機器學習編譯環境

㈠ 求問隨機森林演算法的簡單實現過程

隨機森林（Random forest）指的是利用多棵樹對樣本進行訓練並預測的一種分類器。 並且其輸出的類別是由個別樹輸出的類別的眾數而定。在機器學習中有一個地位很重要的包scikit-learn可實現隨機森林演算法。

原理：（隨機森林的分類預測和回歸預測sklearn.ensemble.RandomForestRegressor方法）
(1)給定訓練集S，測試集T，特徵維數F。確定參數：使用到的CART的數量t，每棵樹的深度d，每個節點使用到的特徵數量f，終止條件：節點上最少樣本數s，節點上最少的信息增益m，對於第1-t棵樹，i=1-t：
(2)從S中有放回的抽取大小和S一樣的訓練集S(i)，作為根節點的樣本，從根節點開始訓練
(3)如果當前節點上達到終止條件，則設置當前節點為葉子節點，如果是分類問題，該葉子節點的預測輸出為當前節點樣本集合中數量最多的那一類c(j)，概率p為c(j)占當前樣本集的比例；如果是回歸問題，預測輸出為當前節點樣本集各個樣本值的平均值。然後繼續訓練其他節點。如果當前節點沒有達到終止條件，則從F維特徵中無放回的隨機選取f維特徵。利用這f維特徵，尋找分類效果最好的一維特徵k及其閾值th，當前節點上樣本第k維特徵小於th的樣本被劃分到左節點，其餘的被劃分到右節點。繼續訓練其他節點。
(4)重復(2)(3)直到所有節點都訓練過了或者被標記為葉子節點。
(5)重復(2),(3),(4)直到所有CART都被訓練過。
隨機森林的簡單實現過程如下：
一、 開發環境、編譯環境：
PyCharm Community Edition 2016.2.3
python2.7.10
二、 所用庫及安裝方法：
pandas[python自帶]
sklearn：命令行pip install sklearn;如果沒有安裝pip,先使用easy_install pip安裝pip；如果在MAC上沒有許可權，使用sudo pip install sklearn;
三、 代碼介紹
1. 使用pandas讀取本地excel的訓練集和測試集，將屬性集賦給X_train和Y_train;將要預測的集合賦給X_test和Y_test;
2. 使用DictVectorizer對數據進行規范化、標准化
3. 生成RandomForestRegressor對象，並將訓練集傳入fit方法中進行訓練
4. 調用predict函數進行預測，並將結果存入y_predict變數中；
5. 使用mean_squared_error、score方法輸出MSE、NMSE值對擬合度、穩定度進行分析；輸出feature_importance，對影響最終結果的屬性進行分析；
6. 詳細代碼見附錄
四、 附錄
# coding:utf-8
import pandas as pd
data_train = pd.read_excel('/Users/xiaoliu/Desktop/data_train.xlsx')
X_train = data_train[['CPI', 'GDP', 'PPI', 'AJR', 'BJFJ', 'FBDR', 'PCFD', 'PCFDED', 'BDR']]
y_train = data_train['FJ']

data_test = pd.read_excel('/Users/xiaoliu/Desktop/data_test.xlsx')
X_test = data_test[['CPI', 'GDP', 'PPI', 'AJR', 'BJFJ', 'FBDR', 'PCFD', 'PCFDED', 'BDR']]
y_test = data_test['FJ']

from sklearn.feature_extraction import DictVectorizer

vec = DictVectorizer(sparse=False)
X_train = vec.fit_transform(X_train.to_dict(orient='records'))
X_test = vec.transform(X_test.to_dict(orient='records'))

from sklearn.ensemble import RandomForestRegressor
rf = RandomForestRegressor()
rf.fit(X_train,y_train)
y_predict = rf.predict(X_test)
print 'predict value:',y_predict

from sklearn.metrics import mean_squared_error
print 'MSE:', mean_squared_error(y_test, y_predict)
print 'NMES:',rf.score(X_test, y_test)
print rf.feature_importances_

㈡ 學習人工智慧要懂什麼Python就行還是深度學習或機器學習都要掌握呢

人工智慧的浪潮正在席捲全球，諸多詞彙時刻縈繞在我們耳邊：人工智慧（Artificial Intelligence）、機器學習（Machine Learning）、深度學習（Deep Learning）。不少人對這些高頻詞彙的含義及其背後的關系總是似懂非懂、一知半解。

