在VMWare上裝Mac（AMD CPU）最終沒搞定……
本文分享失敗經驗。
裝Mac，其實並不是為了好玩，而是想研究下如何進行iPhone開發，公司的電腦是Intel的，但配置太次，玩不起來，於是打算在家裝個虛擬機器搞搞，我的CPU是AMD的Phenom8450，下面截個圖，保證是支援虛擬化技術的，並且確認了在BIOS中已經開啟。
前幾星期，聽說朋友那裡已經搞好了一套，於是週末帶行動硬碟去他那裡拷貝了一份，回來執行，就出現CPU停止工作的問題，嘗試數遍都不行，於是打算自己新安裝一個，花了不少時間下了一個DMG檔案。還是沒搞定，卡在引導上面。
參考網上的一些說法，更換用於引導的ISO，無果，出現了不同的錯誤。
1，當使用預設的“darwin_snow.iso”或者“darwin300.iso”的時候，出現這樣的錯誤：
2，當使用號稱AMD CPU能用的“darwin_snow_legacy.iso”的時候，卡在這個畫面上，半天不動，只好放棄：
3，當使用“Rebel EFI.iso”的時候，出現了這樣的錯誤：
總之無法繼續了，我嘗試的細節就不一一在這裡貼出來了，網上有個哥們也是用AMD CPU的，一番折騰後，他的結論是“珍愛生命，遠離Mac”。
算了，暫時放棄，真要弄iPhone的話估計還是直接買一臺Macbook來得划算，折騰不起。
相關推薦
在VMWare上裝Mac（AMD CPU）最終沒搞定……
本文分享失敗經驗。裝Mac，其實並不是為了好玩，而是想研究下如何進行iPhone開發，公司的電腦是Intel的，但配置太次，玩不起來，於是打算在家裝個虛擬機器搞搞，我的CPU是AMD的Phenom8450，下面截個圖，保證是支援虛擬化技術的，並且確認了在BIOS中已經開啟。前幾星期，聽說朋友那裡已經搞
使用虛擬機器安裝Mac10.6.x （AMD CPU ）教程
買不起蘋果電腦,又想啃一口蘋果嚐嚐。。。 只要願意嘗試,可以試試在PC上裝個黑蘋果系統玩玩。。。 VMware 虛擬機器測試安裝成功,所以把過程發出來分享一下,有興趣的朋友可以試試。 我安裝的時候參考的教程為: 感謝各位大神。。。。。 需要用到的軟體都提供了下載地址，如果地址失效，自己百度 由於電腦是A
Python資料處理之（十 八）10分鐘搞定matplotlib
Matplotlib 簡介 1.1 為什麼用 Matplotlib 1.2 Matplotlib 安裝 基本使用 2.1 基本用法 2.2 figure 影象 2.3 設定座標軸1 2.4 設定座標軸2 2.5 Legend 圖例 2.6 Annota
項目案例分享-vmware私有雲（分享2）
serve 掩碼 san 版本 文件 3-9 img 數據庫 活動目錄域服務 本項目是中國電信翼支付在南京建立甜橙雲，主要和大家分享vmware vsphere6 +vsan的私有雲建設。 1.1. 建設目標 本次由800臺NF5885 M4主機服務
2018最新win10 安裝tensorflow1.4（GPU/CPU）+cuda8.0+cudnn8.0-v6 + keras 安裝CUDA莫名失敗 導入tensorflow失敗報錯問題解決
下載地址 find msd microsoft blank craft program 發現 占用 原文作者：aircraft 原文鏈接：https://www.cnblogs.com/DOMLX/p/9747019.html 基本開發環境搭建 1. M
安裝caffe遇到的各種bug 總結（Ubuntu16.04下配置caffe（僅CPU））
這是ｃａｆｆｅ安裝過程 中間遇到的問題下面總結： https://blog.csdn.net/zt_1995/article/details/56283249 下面這個連結是處理這個問題填寫下面語句 LIBRARIES += glog gflags protobuf boost_syst
2018最新win10 安裝tensorflow1.4（GPU/CPU）+cuda8.0+cudnn8.0-v6 + keras 安裝CUDA莫名失敗 匯入tensorflow失敗報錯問題解決
基本開發環境搭建 1. Microsoft Windows 版本 關於Windows的版本選擇，本人強烈建議對於部分高效能的新機器採用Windows 10作為基礎環境，部分老舊筆記本或低效能機器採用Windows 7即可，本文環境將以Windows 10作為開發環境進行描述。對於Windows 10
Ubuntu16.04 配置 caffe （僅CPU）
1. 安裝依賴項（如果一次不成功，可多安裝幾次） 1 sudo apt-get install libprotobuf-dev libleveldb-
