export LD_LIBRARY_PATH DYLD_LIBRARY_PATH
./Configure -dOes -Ud_flock $PERLFLAGS -Ddosuid=undef -Dprefix=$INSTALLDIR -Dd_bincompat3=undef -A ldflags=-L${INSTALLDIR}/lib -A ccflags=-I${INSTALLDIR}/include -Ui_db -Ui_gdbm -Ui_ndbm -Ui_dbm -Uuse5005threads ; testordie "error configuring perl"
1
2
3
4
1
2
3
4
修改後
LD_LIBRARY_PATH=`pwd`
DYLD_LIBRARY_PATH=`pwd`
./Configure -Dcc="gcc -lm" -Dlibpth='/usr/local/lib64 /lib64 /usr/lib64' -dOes -Ud_flock $PERLFLAGS -Ddosuid=undef -Dprefix=$INSTALLDIR -Dd_bincompat3=undef -A ldflags=-L${INSTALLDIR}/lib -A ccflags=-I${INSTALLDIR}/include -Ui_db -Ui_gdbm -Ui_ndbm -Ui_dbm -Uuse5005threads ; testordie "error configuring perl"
1
2
3
1
2
3
Undefined reference to pow
錯誤原因：編譯perl測試程序時，連接數學庫錯誤。
解決方案：
在上面第2個問題的./Configure前加上
export PERLFLAGS="-A libs=-lm -A libs=-ldl"
1
1
You haven』t done a 「make depend」 yet!
錯誤原因：perl makedepend時調用的/bin/sh連接到dash shell，但是Debian和Ubuntu系統默認的dash有BUG。(服氣。。。。 )
解決方案：
sudo rm /bin/sh
sudo ln –s /bin/bash /bin/sh
1
2
1
2
打開CSDN，閱讀體驗更佳

SPEC安裝攻略
經典的SPEC安裝攻略，免費送給大家。對SPEC有興趣探討的歡迎聯系
spec2006 使用報錯
spec 報錯有： 1編譯時報錯 specmake build 2> make.err | tee make.out /usr/bin/gcc -c -o av.o -DSPEC_CPU -DNDEBUG -DPERL_CORE   -O2 -fno-strict-aliasing       -DSPEC_CPU_LP64 -DSPEC_CPU_LINUX_X64        av.c ...
繼續訪問
最新發布 CPU計算性能speccpu2006的測試方法及工具下載
SPEC CPU2006是SPEC組織推出的CPU子系統評估軟體，重點測試系統的處理器、內存子系統和編譯器。 SPEC CPU2006包括了CINT2006和CFP2006兩個子項目，前者用於測量和對比整數性能、包含12個不同的基準測試，而後者則用於測量和對比浮點性能、包含17個不同的基準測試。
繼續訪問

(2) 我的結果- spec2006中精確的simulation points運行點
spec06中獲取simpoints的環境說明： spec的版本號為spec2006v1.0; 使用ref input with runspec; 100millions為周期生成的simpoints; 使用腳本為$GEM5_DIR/build/ALPHA/gem5.fast --outdir=$OUTPUT_DIR $GEM5_DIR/configs/example/sp...
繼續訪問
spec cpu 2006
編譯和運行 參考:http://blog.csdn.net/wangwcnl/article/details/46227935 或者官方版：（注意路徑替換為本地路徑） file:///L:/cpu2006-1.2/Docs/install-guide-unix.html 注意，2006 只有用gcc4 編譯 切換gcc版本參見上一篇 一些需要安裝的東西 sudo apt-get i...
繼續訪問
linux spec cpu,安裝SpecCPU2006 on Linux of CentOS6.3, gcc4.4.7
由於在tools/bin目錄中只有ia64-linux，所以在直接運行./install.sh腳本時，系統會提示直接重新安裝tools工具集。該過程如1.1.1所示。另外一個做法就是指定可用的現成的工具集，例如linux-suse101-AMD64,首先在CPU2006/tools/bk_bin目錄中選擇合適的工具集並拷貝到CPU2006/tools/bin目錄中，(當前以linux-suse10...
繼續訪問
關於CPUSPEC2006中的447、483benchmark編譯錯誤的解決方案
在配置文件中進行修改 在483後面加上紅色內容 將447添加到Portability Flags – FP中 我用的config是linux-32-i386-gcc42.cfg ##################################################################### #Portability Flags - INT
繼續訪問
SPEC2006詳細參數和測試過程常見問題處理總結（附實例操作）
本文主要是使用SPEC2006在ARM平台進行測試，用的Linux系統為Debian，通過具體操作實例講述測試過程，SPEC2006是SPEC新一代的行業標准化的CPU測試基準套件。重點測試系統的處理器，內存子系統和編譯器。這個基準測試套件包括的SPECint基準和SPECfp基準。其中SPECint2006基準包含12個不同的基準測試和SPECfp2006年基準包含19個不同的基準測試。SPEC設計了這個套件提供了一個比較標準的計算密集型，高性能的跨硬體的CPU測試工具。1、搭建系統環境；子項目。...
繼續訪問

