使用深度学习（Tensorflow，Tensorflow lite，TensorRT和OpenVINO）在CPU，GPU，VPU和FPGA上实现世界上最快的ANPR / ALPR实现。 多操作系统（NVIDIA Jetson，Android，Raspberry Pi，Linux，Windows）和多Arch（ARM，x86）。 入门Android示例应用程序Benchmark（Java）VideoParallel（Java）VideoSequential（Java）ImageSnap（Java）尝试示例使用Java API将SDK添加到项目中Raspberry Pi（Raspbian OS），Linux，NVIDIA Jetson，Windows等应用程序基准（C ++）识别器（C ++，C＃，Java和Python）使用C ++ API获取帮助，网址为https://www.doubango.org/webapps/alpr/的在线Web演示，网址为https：//www.SDK .doubango.or

由于数字化射线照片的生成过程具有良好的并行性，本文提出了一种基于计算机统一设备架构的数字化射线照片的实时生成算法。 首先，读取体数据和其他输入参数并将其加载到GPU中； 其次，根据X射线与线的对应关系，设计了可用于模拟X射线在人体中衰变过程的核过程。 最后，内核函数由多线程并行执行以完成DRR图像生成。 实验结果表明，该算法在保证DRR质量的前提下，有效利用了GPU的并行计算能力，显着提高了DRR的生成速度，满足了图像引导下数字重建射线照相的实时性要求。放疗。

旨在介绍数字图像处理的入门级并行算法，引导编程爱好者们在GPU或者APU上实现图像处理算法的并行程序，主要内容包括实现并行算法的主要步骤和性能的调整及优化，并以图像滤波和插值做为典型例子。

https://blog.csdn.net/sinat_36899414/article/details/111389515 极速配置tensorflow-gpu,keras sklearn 配置步骤参考上面那篇文章

PyTorch是一个Python软件包，提供了两个高级功能：具有强大GPU加速功能的Tensor计算（如NumPy）在基于磁带的autograd系统上构建的深层神经网络您可以重用自己喜欢的Python软件包。级功能：具有强大GPU加速功能的Tensor计算（如NumPy）基于基于磁带的自动毕业系统上构建的深度神经网络您可以在需要时重用自己喜欢的Python软件包（如NumPy，SciPy和Cython）来扩展PyTorch。 有关来自Docker镜像的PyTorch安装二进制文件的更多信息构建文档先前版本入门通讯版本和对Team System的贡献3.6 3.7 3.8

Caffe 在 win10 环境下编译GPU、CPU版本的配置详细操作说明，长期使用CAFFE总结的安装方法及相关问题积累。

TensorFlow Lite 示例 Image segmentation 要用的模型文件，专门下的，从Android studio里下不下来

由于caffe安装环境非常麻烦，所以提供事先编译好的动态链接库。下载后直接解压到python的site-packages就好

GPU云服务器特性详细设计-直通型

用于NVIDIA Jetson的tensorflow，亲测可用。使用先解压，然后 pip install tensorflow_gpu-1.14.0+nv19.7-cp36-cp36m-linux_aarch64.whl