peach数据模糊变异测试

非常常见的 设置头像的功能..这次写到博客中,以后用的时候就方便了,直接拿来用就可以了,

正交匹配追踪算法啊，多原子匹配追踪通过每次迭代选取多个原子的形式，实现信号的快速稀疏分解。在此基础上，通过构造字典实现稀疏分解

让开发者在更短的代码中实现动画效果 本库功能针对界面,动画,下载,上传实现封装,后续更会增加多线程传输,影音解码,字幕外挂,字幕调节等等 本库先进入测试阶段,更多详细内容请看完成的计划

面向科研和产品化的深度学习和强化学习库（TensorLayer开源中国官方镜像）

MegEngine 是一个快速、可拓展、易于使用且支持自动求导的深度学习框架，具备训练推理一体、超低硬件门槛和全平台高效推理 3 大核心优势，可帮助企业与开发者大幅节省产品从实验室原型到工业部署的流程，真正实现小时级的转化能力。作为旷视新一代 AI 生产力平台 Brain++的最核心组件，MegEngine 在 2020 年 3月正式向全球开发者开源。

AKG(Auto Kernel Generator)对深度神经网络中的算子进行优化，并提供特定模式下的算子自动融合功能。AKG与MindSpore的图算融合功能协同工作，可提升在不同硬件后端上运行网络的性能。AKG由三个基本的优化模块组成：规范化、自动调度和后端优化。规范化： 为了解决polyhedral表达能力的局限性（只能处理静态的线性程序），需要首先对计算公式IR进行规范化。规范化模块中的优化主要包括自动运算符inline、自动循环融合和公共子表达式优化等。自动调度： 自动调度模块基于polyhedral技术，主要包括自动向量化、自动切分、thread/block映射、依赖分析和数据搬移等。后端优化： 后端优化模块的优化主要包括TensorCore使能、双缓冲区、内存展开和同步指令插入等。

Ascend CANN Parser（简称parser）配合TF_Adapter、 ATC工具、IR构图等使用，开发者通过以上工具，借助parser能方便地将第三方框架的算法表示转换成Ascend IR，充分利用昇腾AI处理器卓越的运算能力。

Coursera吴恩达机器学习课程整理

TF Model building/training/evaluating for simple nlp task just by params configuration, training/evaluating monitor and params configure GUI with streamlit.