ubuntu14.04无GPU安装caffe：http://www.cnblogs.com/go-better/p/7160615.html
http://www.jb51.net/article/96169.htm
问题1：编译pycaffe时报错：fatal error: numpy/arrayobject.h没有那个文件或目录
解决：sudo apt-get install python-numpy (blog.csdn.net/wuzuyu365/article/details/52430657)
问题2：如果编译都通过了（make pycaffe），出现import caffe失败No module named caffe
解决： 把环境变量路径放到 ~/.bashrc文件中, (http://blog.csdn.net/u010417185/article/details/53559107)
打开文件：sudo vim ~/.bashrc
在文件下方写入： export PYTHONPATH=~/caffe/python:$PYTHONPATH
关闭文件使文件生效：source ~/.bashrc
问题3：在使用caffe的python层时经常容易出现如下错误：Check failed: registry.count(type) == 1 (0 vs. 1) Unknown layer type: Python
解决：没有开启对python的支持，需要在Makefile.config文件中开启如下开关：WITH_PYTHON_LAYER=1 然后再make&& make pycaffe
caffe测试mnist手写数字网络：http://blog.csdn.net/lynnandwei/article/details/43273077
测试单张数字：http://blog.csdn.net/xunan003/article/details/73126425
下载mnist图片及二进制文件：http://download.csdn.net/download/liumingchun13/10108641
深度学习目标检测图像数据处理：
图片名批处理：https://www.cnblogs.com/yqyouqing/p/6980243.html
标签工具labellmg： https://github.com/tzutalin/labelImg ( 使用方法：http://blog.csdn.net/jesse_mx/article/details/53606897 )
ImageSets/Main文件夹中的四个txt文件生成：http://blog.csdn.net/gaohuazhao/article/details/60871886
Faster-RCNN测试：
先参考1：http://blog.csdn.net/zyb19931130/article/details/53842791
再参考2：https://www.cnblogs.com/justinzhang/p/5386837.html
YOLOv1论文详解博客：
yolo论文理解(通俗易懂)：http://blog.csdn.net/hrsstudy/article/details/70305791 ( hrsstudy博客：http://blog.csdn.net/hrsstudy )
yolo学习笔记(部分模型讲解)：http://blog.csdn.net/xjz18298268521/article/details/70037602?locationNum=3&fps=1
yolo测试：http://blog.csdn.net/qq_14845119/article/details/53612362
Yolov2训练及测试：项目主页：https://pjreddie.com/darknet/yolo/
论文翻译：http://lib.csdn.net/article/aimachinelearning/61496
YOLOV2训练自己的数据：http://blog.csdn.net/u010807846/article/details/73554891?locationNum=5&fps=1
测试自己的数据：http://blog.csdn.net/ch_liu23/article/details/53558549
问题：如果测试时出现全屏都是目标框则需要设置测试阈值如
./darknet detect cfg/voc.data cfg/tiny-yolo-voc.cfg backup/final.weights -thresh 0.9
YOLO-VOC预训练模型(权值)下载：http://download.csdn.net/download/liumingchun13/10109794
YOLOv2部分程序解释：http://blog.csdn.net/hysteric314/article/details/54097845
SSD训练及测试：项目主页：https://github.com/weiliu89/caffe/tree/ssd
SSD论文翻译：http://lib.csdn.net/article/deeplearning/53059
SSD论文PPT：http://www.cnblogs.com/lillylin/p/6207292.html(包含论文及代码【Python，C++，caffe】网址, slide【幻灯片】,video)
SSD论文详解：http://blog.csdn.net/u010167269/article/details/52563573
标签工具BBOX-Label-Tool：https://github.com/puzzledqs/BBox-Label-Tool (使用方法：https://www.cnblogs.com/objectDetect/p/5780006.html)
SSD算法caffe配置，训练及测试：http://www.jianshu.com/p/4eaedaeafcb4
SSD安装配置运行：http://lib.csdn.net/article/deeplearning/53859 (详细配置)
http://lib.csdn.net/article/deeplearning/57866 (测试单张图片，百度云盘下载ssd模型)
http://m.blog.csdn.net/majinlei121/article/details/78111023 (detect.py在cpu下运行的修改，路径可以不用改；测试视频将solver_mode = P.Solver.GPU改为solver_mode = P.Solver.CPU)
SSD算法及Caffe代码详解：http://blog.csdn.net/u014380165/article/details/72824889
SSD训练测试自己的数据：https://www.cnblogs.com/EstherLjy/p/6863890.html （data在主目录下创建与ssd中的data不是同一个）
SSD源码解释(Tensorflow)：https://zhuanlan.zhihu.com/p/25100992?refer=shanren7
卷积神经网络介绍：
LeNet到DenseNet： https://zhuanlan.zhihu.com/p/31006686
caffe下LeNet详解：http://www.cnblogs.com/denny402/tag/caffe/default.html?page=2(输出参数貌似有问题，与图不对应)
