hdf5压缩

Ⅰ linux caffe支持的cuda capability 最小是多少

由于最近安装了Ubuntu16.04，苦于之前配置Caffe的教程都在版本14.04左右，无奈只能自己摸索，最终配置成功。本文教程的特点是不需要降级gcc的版本，毕竟cuda7.5不支持gcc5以上(默认不支持，实际支持)，避免出现一系列乱七八糟的问题，反正之前我是碰到了。
本文是在参考caffe官网教程（http://caffe.berkeleyvision.org/installation.html）结合自己总结经验而来，对此表示感谢。

1.所需文件下载
1.1.Ubuntu16.04在官网下载（http://www.ubuntu.org.cn/download/desktop），然后在windows下用UltraISO制作，相关文章搜索有一大片，此处不再赘述。
1.2.cuda7.5下载，下载的版本是ubuntu15.04的run文件，个人感觉比较方便。
1.3.cudnn4.0下载（https://developer.nvidia.com/cudnn），进去之后如果有注册过nvidia的账户直接点击download，否则需要注册一个账户，注册完之后有一个调查，随便选几个钩就可以，然后下一步是接受条款开始就可以下载了。
1.4.caffe下载（https://github.com/BVLC/caffe）就在官方的github下载就可以了。

2.显卡驱动安装
2.1.第一种方法是直接在ubuntu系统设置，软件和更新里面，选择中国的服务器源刷新之后，点击附加驱动选项，在Nvidia Corporation选择361.42(强迫症必须安装最新的)，然后点击应用更改，下载安装完之后重启。
2.2.第二种方法是去官方下载（http://www.geforce.cn/drivers）好驱动的run文件，选择对应显卡型号下载。然后关机把显示器插到集成显卡接口上，或者终端下
sudo gedit /etc/modprobe.d/blacklist.conf
输入密码后在最后一行编辑上
blacklist nouveau
Ctrl +C保存后终端输入
sudo update-initramfs -u
重启之后在界面按Ctrl+Alt+F2，输入root以及密码，然后
service lightdm stop
sh 你自己的驱动文件的完整路径，默认选项就可以安装了，安装后重启

3.Cuda7.5安装
3.1.以文件名为cuda.run为例，终端下输入
sh cuda.run --override 启动安装程序，此处有大量的条款，一路空格到最后 输入accept，依次输入y回车，然后n(不安装显卡驱动)，然后一路y回车，有一个地方需要输入密码，还有两个地方确认安装路径，直接回车即可，完成安装，默认安装路径是/usr/local
将下载下来的cudnn-7.0-linux-x64-v4.0-prod.tgz 解压之后，解压后的cuda文件夹先打开里面的include文件夹，空白右键在终端打开输入：
sudo cp cudnn.h /usr/local/cuda/include/
cd ~/cuda/lib64
sudo cp lib* /usr/local/cuda/lib64/
继续更新文件链接
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
然后设置环境变量
sudo gedit /etc/profile
在末尾加入
PATH=/usr/local/cuda/bin:$PATH
export PATH
保存之后创建链接文件
sudo vim /etc/ld.so.conf.d/cuda.conf
键盘按i进入编辑状态，添加文字
/usr/local/cuda/lib64
然后按esc，输入:wq保存退出。
终端下接着输入
sudo ldconfig 使链接生效

4.生成Cuda Sample测试
首先在此之前先把需要的依赖包都安装好，为接下来make caffe做准备
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
然后开始make samples ，终端下
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
我是4核电脑所以用了j4，正常情况下肯定会报错“unsupported GNU version! gcc versions later than 4.9 are not supported!”，原因就是这个cuda不支持gcc5.0以上，终端运行
cd /usr/local/cuda-7.5/include
cp host_config.h host_config.h.bak
sudo gedit host_config.h
Ctrl+F寻找有”4.9”的地方，应该是只有一处，在其上方的
#if __GNUC__ > 4 || (__GNUC__ == 4 && __GNUC_MINOR__ > 9)将两个4改成5，保存退出，继续
cd /home/gomee/NVIDIA_CUDA-7.5_Samples
sudo make all -j4
这就应该开始make了，此处大约有5、6分钟。完成之后
cd /home/gomee/NVIDIA_CUDA-7.5_Samples/bin/x86_64/linux
./deviceQuery
会出现类似以下的信息
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
这就说明成功了。

