图像算法所用软件下载汇总

明月醉窗台

已于 2023-09-24 10:38:41 修改

阅读量1.3k

点赞数 1

分类专栏：应用工具使用介绍文章标签：人工智能 visualstudio 计算机视觉模型部署

于 2022-04-04 20:10:38 首次发布

本文链接：https://blog.csdn.net/yohnyang/article/details/123958642

版权

应用工具使用介绍专栏收录该内容

19 篇文章 2 订阅

订阅专栏

0.Matlab

首先，送个福利：matlab在线使用网址：https://matlab.mathworks.com/
在这里插入图片描述
如果在外没有软件的话，用这个在线工具很方便

另外，如果要安装matlab，可以通过下边这个链接安装破解版：

链接：https://pan.baidu.com/s/1zhO8n8CupFOUIbxE7-Jthw
提取码：rwen

1.VS2017

VS2012-2022: https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/
在这里插入图片描述

2.Qt5.12.2

注：qt断网安装可以跳过注册

中国科学技术大学镜像：http://mirrors.ustc.edu.cn/qtproject/

清华大学：https://mirrors.tuna.tsinghua.edu.cn/qt/

在这里插入图片描述

点击QT VS Tool,选择Qt option，点击Versions,添加一个new Qt version,Path中找到5.14.2/msvc2017_64/bin/qmake.exe

3.Opencv+Contrib455

opencv可以直接官网下载，速度也挺快：
Opencv官网下载： https://opencv.org/releases/

下边是Opencv contrib4.5.5的下载链接：
链接：https://pan.baidu.com/s/1JdT8Ecye76xYuzFxzubDKw
提取码：dqp6

4.Pytorch

一个用于深度学习训练+推理的框架：https://pytorch.org/

5.CUDA下载：

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。

在 CUDA 的架构下，一个程序分为两个部份：host 端和 device 端。Host 端是指在 CPU 上执行的部份，而 device 端则是在显示芯片上执行的部份。Device 端的程序又称为 “kernel”。通常 host 端程序会将数据准备好后，复制到显卡的内存中，再由显示芯片执行 device 端程序，完成后再由 host 端程序将结果从显卡的内存中取回。

5.1 驱动下载

查看有无驱动命令： nvidia-smi

cd C:\Program Files\NVIDIA Corporation\NVSMI
 
nvidia-smi

在这里插入图片描述
或者检查有无NVIDIA控制面板，帮助->系统信息

若不显示，则 -> https://www.nvidia.cn/Download/index.aspx?lang=cn# 进行下载

5.2 安装CUDA

官方网站：https://developer.nvidia.com/cuda-toolkit-archive
从中选择适合自己的版本，注意配置环境变量
在这里插入图片描述

对于cuda10.2，针对下载内存最大的安装需要自定义下载，其他可以默认下载，注意事项如下：
重启cmd键入命令 nvcc -V 查看 cuda 版本，如果未定义命令，则查找默认路径添加环境变量或者使用如下命令：

6.cuDNN下载

cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。因为cudnn能够很大程度的把加载到显卡上的网络层数据进行优化计算，比如卷积，pooling，归一化，以及激活层等等。cuda就像一个傻大粗的加速库，其主要是依靠的是显卡计算速度跟一些算法的优化，而且其也是进行显卡加速的入口。所以cudnn需要在有cuda的基础上进行。

官方网站： https://developer.nvidia.com/rdp/cudnn-archive
其中，cudnn版本查看在其安装路径下：我的安装路径是将他们都放在了cuda的路径中，.h中的 840 即是版本
在这里插入图片描述

