图像算法所用软件下载汇总

0.Matlab

首先，送个福利：matlab在线使用网址：https://matlab.mathworks.com/

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/

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/

• 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。

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

• 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：
  
• 打开cmd键入命令 nvidia-smi 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：

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

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

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

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：

安装：https://developer.nvidia.com/tensorrt

• 如果是python调用，则需要pip安装.whl文件：

• 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