5.python配置
将之前github下载的caffe压缩文件解压缩到任一目录，然后安装python
python的版本安装有两种方式：
第一是直接安装anaconda，去官网下载 ，选择linux 64bit 2.7版本下载安装，anaconda安装方便但是需要在最后的make配置文件中更改python包含路径。
第二种方法就是使用原生的python2.7版本，终端下
sudo apt-get install python-pip 安装pip
这里我们用pip安装一些python需要的依赖包，不过为了避免各种问题，也可以通过apt-get安装，反正我这两种方式都安装了一遍(-.-)
sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
以caffe默认解压到/home/user(你的用户名)/ ，文件夹名名称caffe为例
cd /home/user/caffe/python
sudo su
for req in $(cat requirements.txt); do pip install $req; done
这里用pip安装可能速度很慢，很可能下载好几个小时，推荐用清华大学的pip源临时安装，所以命令改为如下：
for req in $(cat requirements.txt); do pip install -i https://pypi.tuna.tsinghua.e.cn/simple $req; done
这里如果第一次有很多红字错误，建议再运行几遍指导安装成功，对于黄字提示无需理会，可能是pip版本需要更新。

6.Caffe编译过程
接下来要进入最后的步骤了，终端中
cd /home/user/caffe
cp Makefile.config.example Makefile.config
gedit Makefile.config
将USE_CUDNN := 1 取消注释，在
INCLUDE_DIRS := $(PYTHON_INCLUDE) /usr/local/include后面打上一个空格 然后添加/usr/include/hdf5/serial 如果没有这一句可能会报一个找不到hdf5.h的错误
PYTHON_INCLUDE := /usr/include/python2.7 \
/usr/lib/python2.7/dist-packages/numpy/core/include先不做更改。
如果是需要生成matlab的caffe wrapper 请取消注释MATLAB_DIR然后替换为自己的目录
说一下提前会出现的问题：
第一，make过程中出现比如 string.h ‘memcy’ was not declared in this scope的错误是由于gcc编译器版本太新，解决方法是打开makefile搜索并替换
NVCCFLAGS += -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
为
NVCCFLAGS += -D_FORCE_INLINES -ccbin=$(CXX) -Xcompiler -fPIC $(COMMON_FLAGS)
保存退出
第二，在make过程中还会报一个ld找不到libhdf5 和libhdf5_hl的链接问题，这个原因可能也是因为hdf5的问题，首先看/usr/lib/x86_64-linux-gnu 目录下有没有libhdf5.so和libhdf5_hl.so，如果有的话，查看属性是否有正确的链接(正常情况下应该是没有这两个文件)，然后右键在终端中打开
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可能不同电脑安装版本不同，注意看当前目录下存在的文件然后
sudo ldconfig 生效
接下来就是直接编译的过程
cd /home/user/caffe
make all -j4
make test -j4
make runtest
make pycaffe
make matcaffe
如果编译没报错正常的话，基本就没问题了。测试python打开
cd /home/user/caffe/python
python
import caffe
如果不报错就说明编译成功
测试matlab打开./caffe/matlab/+caffe/private，看有没有生成一个caffe的mex文件，可以运行+test文件夹里面的程序测试。
小问题：
在使用python接口的时候，可能会报一个什么错误(我给忘记了–!)，对了是’Mean shape incompatible with input shape.’的错误，处理方法是python/caffe文件夹，编辑io.py文件，将
if ms != self.inputs[in_][1:]:
raise ValueError('Mean shape incompatible with input shape.')
替换为
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
然后make clean再重新make

