一个封装良好的网络封装库，可以应对高并发

rudp 高性能，可靠性传输UDP网络库（远胜TCP）

TyXe：面向Pytorch用户的基于Pyro的BNN TyXe旨在通过利用的模型定义和推理功能来简化将神经网络转变为贝叶斯神经网络的过程。 我们的核心设计原则是将神经体系结构的构造，先验，推理分布和可能性完全分开，从而实现灵活的工作流，其中每个组件都可以独立交换。 在TyXe中定义BNN只需5行代码： net = nn.Sequential(nn.Linear(1, 50), nn.Tanh(), nn.Linear(50, 1)) prior = tyxe.priors.IIDPrior(dist.Normal(0, 1)) likelihood = tyxe.observation_models.HomoskedasticGaussian(scale=0.1) inference = pyro.infer.autoguides.AutoDiagonalNormal bnn = t

VTCP是虚拟TCP协议缩写，它实现了UDP可靠传输，UDP本来是一种不可靠的网络协议，但在有些情况下UDP协议可能会变得非常有用。因为UDP具有TCP所望尘莫及的速度优势。虽然TCP协议中植入了各种安全保障功能，但是在实际执行的过程中会占用大量的系统开销，无疑使速度受到严重的影响。反观UDP由于排除了信息可靠传递机制，将安全和排序等功能移交给上层应用来完成，极大降低了执行时间，使速度得到了保证。因此我们设计出了一种新的可靠UDP协议(VTCP)，自动实现UDP数据传输的可靠性。

专门讲muduo网络库使用方法

luasocket lua第三方网络库

sock.lua：用于LÖVE游戏的Lua网络库

luaevent lua网络并发库，大并发高效的网络库，方便做大并发开发

这是一组 Matlab 函数和一个 Simulink 库，可用于模拟循环（用于热传递的流体）网络，其中热交换器用于区域（房间）的加热。 它假设区域中各个分支的连接是平行的。 每个区域都有自己独立的控制器，负责保持区域内给定的温度。 但是所有区域都有一个共同的压力源，因此它们通过水力相互作用相互影响。 这套文件是论文的补充材料： I. 赫尔曼，Š。 Knotek, J. Dostál, V. Prajzner：具有独立区域控制器的水力网络的稳定性，已提交任何对论文感兴趣的人都可以下载这些文件并测试论文中呈现的结果的有效性。

NVIDIA CUDA深度神经网络库 (cuDNN) 是经GPU加速的深度神经网络基元库。cuDNN可大幅优化标准例程（例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层）的实施。 世界各地的深度学习研究人员和框架开发者都依赖cuDNN实现高性能GPU加速。借助 cuDNN，研究人员和开发者可以专注于训练神经网络及开发软件应用，而不必花时间进行低层级的GPU性能调整。cuDNN可加速广泛应用的深度学习框架，包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。