為了幫助大家更好地理解人工智慧，這篇文章用最簡單的語言解釋了這些詞彙的含義，理清它們之間的關系，希望對剛入門的同行有所幫助。

圖三 三者關系示意圖

目前，業界有一種錯誤的較為普遍的意識，即「深度學習最終可能會淘汰掉其他所有機器學習演算法」。這種意識的產生主要是因為，當下深度學習在計算機視覺、自然語言處理領域的應用遠超過傳統的機器學習方法，並且媒體對深度學習進行了大肆誇大的報道。

深度學習，作為目前最熱的機器學習方法，但並不意味著是機器學習的終點。起碼目前存在以下問題：

1. 深度學習模型需要大量的訓練數據，才能展現出神奇的效果，但現實生活中往往會遇到小樣本問題，此時深度學習方法無法入手，傳統的機器學習方法就可以處理；

2. 有些領域，採用傳統的簡單的機器學習方法，可以很好地解決了，沒必要非得用復雜的深度學習方法；

3. 深度學習的思想，來源於人腦的啟發，但絕不是人腦的模擬，舉個例子，給一個三四歲的小孩看一輛自行車之後，再見到哪怕外觀完全不同的自行車，小孩也十有八九能做出那是一輛自行車的判斷，也就是說，人類的學習過程往往不需要大規模的訓練數據，而現在的深度學習方法顯然不是對人腦的模擬。

深度學習大佬 Yoshua Bengio 在 Quora 上回答一個類似的問題時，有一段話講得特別好，這里引用一下，以回答上述問題：

Science is NOT a battle, it is a collaboration. We all build on each other's ideas. Science is an act of love, not war. Love for the beauty in the world that surrounds us and love to share and build something together. That makes science a highly satisfying activity, emotionally speaking!

這段話的大致意思是，科學不是戰爭而是合作，任何學科的發展從來都不是一條路走到黑，而是同行之間互相學習、互相借鑒、博採眾長、相得益彰，站在巨人的肩膀上不斷前行。機器學習的研究也是一樣，你死我活那是邪教，開放包容才是正道。

結合機器學習2000年以來的發展，再來看Bengio的這段話，深有感觸。進入21世紀，縱觀機器學習發展歷程，研究熱點可以簡單總結為2000-2006年的流形學習、2006年-2011年的稀疏學習、2012年至今的深度學習。未來哪種機器學習演算法會成為熱點呢？深度學習三大巨頭之一吳恩達曾表示，「在繼深度學習之後，遷移學習將引領下一波機器學習技術」。但最終機器學習的下一個熱點是什麼，誰又能說得准呢。

㈢ [python]機器學習庫dlib中，編譯器無法識別dlib.image_window()怎麼辦

將Cocos2d-x的VS工程導入XCode新建Cocos2d-x工程vs2010cocos2d-x3.0創建VS工程----------------------biu~biu~biu~~~在下問答機器人小D，這是我依靠自己的聰明才智給出的答案，如果不正確，你來咬我啊！