linux運行在RISC上面,linux - 如何在riscv64 linux上運行SPEC CPU 2006？ - 堆棧內存溢出...
我有一個使用qemu模擬運行的riscv64 linux(fedora 28)。[gqb@stage4 cpu2006]$ uname -aLinux stage4.fedoraproject.org 4.19.0-rc8 #1 SMP Wed Oct 17 15:11:25 UTC 2018 riscv64 riscv64 riscv64 GNU/Linux我的gcc版本是7.3.1 20180...
繼續訪問
Spec2006 編譯錯誤 md5sum.c: conflicting types for 『getline『
參考：getline conflicting 問題來源： spec2006 編譯的過程中出現如下錯誤 In file included from md5sum.c:38:0: lib/getline.h:31:1: error: conflicting types for 'getline' /usr/include/stdio.h:675:20: note: previous declaration of 'getline' was here lib/getline.h:34:1: error: c
繼續訪問
新建NDK項目可以,導入新的NDK項目就報錯!Android NDK開發之Error configuring.
原因:CMake無法找到與「Ninja」對應的構建程序(CMake Error: CMake was unable to find a build program corresponding to "Ninja".) 方式一(簡單): 配置Ninja 的環境,成功配置的鏈接(https://www.jianshu.com/p/474f8c29936f) 方式二(需要下載gradle...
繼續訪問
speccpu2017 500.perlbench 和600.perlbench報錯
在speccpu2017運行intspeed和intrate時，遇到600和500測試用例報錯。 報錯內容如下： 報錯內容如下： **************************************** *** Miscompare of test.out; for details see /home/speccpu2017/benchspec/CPU/500.perlbench_r/run/run_base_test_PCLtest-64.00...
繼續訪問
SPECCPU2006 Spec2006 使用說明
http://www.vimlinux.com/lipeng/author/penglee5.html Spec2006使用說明 五 10 十月 2014 Bypenglee 工具介紹 SPEC CPU 2006 benchmark是SPEC新一代的行業標准化的CPU測試基準套件。重點測試系統的處理器，內存子系統和編譯器。這個基準測試套件包括的SPEC...
繼續訪問
SPEC CPU2006測試
SPEC CPU2006測試
繼續訪問

gem5: 可運行的spec2006 benchmark總結
gem5中運行spec2006的環境： ALPHA架構； 需要通過alpha交叉編譯工具鏈編譯spec2006； 需要設置靜態編譯環境，優化選項-static； 准備benchmark運行所需要的exe和input，最好將他們全部放在一個文件夾中； 本文採用ref數據集，實際上有些測試集需要all裡面的數據； 根據gem5中運行spec2006的步驟設置好benchmark運行環境後，即可逐個測試b
繼續訪問
SPEC CPU2006工具使用問題glob
出現glob.c:(.text+0x50c): undefined reference to `__alloca'等問題解決方案 https://blog.csdn.net/weixin_40556448/article/details/107344484
繼續訪問
熱門推薦 教你如何使用SPEC CPU2006
因為工作原因陸陸續續接觸到SPEC的測試，由於此項測試相對門檻高一些，測試周期長，網上靠譜的資料不多，遂將自己的測試經驗總結下來跟大家分享。 本文只涉及到一些基本的測試知識，歡迎有經驗的朋友補充，交流~ 0 工具介紹 SPEC是標准性能評估公司（Standard Performance Evaluation Corporation）的簡稱。SPEC是由計算機廠商、系統集成商、大學、研究機構、咨詢等多家公司組成的組織，這個組織的目標是建立、維護一套用於評估計算機系統的標准。 在早些年，業界使用的是其.
繼續訪問
SPEC CPU2006

6. 如何提高python下的dlib人臉檢測速度

Dlib is capable of detecting faces in very small areas (80x80 pixels). You are probably sending raw WebCam frames at approximately 1280x720 resolution, which is not necessary. I recommend from my experience to rece the frames about a quarter of the original resolution. Yes, 320x180 is fine for Dlib. In consequence you will get 4x speed.

· try turning on the compilation optimizations while building Dlib, you will get significantly improvement in speed.

· Dlib works faster with grayscale images. You do not need the color on the webcam frame. You can use OpenCV to convert into grayscale the previously reced in size frame.

· Dlib takes its time finding faces but is extremely fast finding landmarks on faces. Only if your Webcam provides a high framerate (24-30fps), you could skip some frames because faces normally doesn't move so much.

7. 如何使用dlib庫

1.運行D:\搜狗高速下載\cmake-3.4.3-win32-x86\bin路徑下的cmake-gui.exe

並配置編譯路徑

where is the source code 選取 D:\搜狗高速下載\dlib-18.18\dlib-18.18\dlib （一般都是選CMakeLists.txt文件所在的路徑）

where to build the binaries 選取 D:/dlib_building （新建文件夾）

然後點擊Configure按鈕，我們是vs2008，所以選visual studio 9 2008

完成後下面會出現這樣的提示

然後點擊Genrate按鈕，等待進度條完成... ...!!!

