深度模型一些新的运行框架或者辅助库工具等

主要记录一些新的深度学习有关的框架工具等，以作个人备份：

(1) Android手机上的GPU加速DCNN(运行)库CNNdroid

文章《CNNdroid: GPU-Accelerated Execution of Trained Deep Convolutional Neural Networks on Android》

github链接： https://github.com/ENCP/CNNdroid

——————————————————————————————————————————

(2) 基于JavaScript的网页端模型训练及部署

文章《DEVELOPMENT OF JAVASCRIPT-BASED DEEP LEARNING PLATFORM AND APPLICATION TO DISTRIBUTED TRAINING》

github链接：https://github.com/mil-tokyo/sukiyaki2

——————————————————————————————————————————

(3) 使用python脚本为caffe配置大型网络

caffe下面要想配置个ResNet或者GoogLeNet等，简直要累死人。

github链接：https://github.com/soeaver/caffe-model

——————————————————————————————————————————

(4) TensorFlow 官方文档中文版

github链接： https://github.com/cmxnono/tensorflow-zh

——————————————————————————————————————————

(5) 基于python的图像打label工具

github链接：https://github.com/tzutalin/labelImg://github.com/zhaofan0622/labelImg

——————————————————————————————————————————

(6) MatConvNet：matlab下的深度卷积神经网络工具箱

项目主页： http://www.vlfeat.org/matconvnet/

github链接： https://github.com/vlfeat/matconvnet://github.com/zhaofan0622/matconvnet

——————————————————————————————————————————

(7) DarkNet : 使用C和CUDA编写的轻型神经网络框架

速度快，安装简单，支持CPU和GPU。

项目主页： http://pjreddie.com/darknet/

github链接：https://github.com/pjreddie/darknet

——————————————————————————————————————————

(8) NNPACK : 专为深度学习设计的高性能计算库

NNPACK是一个高效的加速库，主要用于加速卷积、全连接、pooling等常见操作，性能比MKL还要快2倍。（ps.在Intel CPU上几乎没见过比MKL快的运算库）。

github链接： https://github.com/Maratyszcza/NNPACK

使用NNPACK的caffe： https://github.com/Maratyszcza/caffe-nnpack

性能测试页面： https://maratyszcza.github.io/NNPACK/nnpack.html

——————————————————————————————————————————

(9) 常见的在ImageNet上预训练的caffemodel

目前提供了AlexNet、VGG、ResNet10、ResNet50这4个带BN的caffemodel，包含train、test、log等内容。后续可能会更新其它的模型。

项目主页：http://www.inf-cv.uni-jena.de/Research/CNN+Models.html

github主页：https://github.com/cvjena/cnn-models/tree/master/VGG19_cvgj

——————————————————————————————————————————

(10) 深度卷积神经网络量化仿真工具箱

文章链接：《TensorQuant - A Simulation Toolbox for Deep Neural Network Quantization》

github主页：https://github.com/cc-hpc-itwm/TensorQuant

——————————————————————————————————————————

(11)常见CNN模型在不同硬件设备下的速度对比

github主页：https://github.com/jcjohnson/cnn-benchmarks

——————————————————————————————————————————

(12)不同深度学习框架下模型互转工具

github主页：https://github.com/ysh329/deep-learning-model-convertor

——————————————————————————————————————————

(13)轻量级神经网络框架：tiny DNN 和 mini caffe

tiny DNN github主页：https://github.com/tiny-dnn/tiny-dnn

mini caffe github主页：https://github.com/luoyetx/mini-caffe

——————————————————————————————————————————

(14)常用的图像扩增方法合集

github主页：https://github.com/aleju/imgaug

——————————————————————————————————————————

(15)NCNN 手机端极致优化的高性能神经网络前向计算框架

github主页：https://github.com/Tencent/ncnn

——————————————————————————————————————————

(16)常见的一些神经网络设计方法的效果对比

比如：不同激活函数、不同pooling方法、不同dropout设置、BN放置位置等对模型性能的影响。

github主页：https://github.com/ducha-aiki/caffenet-benchmark