其然IT教育一直秉承“用良心做教育”的理念，致力于打造IT教育全产业链 人才服务平台，公司总部位于北京，目前已在深圳、上海、郑州、广州、大连、武汉、成都、西安、杭州、青岛、重庆、长沙、哈尔滨、南京、太原成 立了分公司，年培养优质人才20000余人，同期在校学员5000余人，合作院校超500所，合作企业超10000家，每年有数十万名学员受益于千锋互联组织 的技术研讨会、技术培训课、网络公开课及免费教学视频。
其然IT历程精彩纷呈，获得荣誉包括：中关村移动互联网产业联盟副理事长 单位、中国软件协会教育培训委员会认证一级培训机构、中关村国际孵化软件协会授权中关村移动互联网学院、教育部教育管理信息中心指定移动互联 网实训基地等。
其然IT教育面授课程包含HTML5大前端培训、JavaEE 分布式开发培训、 Python全栈 人工智能培训、全链路UI/UE设计培训、物联网 嵌入式培训、360网络安全、大数据 人工智能培训、全栈软件测试培训、PHP全栈 服务器 集群培训、云计算 信息安全培训、Unity游戏开发培训、区块链、红帽RHCE认证，采用全程面授高品质、高成本培养模式，教学大纲紧跟企业需求，拥 有全国一体化就业保障服务，成为学员信赖的IT职业教育品牌。
Java工程师的工资待遇怎么样?
Java工程师的工资待遇怎么样?
Java软件工程师一般月薪范围在4000-10000元，远远超过了应届毕业生月薪 2500元的平均水平。通常来说，有一年工作经验的Java高级软件工程师的薪酬大致在年薪10—13万左右。
从Java的应用领域来分，Java语言的应用方向主要表现在以下三个方面：首 先是大中型的商业应用;其次是桌面应用，就是常说的C/S应用;再次是移动领域应用。
综上而言JAVA就业方向为：可以从事JSP网站开发、Java编程、Java游戏开 发、Java桌面程序设计，以及其他与Java语言编程相关的工作。可进入电信、银行、保险专业软件开发公司等从事软件设计和开发工作。
java工程师课程
课程大纲
| 一阶段 | 二阶段 | 三阶段 |
|---|---|---|
|
|
|
CUDA8.0 Ubuntu14.04 Caffe安装过程之Caffe安装教程
>
Caffe的安装相比于CUDA简单不少，但是还是踩了几个坑，下面简单总结下Caffe的安装过程。
配置cuDNN
cuDNN是GPU加速计算深层神经网络的库。 首先去**网(https://developer.nvidia.com/rdp/cudnn-download)**cuDNN,根据提示**对应的版本号如下图： 为了稳妥期间我没有****近的版本，**了cuDNN5.0。 **解压，指令如下
tar -zxvf cudnn-8.0-linux-x64-v5.0-ga.tgz解压后文件包含如下几项： *cuda/include/cudnn.h cuda/lib64/libcudnn.so cuda/lib64/libcudnn.so.5 cuda/lib64/libcudnn.so.5.0.5 cuda/lib64/libcudnn_static.a* 继续执行以下指令：
sudo cp cuda/include/cudnn.h /usr/local/cuda/include/ sudo cp cuda/lib64/libcudnn* /usr/local/cuda/lib64/ sudo chmod a r /usr/local/cuda/include/cudnn.h sudo chmod a r /usr/local/cuda/lib64/libcudnn*复制到cuda对应的include和lib64文件目录中去。
安装OpenCV3.1
**及安装
从**网(http://opencv.org/downloads.html)**OpenCV,并将其解压到你要安装的位置，假设解压到了/home/opencv。 安装前准备，创建编译文件夹：
cd ~/opencv mkdir build cd build配置：
cmake -D CMAKE_BUILD_TYPE=Release -D CMAKE_INSTALL_PREFIX=/usr/local ..编译：
make -j8 #-j8-j8表示并行计算，根据自己电脑的配置进行设置，配置比较低的电脑可以将数字改小或不使用，直接输make。 编译make过程中会出现错误，graphcuts中的变量未声明，是因为opencv3.1还不支持cuda8.0，需要对其中的grapcuts.cpp进行更改： 然后重新编译一下，即可成功。 以上只是将opencv编译成功，还没将opencv安装，需要运行下面指令进行安装：
sudo make install测试
首先，新建一个opencv的工作目录，进入后新建一个cpp文件。
mkdir ～/test cd test gedit DisplayImage.cpp编辑如下代码：
#include <stdio.h> #include <opencv2/opencv.hpp> using namespace cv; int main(int argc, char** argv ) { if ( argc != 2 ) { printf("usage: DisplayImage.out <Image_Path>\n"); return -1; } Mat image; image = imread( argv[1], 1 ); if ( !image.data ) { printf("No image data \n"); return -1; } namedWindow("Display Image", WINDOW_AUTOSIZE ); imshow("Display Image", image); waitKey(0); return 0; }接着，在当前目录下创建CMake编译文件
