xmake支持vs2002-vs2015工程文件生成

2016-08-29 ruki
xmake VisualStudio vs2008
xmake master上最新版本已经支持vs2002-vs2015工程文件的生成，通过project插件的方式提供，例如： 创建vs2013工程文件： bash $ xmake project -k vs2013 默认输出目录是在当前工程的下面，会生成一个vs2008的工程文件夹，打开解决方案编译后，默认的输出文件路径跟xmake.lua描述的是完全一致的，一般都是在build目录下 除非你手动指定其他的构建目录，例如：xmake f -o /tmp/build 创建vs2008工程文件，并且创建工程文件到指定目录： bash $ xmake project -k vs2008 f:\vsproject 继续阅读 »

The xmake plugin for generating vstudio project file (vs2002 - 2015)

2016-08-29 ruki
xmake VisualStudio plugin vs2008 vs2015
Xmake provide a builtin-plugin for generating VisualStudio project file (vs2002 - 2015) now. .e.g We need enter the project directory first and run the following command if we want to generate vs2013 project. bash $ xmake project -k vs2013 It will generate a directory(vs2013) in the current project and the direct 继续阅读 »

tbox v1.5.3发布！

2016-08-29 ruki
tbox 版本发布
新特性 增加同时等待多个进程接口 增加uuid生成器 增加hash库模块 添加__tb_deprecated__关键字以及配置选项 改进 移动部分utils接口到hash模块 重写random生成器 Bugs修复 修复stdout在vs2015以上版本的兼容性问题 修复进程参数长度限制 继续阅读 »

tbox v1.5.3 released!

2016-08-29 ruki
tbox version
New features Add wait multi-processes interface Add uuid generator Add hash library module Add __tb_deprecated__ keyword and option Changes Move some utils interfaces to the hash module Rewrite random generator Bugs fixed Fix stdout compatibility issue for vs2015 Fix process arguments length limit 继续阅读 »

xmake v2.0.4发布！

2016-08-29 ruki
xmake 版本更新
新特性 在xmake.lua中添加原生shell支持，例如：add_ldflags("$(shell pkg-config --libs sqlite3)") 编译windows目标程序，默认默认启用pdb符号文件 在windows上添加调试器支持（vsjitdebugger, ollydbg, windbg ... ） 添加getenv接口到xmake.lua的全局作用域中 添加生成vstudio工程插件(支持：vs2002 - vs2015) 为option添加set_default接口 改进 增强内建变量的处理 支持字符串类型的选项option设置 Bugs修复 修复在linux下检测ld连接器失败，如果没装g++的话 继续阅读 »

这是一份你们需要的Windows版深度学习软件安装指南

2017-10-12 Quanyin Tang
Deep-Learning Python
本文经机器之心(微信公众号:almosthuman2014)授权转载,禁止二次转载.本文由机器之心编译,蒋思源、刘晓坤参与. 本文从最基本的依赖项开始,依次配置了 VS 2015、Anaconda 4.4.0、CUDA 8.0.61 和 cuDNN v5.1 等基本环境,然后再从 Keras 出发安装 Theano、TensorFlow 和 CNTK 以作为其后端.在完成配置深度学习框架后,本文分别利用这三个框架作为 Keras 后端在 CPU 和 GPU 上训练了一个标准的卷积神经网络,完成该简单的卷积网络也就意味着我们完成了深度学习环境的配置. 继续阅读 »