c# 通过emgucv调用gpu推理yolov7和yolov7-tiny，darknet版本。

c#运用emgucv4.6.0版本调用gpu推理yolov7，darknet版本。RTX2060显卡推理yolov7-tiny总耗时是6ms，推理yolov7总耗时26ms。注意不是pytorch。

1.Yolov7目标检测与实例分割的C++推理代码， 2.开发环境，开发环境是win10,OpenCV4.5,NCNN，IDE 是Vs2019。 3.关于源码配置可以看我的博客，有详细的步骤。

针对机床主轴热误差补偿过程中现有建模方法的不足，提出一种新的热误差建模算法。首先应用FCM（模糊C-均值聚类）算法将众多温度测点予以分类，减少测点数量，提高测量精度；其次应用GCA（灰色关联分析）算法对同类测点的热敏感度进行排序，选出该类中的关键测点；最后以优选出的测点为输入变量，以热位移为输出变量，利用ANFIS进行热误差模型设计，并与BP算法建立的模型进行了比较。实验数据表明，该方法降低了机床热误差，具有预测精度高的优点，能较好地实现机床主轴热误差的补偿。

c# 调用yolov7-tiny，使用openchsharp加载.weights 和.cfg文件，进行推理。i5 10400 的 total时间 在25ms左右。

内含项目的源代码，实现简单的产生式推理机功能，适合初学人工智能推理章节者或要交人工智能课程设计者，内有该章节的ppt，并附上了该程序设计报告

序贯蒙特卡洛matlab代码比比斯 版本：0.11.0 上次修改时间：2017-01-31 维护者： 执照：GPL-3 网站： Biips是用于与相互作用的粒子系统（也称为顺序蒙特卡洛（SMC）方法）进行贝叶斯推理的通用软件。 由于其自动的“黑匣子”推理引擎，它旨在将这些方法的使用推广给非统计学家和学生。 它借鉴了BUGS / JAGS软件，该软件广泛用于贝叶斯统计，具有图形模型的统计建模以及与描述相关的语言。 语境 贝叶斯推断包括在给定一组观测值的情况下，近似未知参数相关的条件概率定律。 以上述公式为基础，可以解决许多问题，例如非监督分类，过滤等。 潜在概率定律虽然对于一般情况无法通过分析方式进行计算，但是可以使用蒙特卡洛·马尔可夫链（MCMC）方法进行近似。 由于BUGS软件和WinBUGS图形界面，这些方法在贝叶斯推理中很受欢迎。 由于最近的研究成果不断涌现，因此与经典的MCMC方法相比，基于粒子的交互算法（又称为顺序蒙特卡洛（SMC）方法，其中最常见的实现是粒子滤波器）被证明具有优越的性能。 此外，交互粒子算法非常适合于动态估计问题，例如在过滤，跟踪或分类问题中遇到的问题。 它

tensorrt c++ 推理示例项目，支持分类网络，比如alexnet，mobileone,skipnet等轻量级网络。 环境：win10 vs2017环境，cuda11.0，亲测成功。 tensorrt库版本： TensorRT-8.2.1.8.Windows10.x86_64.cuda-11.4.cudnn8.2 转换流程：pytorch转onnx，onnx转tensorrt引擎 python生成tensorrt引擎步骤，可以查看我的博客： https://blog.csdn.net/jacke121/article/details/125382721

Latte：对流神经网络（CNN）推理引擎 Latte是用C ++编写的卷积神经网络（CNN）推理引擎，并使用AVX对操作进行矢量化。 该引擎可在Windows 10（32位和64位），Linux（内核= 4.12.10，gcc = 7.2.0）和macOS Sierra上运行。 当使用ATLUS构建caffe时，它具有与NVIDIA Caffe相同的精度和相同的推理速度。 该引擎具有自己的网络文件格式（.ahsf文件），因此我们提供了一些python脚本，可将NVIDIA Caffe的文件转换为我们自己的文件。 引擎支持以下层： 输入层。 卷积层。 ReLU。 完全连接的层。 Softmax。 最大池化层。 sigmod。 丹妮 如何使用python脚本： 我们的python脚本是使用Python 2.7.13制作的，需要以下软件包才能正常工作： Pycaffe（在构

yolov5 pytorch模型转onnx并用python ,c++ ，java进行推理