BeDDE和exBeDDE用于除雾评估 溴二苯醚 参考图片 光 光 中等的 重的 BeDDE（读取为/ ˈbedi /）是用于评估除雾方法的真实基准数据集。 它由208对模糊图像和清晰的参考图像组成。 对于每一对，都提供了一个手动标记的蒙版，以描绘内容相同的区域。 我们评估这些区域的除雾结果。 扩展名 exBeDDE是BeDDE的扩展，旨在测量除雾评估指标的性能。 它包含167张朦胧图像和1670张经过消雾的图像，并带有被人标记的平均意见分数。 它的模糊图像来自BeDDE，并且经过10种除雾方法生成了除雾图像。 可见度指数（VI）和真实度指数（RI） 我们发现，从两个独立的方面（即可见性和真实性）评估去雾化的重用更为合理，并相应地提出了两个标准，即可见性指数（VI）和真实性指数（RI）。 可以在标题为“除雾评估：实际基准数据集，新标准和基准”的（或）中找到更多详细信息。 （在跨图像处理

DisableTurboBoost.kext, 在 Mac OS X 上用于可以靠的openmp/cl基准测试，禁用，技术 用于 Mac OS X的 Turbo Boost Disabler这个内核扩展 DisableTurboBoost.kext 允许你禁用在最新的英特尔核心处理器上运行的Boost技术 present 。抽象在某些情况下，高速涡轮增压技

Python_Portfolio__VaR_Tool 基于Python的风险管理工具，可从Yahoo Finance中获取数据，并计算基于单个股票和投资组合的不同类型的风险价值（VaR）指标以及许多其他风险/回报特征，包括独立的和相对于选择基准（使用wxPython构造） 此wxPython Notebook笔记本应用/小部件允许通过Pandas Datareader从Yahoo Finance检索股票/指数数据，这些数据又与初始投资组合权重和选择的基准相结合，以计算以下风险/回报指标： 历史回报（年度和每日-分别基于股票，基准和投资组合） 收益率的历史标准差（年度和每日-分别基于股票，基准和投资组合） 年夏普比率（分别基于股票，基准和投资组合） Beta（分别基于股票，基准和投资组合） 事后跟踪错误与选择的基准 基于单个股票和投资组合的每日收益直方图 基于单个股票和投资组合建

csp基准 这是对进行基准测试的。 Cellsnp-lite在C中实现，并执行每个细胞的基因分型，同时支持给定SNP的（模式1）和不（模式2）。 在后一种情况下，将自动检测杂合SNP。 Cellsnp-lite适用于基于液滴的（例如10x Genomics数据）和基于Kong的平台（例如SMART-seq2数据）。 有关这四个选项的摘要以及每种模式下的示例替代方法，请参见表1。 表格1 模式 单核苷酸多态性 Bam文件 平台 选择 模式1a 给定 汇集一 水滴 VarTrix 模式1b 给定 每个单元格 智能序列 BCFtools mpileup 模式2a 检测 汇集一 水滴 不适用 模式2b 检测 每个单元格 智能序列 Freebayes 如何使用 此仓库包含dir 六个，每个用于特定的基准测试任务。 提供了包装器脚本 ，使运行单个任务更加容易。 要使用存储库，请先将其

Matlab代码sqrt 纳夫特长凳 生成比较各种NUFFT（非均匀快速傅立叶变换）代码性能的图形和表格。 用MATLAB / octave编写。 亚历克斯·巴奈特（Alex Barnett）和杰里米·马格兰（Jeremy Magland）； Joakim Anden的贡献。 一月至五月2018。 依存关系 测试于：MATLAB R2016b 一些代码要求：以及vline的vline。 安装各种NUFFT软件包 以下是设置NUFFT代码以使nufft-bench工作的方法。 中的每一个下面的软件包目录应放置的父目录内nufft-bench ，即同级nufft-bench 。 如果要更改此位置，请编辑setuppaths.m 。 首先将编译器设置为GCC 7.3.0（除了我们似乎必须使用GCC 6.4.0的NFFT之外，请参见下文）。 安装NFFT 从此处下载当前源： 解压缩到目录nfft-3.3.2 ，应将其放置在nufft-bench旁边，如上所述。 cd到nfft-3.3.2并运行 > ./configure --with-matlab-arch=glnxa64 --with-ma

tpcds 在Spark上运行TPC-DS基准测试的脚本

测试 这个小程序旨在对 FTDI FT232H IC 在异步/同步 245 模式下的读取速度进行基准测试。 主要是想将 FT232H 用作廉价的逻辑分析仪。 请参阅了解这个小程序背后的原理以及一些二进制文件。 有关更多详细信息，请参阅此 repo 中的 。

人工智能产业联盟-基于端侧推断任务的深度神经网络处理器基准测试首轮评估结果发布-2019.3-22页.pdf

GPU-Benchmarking-OpenCL 版权所有 (c) 2014，龙 (Ryan) 南宫。 保留所有权利。 邮箱： 创建时间：2014 年 7 月 15 日 注意：在运行此基准测试程序之前，您可能需要下载并安装 OpenCL 平台。 请从下载 Nvidia OpenCL 平台或来自英特尔 OpenCL 平台基于您的图形卡的供应商。 运行内存基准测试 {host->device/device->host/device->device} 使用 1 字节消息进行测试 gpu_start -m1b 用 1kbyte 消息测试 gpu_start -m1kb 使用 1Mbyte 消息进行测试 gpu_start -m1mb 运行 GPU 速度基准测试浮点运算测试 gpu_start -sf 整数运算测试 gpu_start -si

一款简单的U盘测试工具