PVM 的安装和配置教程

1. 项目的基础介绍和主要的编程语言

PVM（Predictive Vision Model）是一个开源项目，旨在通过连续视频的无需监督学习，在一个可扩展的预测循环网络中实现视觉预测。该项目是Piekniewski等人于2016年的论文《Unsupervised Learning from Continuous Video in a Scalable Predictive Recurrent Network》的代码实现。PVM能够利用多核处理器进行并行计算，通过共享内存中的全局屏障同步大量的Python对象。主要编程语言为Python，同时使用了Cython和C++进行性能优化。

2. 项目使用的关键技术和框架

PVM项目使用了以下关键技术和框架：

• 预测循环网络（Predictive Recurrent Network）：用于处理视频数据，预测下一个视频帧。
• 多线程和多进程：利用Python的multiprocessing库和Cython的多线程支持，实现多核并行计算。
• OpenCV：用于视频处理和图像分析。
• NumPy：用于高性能的数学计算。
• Cython：将Python代码转换为C代码，提高运行效率。

3. 项目安装和配置的准备工作和详细的安装步骤

准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Ubuntu 16.04（也可以在15.10、15.04和14.04上运行，但以16.04为测试版本）。
• Python版本：Python 2.7（项目可能不兼容Python 3.x版本）。
• 硬件：尽可能多的计算核心。

安装步骤

1. 克隆项目

   打开终端，使用以下命令克隆项目：

   git clone [e-mail]:braincorp/PVM.git
   cd PVM
   

2. 安装依赖

   运行以下脚本安装必要的系统依赖：

   sudo ./install_ubuntu_dependencies.sh
   

   这个脚本会安装OpenCV、NumPy、gcc、Cython等必要的包。这个过程可能需要一些时间，具体取决于您的网络连接速度。

3. 编译和初始化

   在所有依赖安装完成后，运行以下命令编译Cython/Boost绑定并初始化GitHub模块：

   source install_local.sh
   

   确保在执行过程中没有出现错误。此脚本还将更新PYTHONPATH变量，以便您可以从当前终端窗口运行内容。请注意，如果打开另一个窗口，您将需要重新设置PYTHONPATH。

4. 下载数据（可选）

   如果您想运行一些演示或模型，可能需要数据。请运行以下脚本来下载和解压数据：

   ./download_data.sh
   

   根据提示回答'yes'。请注意，这些文件的大小在1.5GB到3.5GB之间，总共需要7GB的存储空间。

5. 运行演示（可选）

   进入PVM_models目录，运行以下任一演示：

   python demo00_run.py
   

   或者：

   python demo01_run.py
   

   根据需要，您可以尝试其他演示。

通过以上步骤，您应该能够成功安装和配置PVM项目，并开始探索其功能。