去年下半年看了相關目標檢測的論文，一些傳統的算法，一些CVPR,TPAMI,ECCV,ICCV,,NIPS,比較前沿的進展，主要都是基於深度學習卷積神經網絡方面的，包括RCNN,SPP-NET,Fast-RCNN,Faster-RCNN,以及YOLO,SSD，然後明天準備正式開始搞學術了，爭取早點把論文發出來。
趁着放假回家的時間，做點前期準備工作，深度學習方面的框架有caffe，torch，mxnet，kerse，還有最近比較大熱的TensorFlow，感覺tf會持續popular，所以準備搭建一個玩玩，但是相關比較新的目標檢測框架都是首先基於caffe開發的，caffe對於圖像方面的庫比較多，穩定，所以搭建一個caffe也是必不可少，好像tf也是可以調用caffe框架模型的（沒用過）。
裝雙系統之step one：http://blog.csdn.net/jasonzhangoo/article/details/54865974
裝顯卡驅動之step two（很多同學都是因爲這步而放棄深度學習的）：http://blog.csdn.net/jasonzhangoo/article/details/54866049
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three：http://blog.csdn.net/jasonzhangoo/article/details/54866074
Win10下安裝caffe的GPU版本之step four：http://blog.csdn.net/jasonzhangoo/article/details/54866120
windows安裝配置faster-rcnn之step five：http://blog.csdn.net/jasonzhangoo/article/details/54866174
Ubuntu16.04下安裝caffe和TensorFlow的cpu版本之step three：
當然如果你僅僅是初學者就只想快速感受一下caffe和TensorFlow的魅力，那麼可以安裝cpu版本跑幾個demo看看。
1）依次安裝依賴包
依次執行以下語句，安裝依賴包：
sudo apt-get install libprotobuf-dev
sudo apt-get install libleveldb-dev
sudo apt-get install libsnappy-dev
sudo apt-get install libopencv-dev
sudo apt-get install libhdf5-serial-dev
sudo apt-get install protobuf-compiler
sudo apt-get install libgflags-dev
sudo apt-get install libgoogle-glog-dev
sudo apt-get install liblmdb-dev
sudo apt-get install libatlas-base-dev
2）下載caffe
可直接使用Git下載caffe，如果沒有Git，請先安裝Git，執行如下語句：
sudo apt-get install git
安裝結束後下載caffe，執行以下命令：
git clone git://github.com/BVLC/caffe.git
3）編譯caffe
1.進入caffe目錄
cd caffe/
2.生成Makefile.config文件，這裏是將caffe目錄下自帶的Makefile.config.example文件複製一份並更名爲Makefile.config，命令如下：
cp Makefile.config.example Makefile.config
此時目錄下就會有Makefile.config文件
3.修改Makefile.config文件中的配置
1）編輯Makefile.config文件
sudo gedit Makefile.config
2）去掉CPU_ONLY前面的#號
使得CPU_ONLY := 1
3)配置引用文件路徑（主要是HDF5的路徑問題）
原來的路徑配置如下圖：
修改爲如下圖：
新增的內容爲（注意新增內容是空一格然後直接在後面添加）：
/usr/include/hdf5/serial
/usr/lib/x86_64-linux-gnu/hdf5/serial
4）執行編譯
sudo make all
執行之後：
sudo make test
執行之後：
sudo make runtest
執行之後：
顯示1104個用例執行成功，結果PASSED！
注意：如果執行結果失敗，則需要執行語句sudo make clean,然後解決掉問題重新編譯
安裝TensorFlow：
首先建議安裝pip，這樣安裝tf會十分方便sudo apt-get install python-pip
#僅使用 CPU 的版本
$ pip installhttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
#開啓 GPU 支持的版本 (安裝該版本的前提是已經安裝了 CUDA sdk)
$ pip installhttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-0.5.0-cp27-none-linux_x86_64.whl
安裝Ubuntu下cpu版本可以參考：http://www.linuxdiyf.com/linux/26229.html