2.編譯dlib，使用vs2008

用vs2008打開D:\dlib_building\dlib.sln

直接運行，就會生成Debug/Release文件夾，裡面有我們要的dlib庫文件

3.測試

新建一個win32工程

添加dlib的include路徑到vs2008

把dlib.lib放到工程路徑下（或者添加lib路徑到vs2008也可以）

我用D:\搜狗高速下載\dlib-18.18\dlib-18.18\examples\3d_point_cloud_ex.cpp來測試

-----------------------------------------下面是代碼----------------------------------------

// The contents of this file are in the public domain. See LICENSE_FOR_EXAMPLE_PROGRAMS.txt
/*

This is an example illustrating the use of the perspective_window tool
in the dlib C++ Library. It is a simple tool for displaying 3D point
clouds on the screen.

*/

#include "stdafx.h"
#include <dlib/gui_widgets.h>
#include <dlib/image_transforms.h>
#include <cmath>

using namespace dlib;
using namespace std;

#pragma comment(lib,"dlib.lib")

// ----------------------------------------------------------------------------------------

int main()
{
// Let's make a point cloud that looks like a 3D spiral.
std::vector<perspective_window::overlay_dot> points;
dlib::rand rnd;
for (double i = 0; i < 20; i+=0.001)
{
// Get a point on a spiral
dlib::vector<double> val(sin(i),cos(i),i/4);

// Now add some random noise to it
dlib::vector<double> temp(rnd.get_random_gaussian(),
rnd.get_random_gaussian(),
rnd.get_random_gaussian());
val += temp/20;

// Pick a color based on how far we are along the spiral
rgb_pixel color = colormap_jet(i,0,20);

// And add the point to the list of points we will display
points.push_back(perspective_window::overlay_dot(val, color));
}

// Now finally display the point cloud.
perspective_window win;
win.set_title("perspective_window 3D point cloud");
win.add_overlay(points);
win.wait_until_closed();
}

// ----------------------------------------------------------------------------

什麼都沒改，直接就可以出效果了，一個用滑鼠控制的3D圖像效果

8. python pip 安裝dlib一直失敗

安裝失敗需要檢查幾個問題：

1. 兼容問題，對應的包支持的操作系統，支持的Python版本

2. 安裝問題，部分包只能通過源碼安裝，或者離線的wheel方式安裝

3. 核對包的安裝文檔
   

9. 載入人像檢測模型的代碼是

很多人都認為人臉識別是一項非常難以實現的工作，看到名字就害怕，然後心懷忐忑到網上一搜，看到網上N頁的教程立馬就放棄了。這些人里包括曾經的我自己。其實如果如果你不是非要深究其中的原理，只是要實現這一工作的話，人臉識別也沒那麼難。今天我們就來看看如何在40行代碼以內簡單地實現人臉識別。
一點區分

對於大部分人來說，區分人臉檢測和人臉識別完全不是問題。但是網上有很多教程有無無意地把人臉檢測說成是人臉識別，誤導群眾，造成一些人認為二者是相同的。其實，人臉檢測解決的問題是確定一張圖上有木有人臉，而人臉識別解決的問題是這個臉是誰的。可以說人臉檢測是是人識別的前期工作。今天我們要做的是人臉識別。

所用工具

Anaconda 2——Python 2

Dlib

scikit-image

Dlib

對於今天要用到的主要工具，還是有必要多說幾句的。Dlib是基於現代C++的一個跨平台通用的框架，作者非常勤奮，一直在保持更新。Dlib內容涵蓋機器學習、圖像處理、數值演算法、數據壓縮等等，涉獵甚廣。更重要的是，Dlib的文檔非常完善，例子非常豐富。就像很多庫一樣，Dlib也提供了Python的介面，安裝非常簡單，用pip只需要一句即可：

pip install dlib

上面需要用到的scikit-image同樣只是需要這么一句：

pip install scikit-image

註：如果用pip install dlib安裝失敗的話，那安裝起來就比較麻煩了。錯誤提示很詳細，按照錯誤提示一步步走就行了。

人臉識別

之所以用Dlib來實現人臉識別，是因為它已經替我們做好了絕大部分的工作，我們只需要去調用就行了。Dlib裡面有人臉檢測器，有訓練好的人臉關鍵點檢測器，也有訓練好的人臉識別模型。今天我們主要目的是實現，而不是深究原理。感興趣的同學可以到官網查看源碼以及實現的參考文獻。今天的例子既然代碼不超過40行，其實是沒啥難度的。有難度的東西都在源碼和論文里。

首先先通過文件樹看一下今天需要用到的東西：

准備了六個候選人的圖片放在candidate-faces文件夾中，然後需要識別的人臉圖片test.jpg。我們的工作就是要檢測到test.jpg中的人臉，然後判斷她到底是候選人中的誰。另外的girl-face-rec.py是我們的python腳本。shape_predi