Ubuntu+深度学习框架搭建

PyTorch 是一个 Torch7 团队开源的 Python 优先的深度学习框架，提供两个高级功能： 强大的 GPU 加速 Tensor 计算（类似 numpy）

TonY TonY是一个框架，可在Apache Hadoop上本地运行深度学习作业。 它目前支持TensorFlow，PyTorch，MXNet和Horovod。 TonY可以作为Hadoop应用程序运行单节点或分布式培训TonY TonY是一个框架，可在Apache Hadoop上本地运行深度学习作业。 它目前支持TensorFlow，PyTorch，MXNet和Horovod。 TonY支持将单个节点或分布式培训作为Hadoop应用程序运行。 该本地连接器与其他TonY功能一起，旨在可靠，灵活地运行机器学习作业。 有关TonY的快速概述以及与其他框架的比较，请参阅此演示文稿。 兼容性说明建议在以下情况下运行TonY：

包含视频、文档等，大约700M

使用深度学习框架的红外和可见图像融合 ，吴晓军*，约瑟夫·基特勒国际模式识别大会2018 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见图像融合[C] //模式识别（ICPR），2018年第24届国际会议。 IEEE，2018：2705-2710。 要求 您将需要以下工具来运行此代码： 如果您对此代码有任何疑问，请随时与我联系（ ， ） 融合方法 融合详细内容 多层融合策略 质量指标-Nabf Nabf-'BK Shreyamsha Kumar。 使用离散余弦谐波小波变换基于像素重要性的多焦点和多光谱图像融合。 信号，图像和视频处理，2012年。” 火炬版 仅供参考 https://github.com/GrimReaperSam/imagefusion_pytorch 引文 Li H，Wu XJ，Kittler J.使用深度学习框架的红外和可见

本课程是在windows环境下的caffe课程，主要使用的是python的接口。 首先带着大家完成一个MNIST手写数字识别的项目，让大家了解caffe训练模型的大致流程。然后会讲到caffe中的一些重要文件和配置，使用python绘图。后的部分会使用GoogleNet实现图像识别。

ARL 框架的名字来源于 PAddlepaddle Reinfocement Learning，是一款基于百度 PaddlePaddle 打造的深度强化学习框架。PARL 与现有强化学习工具和平台相比，具有更高的可扩展性、可复现性和可复用性，支持大规模并行和稀疏特征，能够快速 对工业级应用案例的验证。 这个在 github 上是开源的，但是鉴于有些朋友工具受限下载很慢，所以特地搬运过来！

X2Paddle is a toolkit for converting trained model to PaddlePaddle from other deep learning frameworks. 支持主流深度学习框架模型转换至PaddlePaddle（飞桨）

在MATLAB内导入和导出ONNX:trade_mark:（开放神经网络交换）模型，以与其他深度学习框架互操作。 ONNX使模型可以在一个框架中进行训练，然后转移到另一个框架中进行推理。 从操作系统或在MATLAB中打开onnxconverter.mlpkginstall文件将启动您所拥有版本的安装过程。 该mlpkginstall文件可用于R2018a及更高版本。 用法示例： %%导出为ONNX模型格式净=挤压％导出的预训练模型filename ='squeezenet.onnx'; exportONNXNetwork（net，文件名）; %%导入导出的网络net2 = importONNXNetwork（'squeezenet.onnx'，'OutputLayerType'，'classification'）; ％在随机输入图像上比较两个网络的预测img = rand（net.Layers（1）.I

深度学习模型转换器：针对不同深度学习框架软件的深度学习模型的转换器转换