gedit CMakeList.txt编辑如下内容：
cmake_minimum_required(VERSION 2.8) project( DisplayImage ) find_package( OpenCV REQUIRED ) add_executable( DisplayImage DisplayImage.cpp ) target_link_libraries( DisplayImage ${OpenCV_LIBS} )然后，编译：
cmake . make此时已经生成可执行bin文件，**lena.jpg放在opencv-lena下。执行：
./DisplayImage lena.jpg**后显示得到结果 显示成功，即表明opencv安装成功。
Caffe安装
安装caffe前要安装一些依赖项，照着下面的步骤依次安装即可。 1) 安装依赖项
sudo apt-get install libprotobuf-dev libleveldb-dev libsnappy-dev libopencv-dev libhdf5-serial-dev protobuf-compiler sudo apt-get install --no-install-recommends libboost-all-dev2) 安装BLAS
sudo apt-get install libatlas-base-dev3) 安装pycaffe接口所需要的依赖项
sudo apt-get install -y python-numpy python-scipy python-matplotlib python-sklearn python-skimage python-h5py python-protobuf python-leveldb python-networkx python-nose python-pandas python-gflags cython ipython4) 继续gflags,glog等依赖项
sudo apt-get install libgflags-dev libgoogle-glog-dev liblmdb-dev5） **caffe并编译 在主目录下新建一个caffe的文件目录，按照下面顺序进行安装配置。
(1)将终端cd到要安装caffe的位置。
(2)从github上获取caffe：
git clone https://github.com/BVLC/caffe.git注意：若没有安装Git，需要先安装Git：
sudo apt-get install git(3)因为make指令只能make Makefile.config文件，而Makefile.config.example是caffe给出的 makefile例子，因此，首先将Makefile.config.example的内容复制到Makefile.config：
sudo cp Makefile.config.example Makefile.config(4)打开并修改配置文件：
sudo gedit Makefile.config #打开Makefile.config文件针对需求修改几项即可，如下：
a.若使用cudnn，则
将#USE_CUDNN := 1
修改成：
USE_CUDNN := 1
b.若使用的opencv版本是3的，则
将#OPENCV_VERSION := 3去掉修改为：
OPENCV_VERSION := 3
c.若要使用python来编写layer，则
将#WITH_PYTHON_LAYER := 1去掉#号修改为
WITH_PYTHON_LAYER := 1
然后开始编译：
make all -j16 make runtest -j16编译过程中会报错，如下
error while loading shared libraries:libcudart.so.8.0: cannot open shared object file: No such file or directory这是因为没cuda的lib路径没添加上，终端写入命令：
sudo ldconfig /usr/local/cuda/lib64或者
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:$LD_LIBRARY_PATH重新编译即可。 到目前位置caffe配置完毕，然后用Mnist数据集进行测试。
Mnist数据测试
安装完成后，**mnist数据进行测试，过程如下：
1）将终端定位到Caffe根目录
cd ~/caffe
2）**MNIST数据库并解压缩
./data/mnist/get_mnist.sh
3）将其转换成Lmdb数据库格式
./examples/mnist/create_mnist.sh
4）训练网络
./examples/mnist/train_lenet.sh。**终得到如下的结果 我们可以看到**后的精度数值为0.991，说明训练成功。
总结
至此，用两篇博客详细记录了在Ubuntu14.04系统下Cuda和Caffe的配置过程，期间的各种折磨和痛苦无以言表，**终还是成功了，可以开始在此框架下进行深度学习的大展拳脚了。
相关推荐：
个试听名额
