大家一起學AI

開啟檔案或是讀取資料庫時，時常需要於指定路徑下針對所有檔案進行操作，因此本篇記錄如何使用Python指令，可以在指定路徑下取得所有的檔案以及資料夾目錄名稱，如此一來即可得到該路徑下各檔案以及目錄之絕對路徑。

程式碼:

使用Visual Studio 2015版本搭配OpenCv2.4.X的版本時，會發生缺少msvcr120d.dll以及msvcp120d.dll的問題，可以看到OpenCV中只支援至VS2013(VC12)，不過若開發本為VS2015則可以選擇VC12並加入dll檔，即可成功解決下圖之錯誤，操作步驟如下所示。

此套件為Matlab在影像處理、偵測以及辨識中常用到之套件，其功能包含行人偵測、影像特徵提取計算以及傳統的影像處理等，可以進行對圖片或是視頻進行相當多的處理，以下介紹如何將此套件加入Matlab路徑中，並進行範例程式之測試。

1.下載pdollar toolbox:

最近在做人臉表情辨識(Facial Expression Recognition)，所以需要蒐集人臉表情資料去CNN神經網路中進行訓練以及測試，以下三個資料庫是我有實際用到的，包含:Fer2013 dataset 、Real-world Affective Faces (RAF) Database以及AffectNet Dataset，而基於臉部表情的標籤較為主觀，有時候會有難以判別表情的情況發生，有些資料庫會進行多標籤的標記，而文章最後也列出其他較為知名的人臉資料庫，如CK+以及JAFFE等。

1. Fer2013 dataset 

由於現在人工智慧相當的火紅，使得GPU的相關應用也變得非常的多，而且透過GPU平行處理的優勢，可以使得運算速率大幅提升，而官網上下載的OpenCV版本只有支援CPU，因此要將下載下來的OpenCV再透過CMake進行函示庫的製作，如此一來，即可順利使用GPU版本的OpenCV。

此處需先安裝NVIDIA的CUDA程式。

此篇記錄如何開啟一個新Visual Studio專案，並且將Caffe以函式庫的方式新增加入至新專案，如此一來，即可使用Caffe訓練完後之模型以及Caffe中的辨識程式來進行應用，此範例是將訓練好之人臉辨識模型以及Caffe辨識函式於新專案實現，以下有詳細的步驟說明。

開啟新的Visual Studio專案並加入Caffe函式庫。

為了讓Caffe和Tensorflow在windows中共存，所以CUDA要進行版本切換，因為Caffe需要使用CUDA 8.0，Tensorflow-gpu使用CUDA9.0，但安裝了CUDA 8.0和CUDA 9.0之後，Caffe在執行build時，Caffe的Cmakefile會自動偵測到CUDA9.0版本而無法運作，因為系統將CUDA 9.0設為主要GPU路徑，所以以下要將GPU主要偵測改回CUDA8.0。

先開啟命令提示字元(cmd)，並輸入 : nvcc --version，顯示當下的CUDA版本為9.0版。

要安裝Tensorflow需先建立Anaconda虛擬環境

1. Anaconda安裝 (請參考下列連結有詳細安裝步驟)

下圖為Anaconda的官網網站(https://www.anaconda.com/download/)

目前最新版為Python 3.6的版本，若要安裝Python 3.5，請選擇Anaconda 3 4.x的版本。