jetson的mxnet离线安装包,支持arm,1.6,cu102版本；python2及python3

20170304_mxnet_x64_vc14_gpu

win x64 下编译的mxnet c++库，cuda8.0 环境，无cudnn。

emd的matlab代码详解使用 Apache MXNet 的循环神经网络 在我们之前的笔记本中，我们使用了一种称为卷积神经网络 (CNN) 的深度学习技术来对 和 进行分类。 尽管 CNN 是一种强大的技术，但它无法从音频和文本等输入序列中学习时间特征。 此外，CNN 旨在学习具有固定长度卷积核的空间特征。 这些类型的神经网络称为前馈神经网络。 另一方面，循环神经网络（RNN）是一种可以学习时间特征的神经网络，比前馈神经网络具有更广泛的应用。 在本笔记本中，我们将开发一个循环神经网络，用于预测给定前一个单词或字符的单词或字符的概率。 几乎我们所有人的智能手机上都有一个预测键盘，它可以为超快速打字提示即将出现的单词。 循环神经网络使我们能够构建类似于 SwiftKey 的最先进的预测系统。 我们将首先介绍前馈神经网络的局限性。 接下来，我们将使用前馈神经网络实现一个基本的 RNN，它可以很好地了解 RNN 的工作原理。 之后，我们将使用 MxNet 的 gluon API 设计一个具有 LSTM 和 GRU 层的强大 RNN。 我们将使用这个 RNN 来生成文本。 我们还将讨论以下主题

2. 安装依赖 sudo apt-get update sudo apt-get install -y build-essential git ninja-build ccache libopenblas-dev libopencv-dev cmake 3. 进入mxnet目录，用cmake配置编译环境并编译 cd mxnet cp config/linux.cmake config.cmake mkdir build; cd build cmake .. cmake --build . 4. 安装mxnet python语言绑定 python3 -m pip install --use

CIFAR10_mxnet 抽象的 kaggle CIFAR10补偿代码，由mxnet gluon实现。 我们通过合并一些想法获得了0.9688 Directroy和文件描述符 文件 描述符 日志 一些火车日志文件 楷模 一些trianed模型参数（权重） 结果 kaggle测试集上的转发结果文件 提交 最终kaggle提交结果 CIFAR10_train 主要火车和进出口代码 阴谋 列车acc和有效acc的可视化与历时的损失。 utils / netlib.py ResNet18，ResNet164_v2，densenet，焦点损失由gluon实现代码，由CIFAR10_train调用 utils / utils.py 一些工具功能 模型，重用，日志可从以下链接获取： ://pan.baidu.com/s/1pLjzQWj密钥：f6p3 方法说明 主要思想来自mxnet主题，

这是（深度学习框架MXnet）mxnet-the-straight-dope-master的一些资料。关于如何安装mxnet模块，这个我在博客中记录过，欢迎大家交流学习。

CAM_gluon

MXNet 深度学习，人脸识别预训练模型：(1) arcface_r100_v1 ：model-0000.params ,model-symbol.json (2) retinaface-R50: R50-0000.params, R50-symbol.json

•工作背景：•2011~2012：腾讯云平台•2017～至今：图森•技能领域：•10+年分布式计算研发，将分布式计算应用于高性能计算、云计算、大数据和车载系统等