tiny-dnn跑起來
github: https://github.com/tiny-dnn/tiny-dnn#build
先上github下載tiny-dnn的源碼
這個深度學習框架可以在多平台運行，而且不依賴任何的庫，是新人上手的好項目
但是這個項目本身不帶makefile
如果想在ubuntu下面運行，需要先用跨平台的編譯工具cmake來生成makefile文件
故我先安裝一個cmake工具,去下面的官網下載
我下載的版本是 cmake-3.8.0-rc3.tar.gz
然后 tar -zxvf 這個命令來解壓
解壓之后有個文件bootstrap腳本文件，這個是安裝必不可少的
然后運行以下命令安裝cmake
$sudo ./bootstrap &&sudo make &&sudo make install
然后解壓 tiny-dnn-master.zip
cd 到解壓出來的目錄下
現在開始選擇所需要開啟的一些外掛
主要是一些提高運行速度的並行庫啥的，我現在第一遍跑，不打算打開這些加速外掛
我先把例子跑一跑 需要BUILD_EXAMPLES=ON ，BUILD_TESTS=ON
執行下面的命令進行cmake
$ cmake -BUILD_EXAMPLES=ON -BUILD_TESTS=ON .
然后在tiny-dnn-master文件夾下面會生成一個makefile文件啦
然后直接
$ make
接下來開始喝杯咖啡，稍等一會兒
這個時候你可以打開tiny-dnn-master文件夾下面的example文件夾，或者test文件夾，你會看見生成一個個的可執行文件
這樣ubuntu下可以運行的可執行文件就准備好了
這個時候可以開始跑代碼啦，先在線訓練一個mnist數據集玩一玩(使用妙算的同學不建議跑這個，有可能三個小時就過去了，我是在台式機上跑的，花費約四、五分鍾)
$ ./examples/example_mnist_train data
然后繼續喝杯咖啡，小憩一會。
好的，訓練結束，效果如圖
准確率為99.1％
反正這是一個輕量級平台，效果相當不錯啦.
現在我們開始識別吧
你需要搞一張手寫體圖片，像下面這樣
4.bmp
將這張圖片存在某個目錄下,我是存放在example文件夾下面的
然后運行
$ ./examples/example_mnist_test examples/4.bmp
結果如下
可以看出，4是准確識別出來了哦（4排名第一，7排名第二，1排名第三）.
有什么問題我再更新吧，今天先到這里。
update -- 2017-3-30
for robomasters