7.总结
至此，Ubuntu16.04下编译Caffe的教程就结束了，作者历时三天，装了好几遍系统，刚开始用Ubuntu14.04，结果系统出现问题，强迫症实在受不了，就尝试着装16.04继续折腾，最终折腾成功。以后可能会更新python3下的编译教程，需要自己编译boost版本，总之也很麻烦。

Ⅱ matlab2009和matlab2012的区别

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

matlab
打开APP

liang890319
关注
Matlab各版本对比 原创
2021-11-14 09:43:52
11点赞

liang890319

码龄13年

关注
官方文档主页
文档主页 - MathWorks 中国

各版本对比

MathWorks - Archived MathWorks Documentation - MathWorks 中国

​​​​​​发行说明： MATLAB- MATLAB & Simulink- MathWorks 中国
基本原则还是使用最新版的，如果硬件资源有限可参考主要变化选择合适的版本 建议2020b以及以后版本

几个关键版本变化

1，支持实时脚本和实时函数.mlx文件
MATLAB® 实时脚本和实时函数是交互式文档，它们在一个称为实时编辑器的环境中将 MATLAB 代码与格式化文本、方程和图像组合到一起。此外，实时脚本可存储输出，并将其显示在创建它的代码旁。

什么是实时脚本或实时函数？- MATLAB & Simulink- MathWorks 中国

MATLAB R2016a - MATLAB 支持 R2016a 及更高版本中的实时脚本，以及 R2018a 及更高版本中的实时函数。

操作系统 - 从 R2019b 开始，在 MATLAB 支持的所有操作系统中，MATLAB 都支持实时编辑器。有关详细信息，请参阅系统要求。

对于 MATLAB 版本 R2016a 至 R2019a，MATLAB 支持的操作系统中有几个不支持实时编辑器。

不支持的操作系统包括：

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，一些操作系统需要额外的配置才能在 MATLAB 版本 R2016a 到 R2019a 中运行实时编辑器。如果您无法在系统中运行实时编辑器，请联系技术支持以了解有关如何配置系统的信息。

2，串口通信新的api
2019b新的串口通信api
串行端口接口有一组新的函数和属性。现有功能仍可运行，但推荐使用新的函数名称和属性。新接口提高了性能。

通过使用 serialportlist 查看计算机上所有串行端口的列表，来开始使用新接口。list = serialportlist
list =

1×4 string array

"COM1" "COM3" "COM4" "COM8"
然后，创建一个 serialport 对象，将数据写入设备，并从中读取数据。

s = serialport("COM8",115200);
write(s,1:5,"uint32")
read(s,5,"uint32");
3，tcpip通信新的api
R2020b 优化了tcpip和串口通信
TCP/IP 客户端接口有一组新的函数和属性。

您仍可以使用现有函数执行以下操作：

使用 tcpclient 函数创建一个与 TCP/IP 服务器的 TCP/IP 客户端连接。

使用 read 函数从远程主机读取数据。

使用 write 函数将数据写入远程主机。

现在，您可以使用新函数执行以下操作：

使用 echotcpip 函数启动 TCP/IP 回显服务器。

使用 readline 函数从远程主机读取一行 ASCII 字符串数据。

使用 writeline 函数向远程主机写入一行 ASCII 字符串数据。

使用 configureTerminator 函数为与远程主机的 ASCII 字符串通信设置终止符。

使用 configureCallback 函数为与远程主机的通信设置回调函数和触发条件。

使用 flush 函数刷新缓冲区，以便与远程主机通信。

通过创建一个连接到 TCP/IP 回显服务器的 tcpclient 对象、向其写入数据和从中读取数据，开始使用 TCP/IP 客户端接口。

echotcpip("on",3030)
t = tcpclient("localhost",3030)
write(t,1:5,"uint8")
read(t,5);
有关详细信息，请参阅 TCP/IP 通信。