㈣ 如何利用python語言實現機器學習演算法

基於以下三個原因，我們選擇Python作為實現機器學習演算法的編程語言：(一) Python的語法清晰；(二) 易於操作純文本文件；(三) 使用廣泛，存在大量的開發文檔。 可執行偽代碼 Python具有清晰的語法結構，大家也把它稱作可執行偽代碼（executable pseudo-code）。默認安裝的Python開發環境已經附帶了很多高級數據類型，如列表、元組、字典、集合、隊列等，無需進一步編程就可以使用這些數據類型的操作。使用這些數據類型使得實現抽象的數學概念非常簡單。此外，讀者還可以使用自己熟悉的編程風格，如面向對象編程、面向過程編程、或者函數式編程。不熟悉Python的讀者可以參閱附錄A，該附錄詳細介紹了Python語言、Python使用的數據類型以及安裝指南。 Python語言處理和操作文本文件非常簡單，非常易於處理非數值型數據。Python語言提供了豐富的正則表達式函數以及很多訪問Web頁面的函數庫，使得從HTML中提取數據變得非常簡單直觀。 Python比較流行 Python語言使用廣泛，代碼範例也很多，便於讀者快速學習和掌握。此外，在開發實際應用程序時，也可以利用豐富的模塊庫縮短開發周期。 在科學和金融領域，Python語言得到了廣泛應用。SciPy和NumPy等許多科學函數庫都實現了向量和矩陣操作，這些函數庫增加了代碼的可讀性，學過線性代數的人都可以看懂代碼的實際功能。另外，科學函數庫SciPy和NumPy使用底層語言（C和Fortran）編寫，提高了相關應用程序的計算性能。本書將大量使用Python的NumPy。 Python的科學工具可以與繪圖工具Matplotlib協同工作。Matplotlib可以繪制二D、三D圖形，也可以處理科學研究中經常使用到的圖形，所以本書也將大量使用Matplotlib。 Python開發環境還提供了互動式shell環境，允許用戶開發程序時查看和檢測程序內容。 Python開發環境將來還會集成Pylab模塊，它將NumPy、SciPy和Matplotlib合並為一個開發環境。在本書寫作時，Pylab還沒有並入Python環境，但是不遠的將來我們肯定可以在Python開發環境找到它。 Python語言的特色 諸如MATLAB和Mathematica等高級程序語言也允許用戶執行矩陣操作，MATLAB甚至還有許多內嵌的特徵可以輕松地構造機器學習應用，而且MATLAB的運算速度也很快。然而MATLAB的不足之處是軟體費用太高，單個軟體授權就要花費數千美元。雖然也有適合MATLAB的第三方插件，但是沒有一個有影響力的大型開源項目。 java和C等強類型程序設計語言也有矩陣數學庫，然而對於這些程序設計語言來說，最大的問題是即使完成簡單的操作也要編寫大量的代碼。程序員首先需要定義變數的類型，對於Java來說，每次封裝屬性時還需要實現getter和setter方法。另外還要記著實現子類，即使並不想使用子類，也必須實現子類方法。為了完成一個簡單的工作，我們必須花費大量時間編寫了很多無用冗長的代碼。Python語言則與Java和C完全不同，它清晰簡練，而且易於理解，即使不是編程人員也能夠理解程序的含義，而Java和C對於非編程人員則像天書一樣難於理解。 所有人在小學二年級已經學會了寫作，然而大多數人必須從事其他更重要的工作。 ——鮑比·奈特 也許某一天，我們可以在這句話中將「寫作」替代為「編寫代碼」，雖然有些人對於編寫代碼很感興趣，但是對於大多數人來說，編程僅是完成其他任務的工具而已。Python語言是高級編程語言，我們可以花費更多的時間處理數據的內在含義，而無須花費太多精力解決計算機如何得到數據結果。Python語言使得我們很容易表達自己的目的。 Python語言的缺點 Python語言唯一的不足是性能問題。Python程序運行的效率不如Java或者C代碼高，但是我們可以使用Python調用C編譯的代碼。這樣，我們就可以同時利用C和Python的優點，逐步地開發機器學習應用程序。我們可以首先使用Python編寫實驗程序，如果進一步想要在產品中實現機器學習，轉換成C代碼也不困難。如果程序是按照模塊化原則組織的，我們可以先構造可運行的Python程序，然後再逐步使用C代碼替換核心代碼以改進程序的性能。C++ Boost庫就適合完成這個任務，其他類似於Cython和PyPy的工具也可以編寫強類型的Python代碼，改進一般Python程序的性能。 如果程序的演算法或者思想有缺陷，則無論程序的性能如何，都無法得到正確的結果。如果解決問題的思想存在問題，那麼單純通過提高程序的運行效率，擴展用戶規模都無法解決這個核心問題。從這個角度來看，Python快速實現系統的優勢就更加明顯了，我們可以快速地檢驗演算法或者思想是否正確，如果需要，再進一步優化代碼

㈤ 關於機器學習應用不得不思考哪些問題

機器學習是一種能夠賦予機器學習的能力以此讓它完成直接編程無法完成的功能的方法。但從實踐的意義上來說，機器學習是一種通過利用數據，訓練出模型，然後使用模型預測的一種方法。

讓我們具體看一個例子。

圖4房價的例子

拿國民話題的房子來說。現在我手裡有一棟房子需要售賣，我應該給它標上多大的價格？房子的面積是100平方米，價格是100萬，120萬，還是140萬？

很顯然，我希望獲得房價與面積的某種規律。那麼我該如何獲得這個規律？用報紙上的房價平均數據么？還是參考別人面積相似的？無論哪種，似乎都並不是太靠譜。

我現在希望獲得一個合理的，並且能夠最大程度的反映面積與房價關系的規律。於是我調查了周邊與我房型類似的一些房子，獲得一組數據。這組數據中包含了大大小小房子的面積與價格，如果我能從這組數據中找出面積與價格的規律，那麼我就可以得出房子的價格。

