rrule 是一个处理日历日期复发规则的 JavaScript 库。rrule.js 支持在 iCalendar RFC 定义的复发规则，这是从优秀的 python-dateutil 库的 RRULE 模块的部分端口。最重要的是，它支持解析和序列化自然语言的复发规则。使用示例：// Create a rule: var rule = new RRule({     freq: RRule.WEEKLY,     interval: 5,     byweekday: [RRule.MO, RRule.FR],     dtstart: new Date(2012, 1, 1, 10, 30),     until: new Date(2012, 12, 31) }); // Get all occurrence dates (Date instances): rule.all(); ['Fri Feb 03 2012 10:30:00 GMT 0100 (CET)',  'Mon Mar 05 2012 10:30:00 GMT 0100 (CET)',  'Fri Mar 09 2012 10:30:00 GMT 0100 (CET)',  'Mon Apr 09 2012 10:30:00 GMT 0200 (CEST)',  /* … */] // Get a slice: rule.between(new Date(2012, 7, 1), new Date(2012, 8, 1)) ['Mon Aug 27 2012 10:30:00 GMT 0200 (CEST)',  'Fri Aug 31 2012 10:30:00 GMT 0200 (CEST)'] // Get an iCalendar RRULE string representation: // The output can be used with RRule.fromString(). rule.toString(); "FREQ=WEEKLY;DTSTART=20120201T093000Z;INTERVAL=5;UNTIL=20130130T230000Z;BYDAY=MO,FR" // Get a human-friendly text representation: // The output can be used with RRule.fromText(). rule.toText() "every 5 weeks on Monday, Friday until January 31, 2013" 标签：rrule

一个可拖动、好看的歌词View.zip,android美丽的可拖动抒情视图库

./image - 测试图像 ./model - 已训练好的模型权重 ./notebooks - 原理笔记 ./src - 算法源码 ./demo.py - 测试图像demo ./demo_camera.py - 测试摄像头程序 ./demo_video.py - 测试视频程序 openpose用于人体关键点(即骨架)提取识别十分有效，可在此基础上用于其他的场景检测或者功能开发

菠萝狗--一个低成本大型全套四足机器人软硬件开源项目 1 简介 本项目为菠萝狗(Py-Apple Dog) 的开源主站，项目旨在设计制造一只低成本的，可供简易DIY的开源四足机器狗。项目注重多平台化，是一个大型全套四足机器人开源项目。主要由四个分项目构成（点击可进入到对应的Github中）： 四个项目相辅相成，又相互配套。每个部分独立更新，集合起来就是一个大型且全套的四足机器人软硬件开源项目。喜欢项目的话，请B站一键三连并 Star 项目哦。 编号 目前已实现的功能 1 八自由度运动学逆解 2 踏步 3 高度调节 4 姿态控制 5 小跑步态 6 WIFI遥控 7 航模遥控器（基于PWM）遥控 8 WIFI参数调节 9 转弯 10 静态姿态自稳定 11 串联腿控制 12 并连腿控制 13 动态运动参数调整 14 无极调速 15 VMC步态算法 16 WALK 爬楼梯算法 17 巡线程序（见

py-amqp 是 AMQP 的 Python 实现，是 amqplib 的 fork。 标签：pyamqp

ncollide 是 Rust 语言实现的 2D 和 3D 的碰撞检测库。示例代码：let cylinder = Cylinder::new(0.5f32, 1.0); assert!(cylinder.half_height() == 0.5); assert!(cylinder.radius() == 1.0); 标签：ncollide

Hyperopt-sklearn是基于scikit-learn项目的一个子集，其全称是：Hyper-parameter optimization for scikit-learn，即针对scikit-learn项目的超级参数优化工具。由于scikit-learn是基于Python的机器学习开源框架，因此Hyperopt-sklearn也基于Python语言。Hyperopt-sklearn的文档称：对于开发者而言，针对不同的训练数据挑选一个合适的分类器（classifier）通常是困难的。而且即使选好了分类器，后面的参数调试过程也相当乏味和耗时。更严重的是，还有许多情况是开发者好不容易调试好了选定的分类器，却发现一开始的选择本身就是错误的，这本身就浪费了大量的精力和时间。针对该问题，Hyperopt-sklearn提供了一种解决方案。Hyperopt-sklearn支持各种不同的搜索算法（包括随机搜索、Tree of Parzen Estimators、Annealing等），可以搜索所有支持的分类器（KNeightborsClassifier、KNeightborsClassifier、SGDClassifier等）或者在给定的分类器下搜索所有可能的参数配置，并评估最优选择。并且Hyperopt-sklearn还支持多种预处理流程，包括TfidfVectorizer，Normalzier和OneHotEncoder等。那么Hyperopt-sklearn的实际效果究竟如何？下表分别展示了使用scikit-learn默认参数和Hyperopt-sklearn优化参数运行的分类器的F-score分数，数据源来自20个不同的新闻组稿件。可以看到，经过优化的分类器的平均得分都要高于默认参数的情况。另外，Hyperopt-sklearn的编码量也很小，并且维护团队还提供了丰富的参考样例。 标签：Hyperopt

购买商业版: http://market.zhenzikj.com/detail/82.html帮助文档：https://www.kancloud.cn/crmeb/crmeb/662420CRMEB微信小程序商城系统，基于CRMEB系统开发的一套电商系统，带优惠券、积分、秒杀、拼团、砍价、分销等功能。 小程序页面展示演示站后台:[ crmeb_v2.5 ]http://demo25.crmeb.net 账号：demo 密码：crmeb.com

TeleHash 是一个新的用来实时和去中心化的JSON交互协议，可让应用在网络的边界直接进行连接。受益于 TeleHash，应用程序之间可高效的进行路由和分发小的数据。 示例： // basic Telex with example command{    "_ring":43723,    ".see":["5.6.7.8:23456","11.22.33.44:11223"],}// Telex with example signals{    " end":"a9993e364706816aba3e25717850c26c9cd0d89d",    " foo":"0beec7b5ea3f0fdbc95d0dd47f3c5bc275da8a33"}// Telex of a normal JSON object sent between to Switches{    "_to":"1.2.3.4:5678",    "_line":63546230,"profile_image_url": "http://a3.twimg.com/profile_images/852841481/Untitled_3_normal.jpg","created_at": "Sat, 08 May 2010 21:46:23 0000","from_user": "pelchiie","metadata": {    "result_type": "recent"},"to_user_id": null,"text": "twitter is dead today.","id": 13630378882,"from_user_id": 12621761,"geo": null,"iso_language_code": "en","source": "web"}, 标签：TeleHash

Halo 开源项目学习（三）：注册与登录.doc