第一次写博客文章，一直都想把自己学的用的整理一下可总是没时间，这学期下决心要好好记录自己学习中遇到的各种问题和资料，以备日后查阅，也给他人一个帮助。
做robomaster比赛的视觉部分。本来有好多人的，然而到现在貌似只剩下我了。寒假一直在学opencv，刚弄了个十字交点检测(就是激光打出十字然后在屏幕上实时找到十字的交点)，回学校后打算先写一个识别数字的做一个打大符的模型。刚跑了一个机器学习的识别数字的程序，老师就把我叫去说她的研究生弄了个视觉的让我移植到linux上，当时满心欣喜以为不用自己单干了，然而……就是做了一个用caffe训练了一下能识别出花恐龙什么的例子。不过这也启发我应该往深度学习方面钻了，可能实现起来会更简单。
好了，不说废话了，昨天花了一晚上看了看优达学城的深度学习，基本上了解了深度学习的大概。本打算今天做一下它的作业，熟悉一下，结果安装它给的那个docker镜像就花了好久……
为什么非要装docker，直接装tensorflow不就好了嘛。因为，经过两天安装caffe的经历，我已经不想再自己装了，装现成的多好。而且借这个机会了解一下docker。
首先装好docker
然后在优达官方安装说明里的这句docker run -p 8888:8888 --name tensorflow-udacity -it gcr.io/tensorflow/udacity-assignments:1.0.0一直卡着不动。
后来在知乎上找到一个利用灵雀云的加速方法。
- 注测一个灵雀云账号
- 在github上创建一个仓库
- 在仓库里建了一个Dockerfile文件，内容写为
FROM gcr.io/tensorflow/udacity-assignments:1.0.0 - 在灵雀云上绑定github账号
- 创建镜像构建仓库导入刚才在github上创建的仓库
- 然后配置完要配置的点开始构建
- 等一会儿后就好了
- 点击下载镜像库复制那个链接(类似于
docker pull registry.alauda.cn/xxx/yyy)只需要那个链接 - 在终端里用那个链接代替官网给的(类似于
docker run -p 8888:8888 --name tensorflow-udacity -it registry.alauda.cn/xxx/yyy) - 这样就愉快地装好了
But，当我打开第一个作业后发现它需要的样本集下载很慢……
我想到先把它的样本集下下来然后用apache建一个本地站让它下载。
在知乎的这篇文章他提到了用这个地址url = 'http://yaroslavvb.com/upload/notMNIST/'代替url = 'http://commondatastorage.googleapis.com/books1000/'但速度实在太慢……
于是我先下好所需的文件装好apachesudo apt install apache2直接把下载文件的目录链接到/var/www/html里，再将刚才的地址改为url = 'http://ip/目录'就可以正常下载样本集了。
来源：CSDN
作者：Raring_Ringtail
链接：https://blog.csdn.net/u010750137/article/details/56891102