基于FPGA大牛Jeff Johnson写了一个FPGA挂载NVME SSD的教程http://www.fpgadeveloper.com/2016/04/zynq-pci-express-root-complex-design-in-vivado.html，关于在petalinux上运行fpga并与ssd连接整理的详细文档

ssds.pytorch 适用于pytorch，python3的Single Shot MultiBox Detector及其变体的存储库。 此存储库易于设置，并具有大量可视化方法。 我们希望此回购协议可以帮助人们更好地理解类似ssd的模型，并帮助人们轻松地训练和部署ssds模型。 当前，它包含以下功能： 多种SSD变体：ssd，fpn，bifpn，yolo等 多基础网络：resnet，regnet，mobilenet等。 可视化类似于ssd的模型的功能，以帮助用户了解模型的设计和性能。 快速培训和推论：利用Nvidia Apex和Dali进行快速培训，并支持用户将模型转换为ONNX或TensorRT进行部署。 此回购取决于 ， 和。 感谢他们的工作。 注意当前版本的预训练模型尚未完成，请检查以获取丰富的预训练模型。 目录 安装 要求 python> = 3.7 CUDA>

目标检测 ssd 源码，初学目标检测的同学非常有用。SSD全称“Single Shot MultiBox Detector“：将图像切分为N个区域，对每个区域进行单目标检测，并汇总所有的单目标检测结果。

MobileNetV3-SSD MobileNetV3-SSD implementation in PyTorch 关于第二个版本请移步 有测试结果 希望尝试新技术请到这里 一个轻量级的目标检测包括多种模型 目的 Object Detection 应用于目标检测 环境 操作系统: Ubuntu18.04 Python: 3.6 PyTorch: 1.1.0 使用MobileNetV3-SSD实现目标检测 Support Export ONNX 代码参考（严重参考以下代码） 一 SSD部分 二 MobileNetV3 部分 4 MobileNetV1, MobileNetV2, VGG based SSD/SSD-lite implementation in Pytorch 1.0 / Pytorch 0.4. Out-of-box support for retraining on O

基于CPU的caffe的环境配置过程，本文档亲测无误，可供参考

视频流的实时对象跟踪和检测 先决条件： OpenCV3.4 盗用者 在此处下载权重并将其放置在model_data /中 参数： $python3 src/main.py -h usage: main.py [-h] [--input INPUT] [--output OUTPUT] --model MODEL [--config CONFIG] [--classes CLASSES] [--thr THR] Object Detection and Tracking on Video Streams optional arguments: -h, --help show this help message and exit --input INPUT Path to input image or video fil

固态硬盘基准测试(AS SSD Benchmark)2.0.6821.41776汉化版

SSD（single shot multibox detector）翻译，含原论文

慧荣开卡工具 慧荣SM2258XT是SSD用得比较多的主控

JMF605主控DOS下的开卡工具，免开卡器，直接SATA接口开卡，需要一个U盘制作DOS启动盘。方法：运行JMISPInst，制作DOS启动盘，再重启电脑选择U盘启动，具体见软件包里的“操作说明书”