2022-12-04
步骤
- 备好附带MinGW GCC的Code::Blocks（下文称作C::B）和附有numpy等package的Python执行环境；
- 根据源码仓库的说明，准备好：
- 准备好flori-stelzer/deep-learning-delay-system之classifier-vaildation，并导入至C::B；
- 依照参考文献1，解开Armadillo，并配置到C::B的项目中；
- 安装python-minst，并将MNIST数据集解开后的四个数据文件名中的【.】改为【-】。用parse-data目录中的parse-mnist.py处理放于同级自建data目录中的四个数据文件，得出若干文本文件。
- 依参考文献2，在配置好静态🔗后，编译其Release版，并将上一步所得若干文本文件置于【bin\Release\data-MNIST】中，并将【armadillo-11.4.2】内动态链接库【examples\lib_win64\libopenblas.dll】复制至编译完成的可执行文件的同级目录，即可执行。
注：过程中并不需要配置Makefile。
网友评论