7.CMake

https://cmake.org/download/

8.OpenVINO

OpenVINO™全称是Open Visual Inference & neural network optimization，直译为“ 开放式视觉推断与神经网络优化 ”。OpenVINO对各种图形图像处理算法进行了针对性的优化，从而扩展了Intel的各类算力硬件以及相关加速器的应用空间，实现了AI领域的异构计算，使传统平台的视觉推断能力得到了很大程度的提高。OpenVINO实现了一套通用的API，可以混合调用CPU、GPU、Movidius NCS和FGPA的算力来共同完成一次视觉推断，预先实现了一系列的功能库、OpenCL kernel等，可以缩短产品面世时间。
OpenVINO™ toolkit, OpenVINO™工具包可快速部署模拟人类视觉的应用程序和解决方案。该工具包基于卷积神经网络（CNN），可在英特尔®硬件上扩展计算机视觉（CV）工作负载，从而最大限度地提软硬件高性能。OpenVINO™工具箱包括深度学习部署工具箱（DLDT）、深度学习模型优化器(Model Optimizer)、深度学习推理引擎(Inference Engine)、Open Model Zoo开放式模型库。

安装：https://www.intel.com/content/www/us/en/developer/tools/openvino-toolkit/download.html
在这里插入图片描述

9.TensorRT

TensorRT是由Nvidia推出的C++语言开发的高性能神经网络推理库，是一个用于生产部署的优化器和运行时引擎。其高性能计算能力依赖于Nvidia的图形处理单元。它专注于推理任务，与常用的神经网络学习框架形成互补，包括TensorFlow、Caffe、PyTorch、MXNet等。 TensorRT 就只是推理优化器。当你的网络训练完之后，可以将训练模型文件直接丢进 TensorRT中，而不再需要依赖深度学习框架（Caffe，TensorFlow 等），如下：
在这里插入图片描述

安装：https://developer.nvidia.com/nvidia-tensorrt-8x-download 在这里插入图片描述

如果是python调用，则需要pip安装.whl文件：

在这里插入图片描述

将tensorRT中对应文件夹下的内容复制到CUDA安装目录下的对应文件夹中：
验证安装成功：

#通过python导入：
#进入python环境：
import tensorrt as trt
print(trt.__version__)

10.onnxruntime

ONNX 是微软与Facebook和AWS共同开发的深度学习和传统机器学习模型的开放格式。ONNX格式是开放式生态系统的基础，使人工智能技术更易于访问，而且可以为不同人群创造价值.
ONNX Runtime是适用于Linux，Windows和Mac上ONNX格式的机器学习模型的高性能推理引擎。

当cudnn的版本为10.*时，选择下面链接下载

https://github.com/microsoft/onnxruntime/releases/tag/v1.3.0

当cudnn的版本为11.*时，选择下面链接下载

https://github.com/microsoft/onnxruntime/releases/tag/v1.9.0

11.Pycharm

一款用于python及深度学习算法开发的工具，可用于python demo开发、opencv图像处理算法开发、深度学习训练、推理及验证和环境部署的工具。
下载链接：https://www.jetbrains.com/zh-cn/pycharm/download/other.html

12.Anaconda

Anaconda指的是一个开源的Python发行版本，其包含了Conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大（约 531 MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Miniconda这个较小的发行版（仅包Conda和Python）。
Anaconda利用工具/命令Conda来进行package和environment的管理，并且已经包含了Python和相关的配套工具。
这里先解释下Conda、Anaconda这些概念的差别。
- Conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。
- Conda的设计理念——Conda将几乎所有的工具、第三方包都当做package对待，甚至包括python和conda自身！因此，conda打破了包管理与环境管理的约束，能非常方便地安装各种版本python、各种package并方便地切换。
- Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。其实还有Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。
Anaconda是一个科学计算环境，当在电脑上安装好Anaconda3以后，就相当于安装好了Python，还有一些常用的库，如numpy，scrip，matplotlib等库。（如果你没有安装anaconda的话，直接安装了Python，装完Python想要使用这些库的话，还要在cmd中运行 pip install …;）。
Anaconda3对应的就是Python3.x的版本，Python3.x的默认编码方式是UTF-8，很少出现字符编码的各种问题。
如果计算机上已经安装了Python，安装不会对你有任何影响。实际上，脚本和程序使用的默认 Python是Anaconda附带的Python，所以安装完Anaconda已经自带安装好了Python，不需要你再安装Python了。
下载链接：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/