[PYTORCH]扮演超级马里奥兄弟的非同步优势演员评判（A3C） 介绍 这是我的python源代码，用于训练特工玩超级马里奥兄弟。 通过使用纸异步方法用于深强化学习引入异步优势演员，评论家（A3C）算法。 样品结果 动机 在我实施该项目之前，有多个存储库可以很好地重现本文的结果，这些存储库可以在Tensorflow，Keras和Pytorch等不同的常见深度学习框架中进行。 我认为，其中大多数都很棒。 但是，它们似乎在许多方面都过于复杂，包括图像的预处理，环境设置和权重初始化，这使用户的注意力从更重要的事情上转移了。 因此，我决定编写更简洁的代码，以简化不重要的部分，同时仍然严格

matlab开发-三相异步电动机变频控制方法的自适应模糊控制器。该模型代表了采用自适应模糊PI控制器的改进V/F控制方法。

现代C++异步编程示例，包括使用thread、async、packageed_task进行整数列表的求和操作，并与C++17 std::execution::par异步策略进行对比。

python高级编程源码包含面向对象 socket 三大器 多线程 多进程 协程

三相异步电机的simulink文件，基Matlab/Simulink的异步电动机动态仿真。

Socket异步通讯(客户端和服务端),亲测过，稳定，高效，简单易懂 异步：客户端请求之后，不必等到服务器回应之后就可以发送下一条请求。并行运行

C#写的UDP异步通信控制台程序 客户端发送消息，服务器端响应机制 代码中的注释非常详细

UART 即通用异步收发器，传统上采用多功能的专用集成电路实现。但是在一般的使用中往往不需要完整的UART 的功能，比如对于多串口的设备或需要加密通讯的场合使用专用集成电路实现的UART 就不是最合适的。本设计使用Xilinx 的FPGA 器件，只将UART 的核心功能嵌入到FPGA 内部，不但实现了电路的异步通讯的主要功能，而且使电路更加紧凑、稳定、可靠。

雅各比迭代matlab代码新元 随机异步随机梯度下降 s文件夹包含随机的Jacobi原型代码和用于生成算法收敛图的脚本。 阅读文件SETTING-UP，以获取有关下载哪些库，在何处找到代码以及如何构建和运行所有内容的说明。 文件matrices / matrix_list.txt包含代码在其上运行的矩阵的列表。 编辑文件以更改列表（如果需要），然后运行 cd矩阵./download.sh 下载所有矩阵并为其生成右侧向量。 要在所有矩阵上运行该算法，请执行以下操作。 cd数据./produce_data.sh 这会将算法的输出保存在data /文件中。 运行该算法的线程数在data / produce_data.sh中定义。 您可以使用的data / produce_data.sh中的另一个变量是MIS_PER_EPOCH。 它定义为在评估剩余范数之间进行的主要迭代（n步序列）的次数。 增加它会减少每个时期的启动/关闭开销，但也会降低收敛图的分辨率。 使用脚本data / make_plot.m生成图。 从Matlab运行： cd data; MIS_PER_EPOCH = 1; mak

视频缩略图 和显示的缓存异步机制，很实用，代码清晰，写了不少注释；关于代码的博客传送门：http://www.cnblogs.com/taofudemo/p/4664330.html