你的計算機也可以看懂世界——十分鐘跑起卷積神經網路（Windows+CPU）
眾所周知，如果你想研究Deep Learning，那麼比較常用的配置是Linux+GPU，不過現在很多非計算機專業的同學有時也會想採用Deep Learning方法來完成一些工作，那麼Linux+GPU的環境就有可能會給他們帶來一定困擾，我寫這篇文章就是為了讓這些同學可以不用去裝Linux系統，不用去涉及GP
Mac（OS X）中Git安裝與GitHub基本使用
GitHub是一個面向開源及私有軟體專案的託管平臺、開原始碼庫以及版本控制系統，因為只支援 Git 作為唯一的版本庫格式進行託管，故名 GitHub。通常在Windows下使用GitHub的教程是非常多的，因此也無需在此多費脣舌。本文主要討論在Mac OS X系統上使用GitHub的方法。 一、安裝Git
Ubuntu14.04下配置測試Faster R-CNN+Caffe（Matlab+CPU）目標檢測
Faster R-CNN是當前目標檢測領域內效能最好的演算法之一，它將RPN（Region Proposal Network）網路和Fast R-CNN網路結合到了一起，實現了一個端到端的目標檢測框架。作者Shaoqing Ren在github上公開了原始碼，可
微軟caffe-SSD的訓練和預測（windows cpu）
下載ssd: cd caffe git checkout ssd-microsoft 修改CommonSettings.props 在caffe-master\src\caffe下新建3rdparty資料夾，裡面新增hungarian.cpp 在caffe-maste
Ubuntu 18.04 在虛擬環境pyenv下配置python的caffe庫（only CPU）
在進行配置時要先確保使用pyenv與virtualenv搭建單機多版本python多虛擬環境已經搭建好； 1. 首先安裝git工具： sudo add-apt-repository ppa:git-core/ppa sudo apt-get update
Windows與linux下caffe配置（僅CPU）
1）下載MNIST資料集，MNIST資料集包含四個檔案，如表1所示： 表1：MNIST資料集及其檔案解釋 下載完後解壓得到對應的四個檔案，這四個檔案不能直接用於caffe的訓練和測試。需要利用第4步生成的convert_mnis
Ubuntu16.04下配置caffe（僅CPU）
第二次配置caffe環境，依舊把之前犯過的錯誤重新走了一遍，不會配置的地方還是忘了，所以打算通過部落格記錄下來，方便以後學習使用。 1.安裝依賴包 $ sudo apt-get install libprotobuf-dev libleveldb-dev
Source Insight 中文註釋為亂碼解決辦法（完美解決，一鍵搞定）【轉】
ash save sys lan sim edit ext pan character 轉自：http://blog.csdn.net/bjarnecpp/article/details/70174752 版權聲明：本文為博主原創文章，未經博主允許不得轉載。 S
（轉載）一文搞定資料倉庫之拉鍊表，流水錶，全量表，增量表
轉載自：https://blog.csdn.net/mtj66/article/details/78019370 全量表：每天的所有的最新狀態的資料， 增量表：每天的新增資料，增量資料是上次匯出之後的新資料。 拉鍊表：維護歷史狀態，以及最新狀態資料的一種
機器學習之模型評估（還是沒搞定...）
任務介紹 1.任務：預測貸款使用者是否會逾期 2.status是標籤：0表示未逾期，1表示逾期 【任務四：模型評估】記錄五個模型關於precision，rescore，f1，auc，roc的評分表格，畫出auc和roc曲線圖。 模型 Precesion
（資料結構）十分鐘搞定時間複雜度（演算法的時間複雜度）【轉】
我們假設計算機執行一行基礎程式碼需要執行一次運算。 int aFunc(void) { printf("Hello, World!\n"); // 需要執行 1 次 return 0; // 需要執行 1 次 } 那麼上面這個
idea永久啟用（破解補丁無需使用註冊碼）--5步搞定
第一步：開啟網頁：http://idea.lanyus.com/ 第二步：開啟最新的下載補丁： 第三步：將破解補丁放在idea安裝目錄的bin資料夾下 第四步：開啟IntelliJ IDEA安裝目錄的bin目錄，修改兩個字尾名為.vmoptions的檔案 在兩個.v