轻松实现Rust系统入门，实战编译器开发
download:链接：pan.baidu.com/s/190DmP3Tl… 提取码：wx3k --来自百度网盘超级会员V4的分享
准备工作
既然要装逼，准备工作是少不了的。所谓“站在伟人的肩膀上，做事事半功倍”，我们这里的“伟人”就是 paddlepaddle 了，中文称号叫“飞桨”，那么这个 paddlepaddle 是什么呢？
它是“源于产业理论的开源深度学习平台，努力于让深度学习技术的创新与应用更简单”，直白点就是我帮你完成了深度学习底层框架，你只需有创意就能够在我平台上运用少量简单代码轻松完成。它的官网是 www.paddlepaddle.org.cn/ 。
它的装置也比拟简单，官网首页就有装置指引，我们这里依据官网的装置指引，运用 pip 方式来装置 CPU 版本。
我们首先执行语句：
python -m pip install paddlepaddle -i mirror.baidu.com/pypi/simple
装置胜利后，我们在 python 环境中测试一下能否装置胜利（这个也是依照官网指引来做），我们切换到 python 环境，运转如下代码：
Python 3.7.0 (v3.7.0:1bf9cc5093, Jun 26 2018, 23:26:24) [Clang 6.0 (clang-600.0.57)] on darwinType "help", "copyright", "credits" or "license" for more information.>>> import paddle.fluid>>> paddle.fluid.install_check.run_check()Running Verify Paddle Program ... Your Paddle works well on SINGLE GPU or CPU.I0506 21:47:48.657404 2923565952 parallel_executor.cc:440] The Program will be executed on CPU using ParallelExecutor, 2 cards are used, so 2 programs are executed in parallel.W0506 21:47:48.658407 2923565952 fuse_all_reduce_op_pass.cc:74] Find all_reduce operators: 2. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 1.I0506 21:47:48.658516 2923565952 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1I0506 21:47:48.659137 2923565952 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = TrueI0506 21:47:48.659595 2923565952 parallel_executor.cc:375] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0Your Paddle works well on MUTIPLE GPU or CPU.Your Paddle is installed successfully! Let's start deep Learning with Paddle now>>>
看到 Your Paddle is installed successfully 就表示装置胜利了。
我们接下来需求运用的是这个平台的 paddlehub 工具，所以我们还需求装置 paddlehub ：
pip install -i mirror.baidu.com/pypi/simple paddlehub
装置完成后，我们就能够开端运用了。
代码完成
我们的完成步骤很简单：导入模块 -> 加载模型 -> 获取图片文件 -> 调用模块抠图。
下面我们看代码完成：
import os, paddlehub as hubhuseg = hub.Module(name='deeplabv3p_xception65_humanseg') # 加载模型path = './imgs/' # 文件目录files = [path + i for i in os.listdir(path)] # 获取文件列表results = huseg.segmentation(data={'image': files}) # 抠图
我将图片放在代码文件夹的同级目录 imgs 文件夹下，运转代码后，输出的抠图图片会自动放在代码同级目录的 humanseg_output 目录下，文件称号跟原图片的称号相同，但是文件格式是 png 。
