Distribution is all you need Take-Away 笔者使用 PyTorch 编写了不同加速库在 ImageNet 上的使用示例（单机多卡），需要的同学可以当作 quickstart 将需要的部分 copy 到自己的项目中（Github 请点击下面链接）： 简单方便的 nn.DataParallel 使用 torch.distributed 加速并行训练 使用 torch.multiprocessing 取代启动器 使用 apex 再加速 horovod 的优雅实现 GPU 集群上的分布式 补充：分布式 这里，笔者记录了使用 4 块 Tesla V100-PICE 在 ImageNet 进行了运行时间的测试，测试结果发现 Apex 的加速效果最好，但与 Horovod/Distributed 差别不大，平时可以直接使用内置的 Distributed。D

基于变压器的场景文本识别（Transformer-STR） 我的基于场景文本识别（STR）新方法的PyTorch实现。 我改编了由设计的四阶段STR框架，并替换了Pred. 变压器的舞台。 配备了Transformer，此方法在CUTE80上优于上述深层文本识别基准的最佳模型7.6％ 。 从下载预训练的砝码 该预训练权重在Synthetic数据集上进行了约700K次迭代训练。 Git克隆此仓库并下载权重文件，将其移至checkpoints目录。 从 下载lmdb数据集以进行训练和评估（由） data_lmdb_release.zip包含以下内容。 训练数据集： [1]和 [2] 验证数据集：训练集 [3]， [4]， [5]和 [6]的并集。 评估数据集：基准评估数据集，由 [5]， [6]， IC03 [7]， IC13 [3]， IC15 [4]， SVTP [8]和

采用了标准进化规划算法及元进化规划算法求解基准函数Griewank的最小值。

此代码是从 CEC-01 到 CEC-10 的 CEC-06 2019 单目标基准函数的实现。 被称为“单目标数值优化的 100 位挑战”竞赛。 为了方便使用这些功能，请看这个作品的正确用法， https://uk.mathworks.com/matlabcentral/fileexchange/71129-fitness-dependent-optimizer-fdo 函数位于SelectFunction文件中。 您可以使用此参考文献引用这项工作JM Abdullah 和 TA Rashid，“Fitness Dependent Optimizer: Inspired by the Bee Swarming Reproductive Process”，IEEE Access。 doi：10.1109/ACCESS.2019.2907012 网址： https : //ieeexpl

RTS96 73 总线基准测试松散地基于 IEEE 可靠性测试系统 - 1996，用于面向研究的研究和教育目的。 该基准测试的 SimPowerSystems 实现的作者是来自 IREQ Hydro-Québec 研究所的 Ali Moeini、Patrice Brunelle、Gilbert Sybille 和 Innocent Kamwa。 __ 参考A. Moeini、I. Kamwa、P. Brunelle、G. Sybille，“在 SimpowerSystems 中实施的开放数据 IEEE 测试系统用于电网动态和控制的教育和研究”，电力工程会议 (UPEC)，2015 年第 50 届国际大学，1 -2015 年 9 月 -4 日，英国斯塔福德郡大学。 http://ieeexplore.ieee.org/xpl/articleDetails.jsp?arnumber=73398

情景比较（基准化）—清洁能源转型中的关键指数-112.pdf

文件中具体描述哪些算法适合解决单目标优化问题、多目标优化问题以及高维多目标优化问题等等。哪些基准测试函数适用于单目标、多目标、高维多目标问题等等，以及介绍了PlatEMO3.0的基本操作和使用方法。

多标签图像分类 使用集成深度CNN进行多标签图像分类的基准 代码说明 代码已使用PyTorch 0.4进行了测试。 通过取消注释相应的行以进行随机裁剪和混合，可以根据model1代码改编本文中出现的Model2（M2）和model3（M3）。 要使用以下命令运行脚本：python resnet101_model1fc.py 1 512 16（三个参数是试验索引，补丁大小，批处理大小） VOC2007的评估指标与NUS-WIDE和MS-COCO的评估指标略有不同，因为注释中存在“困难的示例”，在评估时会被忽略。 我们使用所有训练数据来训练模型和训练停止的固定标准。 数据 要运行该代码，您可能需要从其官方网站下载三个数据集的图像。 参考 王谦，贾宁，Toby P.Breckon，《使用集成深度CNN进行多标签图像分类的基线》，2019年IEEE国际图像处理会议，台北。 接触

详细介绍了用于废水治理的BSM1模型，对于初学者非常实用。The BSM1 model for wastewater treatment is introduced in detail.

经典基准函数Clerc在...中描述的百分比% http://clerc.maurice.free.fr/pso/Semi-continuous_challenge/Semi-continuous_challenge.htm