對規律的尋找很簡單，擬合出一條直線，讓它「穿過」所有的點，並且與各個點的距離盡可能的小。

通過這條直線，我獲得了一個能夠最佳反映房價與面積規律的規律。這條直線同時也是一個下式所表明的函數：房價=面積*a+b

上述中的a、b都是直線的參數。獲得這些參數以後，我就可以計算出房子的價格。

假設a=0.75,b=50，則房價=100*0.75+50=125萬。這個結果與我前面所列的100萬，120萬，140萬都不一樣。由於這條直線綜合考慮了大部分的情況，因此從「統計」意義上來說，這是一個最合理的預測。

在求解過程中透露出了兩個信息：

1.房價模型是根據擬合的函數類型決定的。如果是直線，那麼擬合出的就是直線方程。如果是其他類型的線，例如拋物線，那麼擬合出的就是拋物線方程。機器學習有眾多演算法，一些強力演算法可以擬合出復雜的非線性模型，用來反映一些不是直線所能表達的情況。

2.如果我的數據越多，我的模型就越能夠考慮到越多的情況，由此對於新情況的預測效果可能就越好。這是機器學習界「數據為王」思想的一個體現。一般來說(不是絕對)，數據越多，最後機器學習生成的模型預測的效果越好。

通過我擬合直線的過程，我們可以對機器學習過程做一個完整的回顧。首先，我們需要在計算機中存儲歷史的數據。接著，我們將這些數據通過機器學習演算法進行處理，這個過程在機器學習中叫做「訓練」，處理的結果可以被我們用來對新的數據進行預測，這個結果一般稱之為「模型」。對新數據的預測過程在機器學習中叫做「預測」。「訓練」與「預測」是機器學習的兩個過程，「模型」則是過程的中間輸出結果，「訓練」產生「模型」，「模型」指導「預測」。

