第一次搭建深度學習平台，簡單的記錄一下過程。
一、首先我安裝了anaconda。
首先因為現在的3.7版本與tf不適用，所以先降級為3.6.8
在降級的時候開啟anaconda prompt，乙個類似命令列的東西，控制anaconda環境python各種庫的安裝。輸入：
conda install python=3.6.8
但是提示solving environment： failed
於是搜尋，
根據這個人的回答找到了
按照他們的方法，安裝了scrapy。安裝scrapy時候，還是沒能實現python降級的操作，於是打算安裝最新的tf，應該可以適應python3.7
二、安裝visual studio 2015。
這個就不說了，按照網上教程安裝成功。
安裝的時候卡在74%處報錯，提示不能建立chrome_elf.dll。最後發現是360攔截了，退出後就成功安裝了。
也像教程中選擇了自定義安裝。
copy \cuda\bin\cudnn64_7.dll to c:\program files\nvidia gpu computing toolkit\cuda\v9.0\bin.
copy \cuda\ include\cudnn.h to c:\program files\nvidia gpu computing toolkit\cuda\v9.0\include.
copy \cuda\lib\x64\cudnn.lib to c:\program files\nvidia gpu computing toolkit\cuda\v9.0\lib\x64.
bin對應bin，include對應include，x64對應x6
五、驗證cuda安裝是否成功
在以下位置尋找：
c:\program files\nvidia gpu computing toolkit\cuda\v9.0\extras\demo_suite
找到devicequery.exe和bandwidthtest.exe，注意需要在cmd裡執行，先執行devicequery.exe再執行bandwidthtest.exe，留意執行結果的最後是否result = pass，如果兩個檔案都是，那麼說明cuda能夠和底層硬體正常溝通。
自己操作的時候只彈出了一下黑框，沒有出現pass
六、裝tensorflow
這個安裝的tensorflow是可以正常執行
import tensorflow as tf
message = tf.constant(『welcome to the exciting world of deep neural networks!』)
with tf.session() as sess:
print(sess.run(message).decode())
在python環境下輸入這段話，結果輸出
welcome to the exciting world of deep neural networks!
中間有一些警告，不影響結果。
CTFd平台搭建記錄
其實這些內容在官方文件中都有，只是想在部落格再記錄一下，提高一下自己的熟悉程度 ctfd平台是在flask框架下寫的，所以得先安裝flask 安裝pip sudo apt install python pip安裝flasksudo pip install flaskcd ctfd 1.0.5 sud...
關於深度學習平台搭建的一些事項
cuda有兩種版本，一種是驅動版本 driver version，檢視命令 nvidia smi 右上角 一種是執行時版本runtime version，檢視命令 pip list 或conda list 包管理器 list cudatoolkit便是。兩種版本必須對應，對應關係如下 cuda 9....
搭建MQTT學習平台
關於mqtt協議的介紹就不贅述了，網上資料非常多，直接入正題。安裝流程這裡也不贅述了，可以參考博文，值得注意的就是如果出現 找不到libmosquitto.so.1 則建立連線sudo ln s usr local lib libmosquitto.so.1 usr lib libmosquitto...