Slim GAIN（SGAIN）的pytorch代码实现，可参考文章：https://blog.csdn.net/didi_ya/article/details/125459154

盗梦空间-v3-cifar10 基于 。 安装 拉Docker镜像 $ docker pull tensorflow/tensorflow:1.7.0-py3 $ docker run -it --name {docker-name} tensorflow/tensorflow:1.7.0-py3 /bin/bash 拉GitHub存储库 ~# apt-get update ~# apt-get install git ~# git clone https://github.com/PJunhyuk/inception-v3-cifar10 下载数据集 ~/inception-v3-cifar10# python download_and_convert_data.py --dataset_name=cifar10 --dataset_dir="/tmp/data/cifar10" 用法

通过slim工具，对VGG16进行微调训练数据，并得出模型，然后对新图片进行识别，整个过程。运行环境：tensorflow 1.9.0, python 3.6。源码不包含图片素材，但是包含生成好的tf格式，inception_v3文件，以及导出后的frozen_graph.pb文件。可在此基础上进行训练，也可直接用于识别图像操作。

使用 stlread 加载矩阵时使用 Patchslim 以减小顶点矩阵大小。 表面网格通常会列出重复的顶点。 此函数解析点列表并在 'v'（顶点）矩阵中查找所有具有重复条目的顶点。 这些点被移除并相应地设置“f”（面）矩阵索引。 这通常会减少补丁矩阵的大小。 这个程序在非常大的网格上运行可能需要很长时间。 在http://www.mathworks.com/matlabcentral/fileexchange/29906-binary-stl-file-reader将它们加载到 'stlread.m' 后，我使用它来缩小表面网格尺寸。 用法：[v, f]=patchslim(v, f) 有关更多信息，请参阅： http://www.esmonde-white.com/home/diversions/matlab-program-for-loading-stl-files

有时候，我们开发一个小工具，不得不依赖一些第三方库，而且只用到第三库很小一部分功能，但我们导出的可执行JAR就胖了好多。 为了追求极致，在空闲时间开发了这个小工具，可以用来精简依赖的第三方包体积，从而使我们的JAR变瘦。 使用步骤 1）选择需要精简的JAR文件，支持拖拽。 2）填写需要精简的包前缀，指明哪些第三方包需要精简。 3）点击简化按钮，会运行可执行JAR，操作所有功能，完成数据收集。 4）自动化精简。 5）点击运行按钮，操作所有功能，验证软件是否能正常工作。 6）精简完成。

inception_v3_2016_08_28_frozen.pb压缩包+imagenet_slim_labels

phpSlimRulesGUI 一个简单的 PHP GUI 和 REST API 构建在 SLIM PHP 框架、Composer 和 HOA 项目规则库之上。 这不是发布。 会有变化。 HOA Rules 和 Slim 的巨大荣誉。 对于您的用户来说，这只是又一步。 加载依赖项，然后运行 ​​composer.phar 更新。 最后，卷曲安装步骤。 屏幕截图 在端口 3000 上启动 Web 服务。 在端口 4000 上启动 Web 服务器。在生产中，您可能会使用 Apache 或反向代理。 顶级页面。 规则集。 为您的规则创建规则集是个好主意，但这不是必需的。 菜单栏。 创建新规则。 只有规则是必需的，但所有字段都是推荐的。 Active 应该是 1 或 0，1 代表真。 测试用例在测试下管理。 单击规则旁边的测试按钮进行测试。 测试结果。 您还可以测试整个结

# Slimstarter php slim 框架的简单启动器（可在此处获得演示： : ）。 ## 依赖项通过 composer 安装依赖项 composer install Ubuntu/unix： : Windows： : ＃＃ 组织 路由器+控制器在index.php中，可以解耦，更好的组织。 模型在模型文件夹中，你必须在 index.php 中要求它们。 视图是 un views 文件夹，每个问题都有文件夹。 每个控制器都需要视图模板，您可以使用像 twig 这样的模板系统。 ＃＃ 布局 使用 slim-layout-view 进行布局（重用页眉和页脚）。 ##命名路由 在每个路由块之后，都有一个方法“名称”。 您可以使用 urlFor 调用这些路由（我使用钩子将 $app 变量传递给视图）。

基于周期图法，music，IAA，等方法的线谱估计，有利于初学者对线谱估计的学习

python3.8.11的官方基础镜像，什么都没装的，很小114M.