Spotty大大简化了在和上进行深度学习模型的培训：它使在GPU实例上的训练与在本地计算机上的训练一样简单它会自动管理所有必要的云资源，包括图像，卷，快照和SSH密钥它使每个人都可以通过几个命令在云中训练您的模型它使用轻松地将远程进程与其终端分离通过使用和它可以为您节省多达70％的成本文献资料请参阅。
阅读文章中对于现实世界的例子。
安装要求：Python＞=3.6如果使用的是AWS，请参阅AWSCLI（请参阅）。
如果您使用的是GCP，请使用GoogleCloudSDK（请参阅）使用安装或升级Spotty：$pipinstall-Uspotty开始使用准备一个spotty.yaml文件并将其放在项目的根目录中：请参阅的文件规范。
阅读文章为一个真实的例子。
启动实例：$spottystart它将运行竞价型实例，还原快照（如果有），将项目与正在运行的实例同步，然后将Docker容器与环境一起启动。
训练模型或运行笔记本。
要通过SSH连接到正在运行的容器，请使用以下命令：$spottysh

采用mobilenet_v1替换原作者采用的resnet50，对于coco2014数据集进行重新训练,迭代了160k次，最终得到的模型模型大小为93m,原模型270多m，同时运算速度大大的提升了，感兴趣的同学可以去下载一下，不用gpu,可以直接在配置好环境的CPU就可以跑起来！

《IntroductionTo3DGameProgrammingWithDirectX12》是一本专为游戏开发人员设计的教程，专注于使用DirectX12这一先进的图形API进行3D游戏编程。
这本书由FrankD.Luna撰写，是“龙书”系列的最新版，旨在帮助读者深入理解3D图形编程的核心概念，并掌握DirectX12的实用技术。
DirectX12是微软推出的一个低级图形接口，允许开发者更直接地控制硬件资源，从而提高游戏性能和效率。
与前几代DirectX相比，DirectX12提供了更低级别的硬件抽象，让开发者能够实现更精细的多线程优化，降低CPU开销，并提高GPU利用率。
本书首先介绍了3D图形学的基本原理，包括向量和矩阵运算、光照模型、纹理贴图以及图形渲染管线等。
这些基础知识对于理解DirectX12的工作原理至关重要。
随后，作者详细讲解了DirectX12API的使用，包括设备创建、交换链设置、命令队列和命令列表的管理、资源的分配与绑定，以及深度缓冲和多重采样抗锯齿等技术。
在3D场景的构建方面，书中涵盖了顶点缓冲和索引缓冲的使用，以及如何通过顶点着色器和像素着色器实现复杂的图形效果。
同时，作者还讲解了如何利用DirectX12进行高效的资源管理和内存管理，确保游戏运行的稳定性和流畅性。
对于现代游戏开发来说，多线程编程是必不可少的。
《IntroductionTo3DGameProgrammingWithDirectX12》详细阐述了如何利用DirectX12的多线程特性，将渲染工作负载分散到多个处理器核心上，从而提升游戏的并发处理能力。
此外，书中还涵盖了同步机制，如事件、信号量和fence，以确保多线程环境中的数据一致性。
为了帮助读者更好地理解和实践，本书提供了丰富的示例代码，这些代码可以直接在Windows平台上编译运行。
通过跟随这些示例，读者可以逐步建立起自己的3D游戏引擎，掌握DirectX12的实际应用。
《IntroductionTo3DGameProgrammingWithDirectX12》是一本深入浅出的DirectX12学习指南，适合有一定编程基础的游戏开发爱好者和专业人员。
通过阅读本书，读者不仅可以掌握DirectX12的使用，还能深入了解3D图形编程的精髓，为开发高质量的3D游戏奠定坚实的基础。

AdvancedPDFPasswordRecovery(APDFPR)是用来解密受保护的AdobeAcrobatPDF文件的程序，它们设置了“用户”和/或“属主”口令，防止文件被打开或编辑、打印、选择文本和图形等等。
标准版(StandardEdition)：如果只设置了“属主”口令，则根本不需要恢复口令，但可以立即解密该文件（这样所有的限制都被除去）。
专业版(ProfessionalEdition)：可以使用暴力攻击和字典攻击或者从“属主”口令立即恢复“用户”口令；
并且它支持用“密钥搜索”攻击来解密40位加密的文件。
企业版(EnterpriseEdition)：包括一个新的“rainbow攻击”子系统--它是用包含特殊ThunderTables(R)的DVD承载的，允许在几分钟而不是几天内解密所有的40位PDF文件。
专业版和企业版能清理PDF文件的数字签名、JScript代码和表单域。
版本5.0支持AdobeAcrobat9创建的PDF文件（256位AES加密），支持多核心和多处理器，并且能使用NVIDIA显卡的GPU加速。

中文版的GPU精粹3，内含很多详细有趣的实例分析和应用。

基于GPU实现并行排序过程，大大加速了排序的效率，有加速比

tensorflow_GPUpy3.8whl文件pipinstalltensorflow_gpu即可安装文件

众所周知，opengl在GPU以及CPU显卡软件的各种程序编译中起着决定性的作用，很多挖矿软件亦是运用opengl的强大调动CPU或者GPU的浮点指令集合，从而实现算力提升的目标。
然而很多老旧CPU和GPU却不曾拥有这一功能，为此intel公司针对旗下的CPU扩展了sdk_for_opencl，以此解决相应问题。
软件很好用，大家可以试试，很快解决opengldrivers缺失的问题。

DeepLearningToolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。
对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列，序列和文本进行深度学习为时间序列分类，回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度，评估准确性，进行预测，调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习，并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉，图像处理，自动驾驶，信号和音频扩展深度学习工作流程深度学习导入，导出和自定义导入和导出网络，定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归，分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。

Nbody问题采用treecode算法在GPU上的并行实现

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。