web.py 是一个轻量级Python web框架，它简单而且功能强大。web.py是一个开源项目。该框架由美国作家、Reddit联合创始人、RSS规格合作创造者、著名计算机黑客Aaron Swartz开发。web.py目前已被很多家大型网站所使用。

经典书籍，从编译器的角度观察C++可以使你知其然并知其所以然.本书探讨了大量的C++面向对象程序设计的底层运作机制,包括构造函数,函数,临时对象,继承,虚拟,模板的实例化,异常处理,运行期类型识别等,另外还介绍了一些在实现C++对象模型过程中做出的权衡折衷.喜欢刨根问底的C++程序员可以从中了解了无数的编译器解释源代码的细节,以及记忆体分配的细节.. 资源包含中英两版！

kettle学习非常权威的指南文档，适合kettle的深入学习使用

第1章特點第2章端子符號、術語的說明第3章功能說明第4章應用電路示例第5章散熱設計第6章使用注意事項第7章出現故障時的處置方法Quality is our me

38.201物理层概述中文版，可以作为入门用，与38.201英文版一一对应

Head First系列书籍的特点以图文并茂，语言幽默风趣的形式讲述内容，是初学者入门的首选书籍

Adobe Audition是一个专业音频编辑和混合环境，前身为Cool Edit Pro。Adobe Audition 3.0中文版专为在照相室、广播设备和后期制作设备方面工作的音频和视频专业人员设计，可提供先进的音频混合、编辑、控制和效果处理功能。最多混合128个声道，可编辑单个音频文件，创建回路并可使用45种以上的数字信号处理效果—Adobe Audition是一个完善的多声道录音室，可提供灵活的工作流程并且使用简便。无论您是要录制音乐、无线电广播，还是为录像配音，Adobe Audition中的恰到好处的工具均可为您提供充足动力，以创造可能的最高质量的丰富、细微音响。 Adobe Audition 3.0中文版支持无限多条音轨，低延迟混缩。开始支持ASIO。支持5.1环绕声。新增ReWire功能，ReWire的含义与作用是：在电脑内部形成一个虚拟的音频通路，这个音频通路可以在两个不同软件之间实时传输最多64个通道的音频流，并实现精确的同步操作，比如播放、停止、快进等等。ReWire只能在两个软件之间进行连接对控，一个软件作为主控端（宿主），另外一个软件作为客户端（从属）。改进的视频同步引擎。支持更多的视频格式。 * Adobe Audition 3.0精简版将多语言文件,帮助文件删除了,此版本是破解版.并且对Audition的字体,菜单等进行了修正. * 加入了APE,WavPack,Nero MP4,OGG等文件格式支持

“这是一本学习计算机硬件和软件如何‘真正’协同工作的好书，还教会你为什么了解这些知识会使你成为一个更有价值的程序员。本书还帮你为学习像操作系统和编译器这样的高级课程做好准备。在本书中，我最喜欢的章节是关于缓存的，当我第一次发现缓存有多重要时，真是难以置信！ 从程序员的视角，看计算机系统！ 本书适用于那些想要写出更快、更可靠程序的程序员。通过掌握程序是如何映射到系统上，以及程序是如何执行的，读者能够更好的理解程序的行为为什么是这样的，以及效率低下是如何造成的。粗略来看，计算机系统包括处理器和存储器硬件、编译器、操作系统和网络互连环境。而通过程序员的视角，读者可以清晰地明白学习计算机系统的内部工作原理会对他们今后作为计算机科学研究者和工程师的工作有进一步的帮助。它还有助于为进一步学习计算机体系结构、操作系统、编译器和网络互连做好准备。 本书的主要论题包括：数据表示、C程序的机器级表示、处理器结构，程序优化、存储器层次结构、链接、异常控制流、虚拟存储器和存储器管理、系统级I/O、网络编程和并发编程。书中所覆盖的内容主要是这些方面是如何影响应用和系统程序员的。

福昕PDF编辑器(Foxit PDF Editor)是第一个真正的PDF文件编辑软件。许多人都希望能找到一个象编辑其它类型的文档的编辑器，事实上在福昕PDF编辑器出现之前，根本没有这样的工具。福昕PDF编辑器每一个PDF文件都包含很多页面，每一页包含各种可视对象，如文本对象、图形对象和图像对象。而每一个对象都由其属性来定义其显示的方式。 功能包括： -编辑现有PDF文件或创建全新的PDF文件。-以和Adobe PDF Reader几乎相同的效果显示PDF文件。-页面缩放。-可靠的所见即所得的编辑功能。-插入或删除页面。-使用嵌入或非嵌入字体添加文本对象。-插入行或其它简单的图形对象。-插入bitmap格式的图像。-从页面中删除任意对象。-改变对象的属性。-可撤消任意操作。-在不同PDF文件间拷贝粘贴任意对象。-在PDF和任意Windows应用程序间拷贝粘贴文本。-在PDF和任意Windows应用程序间拷贝粘贴图像。

Mastering Machine Learning with scikit-learn(中文版).pdf