㈥ 機器學慣用java還是python

機器學慣用python更合適。

機器學習不需要面向對象，不需要高可用，高並發等等。而這些是java主打。那python的發展就契合數據分析和數據挖掘。

機器學慣用python更合適的原因：

python在機器學習方面的生態環境碾壓java，很少有用java來做機器學習的。

Python的第三方庫十分強大，特別是一些出名的numpy、pandas、pytorch等

python適合立馬實踐，隨便打開一個控制台就能運行，並且可以很快的得到結果；而java需要打開特定的編程環境，然後編譯運行結果。

更多Python知識請關注Python自學網

㈦ 預處理類型

1. 預處理程序

按照ANSI標準的定義，預處理程序應該處理以下指令：

#if #ifdef #ifndef #else #elif

#endif

#define

#undef

#line

#error

#pragma

#include

顯然，上述所有的12個預處理指令都以符號#開始，，每條預處理指令必須獨佔一行。

2. #define

#define指令定義一個標識符和一個串(也就是字元集)，在源程序中發現該標識符時，都用該串替換之。這種標識符稱為宏名字，相應的替換稱為宏代換。一般形式如下：

#define macro-name char-sequence

這種語句不用分號結尾。宏名字和串之間可以有多個空白符，但串開始後只能以新行終止。

例如：我們使用LEFT代表1，用RIGHT代表0，我們使用兩個#define指令：

#define LEFT 1

#define RIGHT 0

每當在源程序中遇到LEFT或RIGHT時，編譯程序都用1或0替換。

定義一個宏名字之後，可以在其他宏定義中使用,例如：

#define ONE 1

#define TWO ONE+ONE

#define THREE ONE+TWO

宏代換就是用相關的串替代標識符。因此，如果希望定義一條標准錯誤信息時，可以如下定義：

#define ERROR_MS 「Standard error on input \n」

如果一個串長於一行，可在行尾用反斜線」\」續行，如下：

#define LONG_STRING 「This is a very very long \

String that is used as an example」

3. #error

#error指令強制編譯程序停止編譯，它主要用於程序調試。#error指令的一般形式是：

#error error-message

注意，宏串error-message不用雙引號包圍。遇到#error指令時，錯誤信息被顯示，可能同時還顯示編譯程序作者預先定義的其他內容。

4. #include

程序中的#include指令要求編譯程序讀入另一個源文件。被讀入文件的名字必須用雙引號(「」)或一對尖括弧(<>)包圍，例如：

#include 「stdio.h」

#include 都使C編譯程序讀入並編譯頭文件以用於I/O系統庫函數。

包含文件中可以包含其他#include指令，稱為嵌套包含。允許的最大嵌套深度隨編譯器而變。

文件名被雙括弧或尖括弧包圍決定了對指定文件的搜索方式。文件名被尖括弧包圍時，搜索按編譯程序作者的定義進行，一般用於搜索某些專門放置包含文件的特殊目錄。當文件名被雙括弧包圍時，搜索按編譯程序實時的規定進行，一般搜索當前目錄。如未發現，再按尖括弧包圍時的辦法重新搜索一次。

通常，絕大多數程序員使用尖括弧包圍標準的頭文件，雙引號用於包圍與當前程序相關的文件名。

5. 條件編譯指令

若干編譯指令允許程序員有選擇的編譯程序源代碼的不同部分，這種過程稱為條件編譯。

5.1#if、#else、#elif #endif

條件編譯指令中最常用的或許是#if,#else,#elif和#endif。這些指令允許程序員根據常數表達式的結果有條件的包圍部分代碼。

#if的一般形式是：

#if constant-expression

Statement sequence

#endif

如#if後的常數表達式為真，則#if和#endif中間的代碼被編譯，否則忽略該代碼段。#endif標記#if塊的結束。

#else指令的作用與C語言的else相似，#if指令失敗時它可以作為備選指令。例如：

#include #define MAX 100

Int main(void)

{
#if MAX>99

printf(「Compiled for array greater than 99.\n」);

#else

printf(「Complied for small array.\n」);

#endif

return 0;

}

注意，#else既是標記#if塊的結束，也標記#else塊的開始。因為每個#if只能寫一個#endif匹配。

#elif指令的意思是「否則，如果」，為多重編譯選擇建立一條if-else-if(如果-否則-如果鏈)。如果#if表達式為真，該代碼塊被編譯，不測試其他#elif表達式。否則，序列中的下一塊被測試，如果成功則編譯之。一般形式如下：

#if expression

Statement sequence

#elif expression1

Statement sequence

#elif expression2

Statement sequence

.

.

.

#elif expression

Statement sequence

#endif

5.2#ifdef和#ifndef

條件編譯的另一個方法是使用編譯指令#ifdef和#ifndef，分別表示「如果已定義」和「如果未定義」。#ifdef的一般形式如下：

#ifdef macro-name

Statement sequence

#endif

如果macro-name原先已經被一個#define語句定義，則編譯其中的代碼塊。

#ifndef的一般形式是：

#ifndef macro-name

Statement sequence

#endif

如果macro-name當前未被#define語句定義，則編譯其中的代碼塊。

我認為，用這種，可以很方便的開啟/關閉整個程序的某項特定功能。

#ifdef和#ifndef都可以使用#else或#elif語句。

#inlucde #define T 10

Int main(void)

{
#ifdef t

Printf(「Hi T\n」);

#else

Printf(「Hi anyone\n」);

#endif

#ifndef M

Printf(「M Not Defined\n」);

#endif

Return 0;

}

6. #undef

#undef指令刪除前面定義的宏名字。也就是說，它「不定義」宏。一般形式為：

#undef macro-name

7. 使用defined

除#ifdef之外，還有另外一種確定是否定義宏名字的方法，即可以將#if指令與defined編譯時操作符一起使用。defined操作符的一般形式如下：

defined macro-name

如果macro-name是當前定義的，則表達式為真，否則為假。

例如，確定宏MY是否定義，可以使用下列兩種預處理命令之一：

#if defined MY

或

#ifdef MY

也可以在defined之前加上感嘆號」!」來反轉相應的條件。例如，只有在DEBUG未定義的情況下才編譯。

#if !defined DEBUG

Printf(「Final Version!\n」);

#endif

使用defined的一個原因是，它允許由#elif語句確定的宏名字存在。

8. #line

#line指令改變__LINE__和__FILE__的內容。__LINE__和__FILE__都是編譯程序中預定義的標識符。標識符__LINE__的內容是當前被編譯代碼行的行號，__FILE__的內容是當前被編譯源文件的文件名。#line的一般形式是：

#line number 「filename」

其中，number是正整數並變成__LINE__的新值；可選的「filename」是合法文件標識符並變成__FILE__的新值。#line主要用於調試和特殊應用。