串行端口接口：改进了性能

serialport 接口的性能优于 serial 接口。例如，在使用 9600 的默认波特率时，以下代码中使用 serialport 对象写入和读取数据的速度大约是使用 serial 对象写入和读取数据速度的 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
不同波特率条件下大致执行时间如下：

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
代码是在运行 Windows 10 的 Intel(R) Xeon(R) CPU E5-1650 v4 @ 3.60 GHz 测试系统上使用 timeit 函数进行计时的：

bytecount = 100;
timeit(@()timingTest(s,bytecount))
测试是使用串行环回连接器完成的。

有关详细信息，请参阅串行端口设备。

4，对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 现在除支持 CPython 2.7、3.5 和 3.6 之外，还支持 CPython 3.7。

2018b Python 接口：在 MATLAB 和 Python 之间传递多维数值或逻辑数组

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：以编程方式获取最新 Git 修订版

2019b 比较 Git 分支：显示差异并保存副本

2019a 源代码管理集成：将 MATLAB Git 状态与外部 Git 客户端同步

2021b新功能
1，实时编辑器任务
帮助使用者自动生成代码并用用户界面进行参数调整

实时编辑器任务是可以添加到实时脚本中以执行一组特定操作的 App。您可以将任务添加到实时脚本中，以探查参数并自动生成代码。使用任务可缩短开发时间、减少错误并缩短在绘图上花费的时间。

任务代表一系列 MATLAB® 命令。您可以采用内嵌方式或在右侧显示其输出。

文档

将交互式任务添加到实时脚本中- MATLAB & Simulink- MathWorks 中国

视频

What Are Live Editor Tasks? Video - MATLAB

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

3，验证函数输入
在 MATLAB ® 中使用函数参数验证来声明对函数输入参数的特定限制。您可以约束函数输入值的类、大小和其他方面，而无需在函数体中编写代码来执行这些测试。

Validating Function Inputs Video - MATLAB

新产品
RF PCB Toolbox - 对印刷电路板进行电磁分析
Signal Integrity Toolbox - 对高速串行和并行链路进行仿真和分析
重要更新
Lidar Toolbox - 使用激光雷达查看器，以交互方式可视化、分析和预处理激光雷达点云
Simulink Code Inspector - 使用 Code Inspector 上下文选项卡，检查兼容性、检查代码并直接在模型中查看结果
Simulink Control Design - 设计模型参考自适应控制器
Symbolic Math Toolbox - 在 MATLAB 实时编辑器中提供下一步操作建议，引导用户完成符号工作流
Wavelet Toolbox - 使用小波分析处理和提取信号和图像的特征，以用于 AI 工作流
R2021b - MATLAB 和 Simulink 产品系列发布更新 - MATLAB & Simulink
Release Notes- MATLAB & Simulink- MathWorks 中国
其他

编辑器代码：自动显示代码建议和完成

编辑器重构：自动将选定的代码转换为函数

实时编辑器控件：设置滑块、下拉列表、复选框和编辑字段的默认值

实时编辑器动画：将动画导出为电影或动画 GIF

实时编辑器：提高保存实时脚本或函数时的性能

比较工具：比较和合并具有改进的可用性、外观和语法突出显示的文本文件

sftp 功能：连接SFTP服务器

HDF5 接口：使用新功能支持 HDF5 1.10.7

从 MATLAB 直接调用 Python 功能

除了现有的对 2.7、3.7 和 3.8 的支持之外，MATLAB 现在还支持 CPython 3.9

2021a
实时编辑器动画播放控件：用于控制动画的交互式界面

实时编辑器控件：通过将变量关联到下拉项和滑块值，在实时脚本中创建动态控件

XML 文件：使用 readtable、readtimetable 和其他函数读取、写入和导入 XML 文件

低级文件 I/O 函数和远程数据：对远程存储的文件执行读写操作

save 和 load 函数与远程数据：将数据保存、加载和追加到远程存储的 v7.3 MAT 文件中

读取在线数据：使用 readtable、audioread 和其他读取函数通过 HTTP 和 HTTPS 读取文件

数据压缩函数：改进了 zip/unzip 和 tar/untar 的功能

jsonencode：为 JSON 文本添加缩进

创建绘图实时编辑器任务：以交互方式创建绘图并生成代码

C++ 接口支持下列额外的 C++ 语言功能。

Java 引擎应用程序中使用 MATLAB 值对象

支持的 Python 版本，即 3.7 或 3.8 版

增加了对 IMU 传感器的支持

现在，MATLAB Support Package for Raspberry Pi™ Hardware 可为下列 IMU 传感器提供代码生成和连接到 Raspberry Pi 函数的 IO 支持：

