本代码使用arduino及esp8266共同使用，如有能力可以提取核心代码。

后台地址: diy/admin/index.asp 默认管理帐号 admin 密码 cnhww.com

＃文档地址

Python中RGB-D图像的体积TSDF融合 这是一个轻量级的python脚本，可将多个已注册的颜色和深度图像融合到一个投影的截断的有符号距离函数（TSDF）体积中，然后可用于创建高质量的3D表面网格和点云。 在Ubuntu 16.04上测试。 较旧的CUDA / C ++版本可在找到。 要求 带有 ， ， ， 和 。 通过运行以下命令，可以快速安装/更新它们： pip install --user numpy opencv-python scikit-image numba [可选] GPU加速需要具有和的NVIDA GPU： pip install --user pycuda 演示版 该演示将来自7个场景的数据集的1000张RGB-D图像融合到405 x 264 x 289的投影TSDF体素体积中，在GPU模式下以约30 FPS（在CPU模式下为0.4 FPS）的分辨率为2cm，并输出3D网格mesh.ply可以使用诸如的3D查看器可视化的mesh.ply 。 注意：彩色图像保存为24位PNG RGB，深度图像保存为16位PNG（以毫米为单位）。 python de

和简单的在线留言板，但是基本功能齐全包括前台后台以及用到了servlet以及JavaBean

ArcPIC ArcPIC 2D是2D3V真空电弧粒子内仿真代码。 它记录在，并用于产生论文《 （H. Timko，K。Ness Sjobak，L。Mether， S.Calatroni，F.Djurabekova，K.Matyash，K.Nordlund，R.Schneider和W.Wuensch，《等离子体物理学》，2015年4月。

使用PyTorch进行深度学习 该存储库包含由Manning Publications出版的Eli Stevens，Luca Antiga和Thomas Viehmann撰写的《用PyTorch进行深度学习》一书的代码。 该书的曼宁网站是： : 这本书也可以在亚马逊上购买： ： （会员链接；根据规则：“作为亚马逊合作伙伴，我从有资格的购买中获得收入。”） 该书的勘误表可在配员网站上找到，或在 关于使用PyTorch进行深度学习 本书旨在为PyTorch提供深度学习的基础，并在实际项目中展示它们的实际作用。 我们努力提供深度学习的关键概念，并展示PyTorch如何将其交到从业者手中

Air数码产品推荐系统 作者本科毕业设计项目 RESTful风格推荐系统 由于时间原因，毕业前先以完成功能为目的(能演示)，毕业后再优化。 后台管理 类目管理 商品属性管理 商品管理(删改查) 用户管理(增删改查) APP 后端API 用户模块 登录模块 订单模块 搜索模块 推荐模块 商品模块 后台所用技术 Vue Bootstrap MetisMenu Jquery Font Awesome 后端所用技术 Spring SpringMVC MyBaits Solr MySQL Tomcat Maven

mcu_usd_protol 小型MCU实现网络诊断功能源，代码能用在任何想用到到网络诊断的设备上，完全实现了数据传输层，网络层IS015765-2IS015765-2，以及诊断应用层ISO14229。对会话和诊断管理服务２。对数据传输管理服务３。对故障码访问管理服务４。对IO控制服务５。对程序更新下载管理工作但不支持autoSAR网络管理功能需要在中断中添加相关代码支持网络三种状态的变化功能（包括与触发发送数据和Hibernate）。这部分与UDS唯一共享的就是可以接收的数据。目前还没有完成！

《机器阅读理解：算法与实践》代码 这个代码库提供《机器阅读理解：算法与实践》一书中所有的代码示例。 所有程序基于Python 3。所需要的库文件在requirements.txt中指明。 pip install -r requirements.txt 代码按照章节放置在各个文件夹中。每个程序均可以单独运行，例如: python Chapter_3/3.1.2_CNN_Pooling.py 第六章预训练模型的代码需要安装的大规模模型和代码库均在程序注释中指明。 第七章SDNet的代码统一放置在. 本书的勘误信息在Errata.md中。 更多问题请联系作者朱晨光，邮箱.