9. #pragma

#pragma是編譯程序實現時定義的指令，它允許由此向編譯程序傳入各種指令。例如，一個編譯程序可能具有支持跟蹤程序執行的選項，此時可以用#pragma語句選擇該功能。編譯程序忽略其不支持的#pragma選項。#pragma提高C源程序對編譯程序的可移植性。

10. 預處理操作符#和##

有兩個預處理操作符：#和##，它們可以在#define中使用。

操作符#通常稱為字元串化的操作符，它把其後的串變成用雙引號包圍的串。例如：

#include #define mkstr(s) #s

int main(void)

{
Printf(mkstr(I like C));

Return 0;

}

預處理程序把以下的語句：

Printf(mkstr(I like C));

變成

Printf(「I like C」);

操作符##把兩個標記拼在一起，形成一個新標記。例如：

#include #define concat(a,a) a##b

int main(void)

{
Int xy = 10;

Printf(「%d」,concat(x,y));

Return 0;

}

預處理程序把以下語句：

Printf(「%d」,concat(x,y));

變成

Printf(「%d」,xy);

操作符#和##主要作用是允許預處理程序對付某些特殊情況，多數程序中並不需要。

11. 預定義宏

C規范了5個固有的預定義宏，它們是：

__LINE__

__FILE__

__DATE__

__TIME__

__STDC__

__LINE__和__FILE__包含正在編譯的程序的行號和文件名。

__DATE__和內容形如month/day/year(月/日/年)的串，代表源文件翻譯成目標碼的日期。

__TIME__中的串代表源代碼編譯成目標碼的時間，形如hour:minute:second(時：分：秒)

如果__STDC__的內容是十進制常數1，則表示編譯程序的實現符合標准C。

㈧ 機器學習的訓練數據集是什麼格式的

機器學習的訓練數據集是VBP格式的。
›VisualBasic工程由窗體、程序代碼模塊、ActiveX控制項和應用程序要求的環境設置組成。在設計應用程序過程中，VisualBasic保留一個擴展名為VBP的工程文件。工程文件列出了應用程序所需要的所有文件，包括窗體和程序代碼模塊等。另外，工程文件還列出了所有用到的程序構造塊，如ActiveX控制項。工程本身並不控制這些文件和程序構造塊，因此用戶可以在幾個工程中使用同一個文件。
›當用戶打開一個工程時，就會載入工程文件中所列出的文件。除了工程文件之外，工程還包括窗體文件、ActiveX控制項、VisualBasic類模塊、資源文件、用戶控制項、用戶文檔、ActiveX設計器。›
組織工程時，最好為每個工程都創建一個獨立的目錄。›
在完成應用程序之後，如果想要發布它，就必須首先把它編譯為一個可執行文件。編譯應用程序就是要創建一個可執行文件，其中包括特定工程的窗體和程序代碼模塊。
希望我能幫助你解疑釋惑。

㈨ Python 相比 Java的優勢是什麼缺點又是什麼

優點：簡單易學；缺點：速度比較慢。

㈩ mac下用什麼環境編譯opencv

. 安裝

在OpenCV官網下載的安裝包適用於Linux/Mac，因此需要使用CMake工具來進行編譯安裝，嘗試了幾次，都在最後的鏈接那裡失敗了，在StackOverFlow查了下才發現，目前opencv只支持使用xcode6版本的編譯鏈接器，我使用的是xcode7的，為了避免不必要地麻煩，就不採取編譯安裝方式了，去homebrew搜索一下，可以下載
現在執行"brew install opencv"，等待即可安裝完成，安裝後路徑是：/usr/local/opt/opencv3，我們可以設置一個OPENCV3_HOME環境變數，方便以後快速打開這個文件夾。該文件夾下有opencv的核心和擴展模塊
在lib目錄下是opencv的庫，在include目錄下包含了兩個子目錄：opencv和opencv2，opencv裡麵包含了opencv1.x的核心頭文件，opencv2安裝模塊功能組織，包括核心模塊、圖像處理模塊、2D功能模塊、高層GUI圖像用戶界面模塊、機器學習模塊等。
2. 環境配置

開發平台IDE的環境大同小異，基本都是選擇編程語言後就確定了編譯器，然後是頭文件路徑的設定和庫文件路徑的設定讓編譯器能找到就行，然後就可以進行編譯鏈接成最終的可執行文件了，按照這個思想，就不難處理問題了。