HTS221

LPS22HB

LSM303C

LSM6DSL

LSM9DS1

MPU-6050

MPU-9250

2020b

比较工具：在 MATLAB Online 中比较文本文件

readstruct 和 writestruct 函数：在 XML 文件中读取和写入结构化数据

readlines 函数：以字符串数组形式读取文本文件中的行

HDF5 文件和基于 Web 的数据：使用现有 HDF5 函数读取和写入远程存储的 HDF5 文件

HDF5 文件：读取和写入使用 Unicode 字符编码的文件名

音频文件和基于 Web 的数据：使用 audioread、audiowrite 和 audioinfo 读取和写入远程存储的音频文件

TCP/IP 客户端接口：新的函数和属性
TCP/IP 客户端接口有一组新的函数和属性。

您仍可以使用现有函数执行以下操作：

使用 tcpclient 函数创建一个与 TCP/IP 服务器的 TCP/IP 客户端连接。

使用 read 函数从远程主机读取数据。

使用 write 函数将数据写入远程主机。

现在，您可以使用新函数执行以下操作：

使用 echotcpip 函数启动 TCP/IP 回显服务器。

使用 readline 函数从远程主机读取一行 ASCII 字符串数据。

使用 writeline 函数向远程主机写入一行 ASCII 字符串数据。

使用 configureTerminator 函数为与远程主机的 ASCII 字符串通信设置终止符。

使用 configureCallback 函数为与远程主机的通信设置回调函数和触发条件。

使用 flush 函数刷新缓冲区，以便与远程主机通信。

串行端口接口：改进了性能
serialport 接口的性能优于 serial 接口。例如，在使用 9600 的默认波特率时，以下代码中使用 serialport 对象写入和读取数据的速度大约是使用 serial 对象写入和读取数据速度的 1.1 倍。

源代码管理：改进了设置 Git 源代码管理的工作流

现在，您可以将 nullptr 传递给 C++ 函数。

MATLAB 现在除支持 CPython 2.7、3.6 和 3.7 之外，还支持 CPython 3.8

Java 包将被删除

实时编辑器任务：以交互方式从 USB 网络摄像头捕获图像，并在实时脚本中生成 MATLAB 代码。

2020a
文件编码：默认情况下，将 MATLAB 代码文件 (.m) 和其他纯文本文件保存为 UTF-8 编码文件

switch 函数：更灵活地比较对象

file 和 movefile 函数：访问基于 Web 的存储服务，如 Amazon Web Services 和 Azure Blob 存储

数据存储：使用 writeall 将数据从数据存储写入文件

文本文件和电子表格文件：使用 'WriteMode' 参数追加、覆盖或替换数据

h5create 和 h5write：将字符串数据写入 HDF5 文件

jsonencode：在 MATLAB 类中自定义编码

导入工具不再支持导入 HDF5 文件。要以编程方式导入 HDF4 或 HDF-EOS

Ⅲ HDF文件怎样打开

可以下载HDF Explorer v1.4.0绿色版来打开。

可以打开hdf/h5/he5/hdf5/he4/nc/cdf格式文件，免注册不需要安搭游装绿色版的HDFExplorer。解压缩之后直接打开主程序HdfExp.exe即知陆销可悉扮使用。

能够加载并显示数据，数据访问速度快，支持读取所有的HDF数据，软件易于使用，能够浏览和生成矢量图和标量。