riscv工具 该存储库包含一组RISC-V模拟器和其他工具，包括以下项目： ，在ISA模拟器 ，一系列ISA级测试 ，模拟器可执行的所有RISC-V操作码的枚举 ，其中包含bbl （用于Linux和类似OS内核的启动加载程序），以及pk （用于服务系统的代理内核），该代理内核通过将目标计算机应用程序转发到主机来调用目标计算机应用程序 此后，以前通过此存储库维护的几种RISC-V工具已被上游传输到其父项目，因此不再包含在此处。 您最喜欢的软件发行版应该已经包含这些上游工具的软件包，但是如果没有，则这里是我的一些收藏夹： 您最喜欢的软件发行版可能已经包含包含RISC-V交叉编译器的软件包，这可能是入门的最快方法。 在撰写本README（2019年3月）时，我可以轻松找到ALT Linux，Arch Linux，Debian，Fedora，FreeBSD，Mageia，OpenMa

陆地实验室 兰德实验室是做什么的？ Landlab 是用于地球表面动力学数值建模的开源 Python 语言包。 它包含 代表模型域的网格引擎。 支持规则和不规则网格。 一个过程组件库，每个组件代表一个物理过程（例如，雨水的产生、流水的侵蚀）。 这些组件有一个共同的接口，可以根据用户的需要进行组合。 支持通用数值方法、文件输入/输出和可视化的实用程序。 此外，Landlab 包含一组 Jupyter 笔记本教程，提供对核心概念和使用示例的介绍。 Landlab 是为量化地球表面动力学的学科而设计的，例如地貌学、水文学、冰川学和地层学。 它也可以用于相关领域。 使用这种模型的科学家通常从头开始构建自己独特的模型，重新编码景观模型的基本构建块，而不是利用已经编写的代码。 Landlab 通过提供可重复使用的标准化组件，使从业者免于进行这种重新发明。 在观看网络研讨会以了解更多信息。

介绍 使用mitproxy代理工具做Android自动化Mock数据测试 环境搭建 创建虚拟环境(python 3.7) python3.7 -m venv /Users/xinxi/PycharmProjects/mitmproxytest/venv or virtualenv venv source venv/bin/activate 激活虚拟环境 deactivate 退出虚拟环境 安装mitmproxy pip install mitmproxy 安装appium client pip install appium_python_client 安装appium server npm install appium Android设备 使用Android6.0系统,大于6.0系统无法抓https包 使用 手机连接代理 移动设备和电脑保存在一个wifi网络下,在移动设备在网络代理填写电脑

ortp-g711 oRTP g711 send test 简介 这是一个使用oRTP开源库，实现的PCMA(G.711A)编码音频文件推流小项目 准备工作 首先需要依次下载、编译、安装以下3个库 mbedtls-2.9.0 bctoolbox-0.6.0 ortp-1.0.2 保证正确部署编译生成的链接库文件和头文件，一般部署在系统/user目录下 说明 oRTP库自带测试程序rtpsend.c，是实现PCMU音频推流的程序，因此测试用音频文件需要是PCMU格式；这个程序是实现PCMA音频推流，仅仅改了负载类型（0改为8），失能了socket的connect()。 g711推流体验 文件介绍： ortp_send_g711.c // g711a推流源码 Makefile // makefile test.g711

机顶盒测试仪 机顶盒和智能电视的自动用户界面测试 版权所有:copyright:2013-2019 Stb-tester.com Ltd，2012-2014 YouView TV Ltd.和其他贡献者。 许可证：LGPL v2.1或（可选）任何更高版本（请参阅 ）。 机顶盒测试仪以与实际用户相同的方式（通常使用红外遥控器）向被测设备发出命令。 然后，机顶盒测试器通过分析设备的视频输出来检查被测设备的行为。 有关stb-tester功能的概述，请参见的视频。 测试用例是用Python编程语言编写的。 他们看起来像这样： def test_that_i_can_tune_to_bbc_one_from_t

GPU-Benchmarking-OpenCL 版权所有 (c) 2014，龙 (Ryan) 南宫。 保留所有权利。 邮箱： 创建时间：2014 年 7 月 15 日 注意：在运行此基准测试程序之前，您可能需要下载并安装 OpenCL 平台。 请从下载 Nvidia OpenCL 平台或来自英特尔 OpenCL 平台基于您的图形卡的供应商。 运行内存基准测试 {host->device/device->host/device->device} 使用 1 字节消息进行测试 gpu_start -m1b 用 1kbyte 消息测试 gpu_start -m1kb 使用 1Mbyte 消息进行测试 gpu_start -m1mb 运行 GPU 速度基准测试浮点运算测试 gpu_start -sf 整数运算测试 gpu_start -si

基于STM32C8T6、ESP8266-01S、JavaWeb、JSP、Html、JavaScript、Android、服务器和客户端设计、上位机和下位机设计等技术融合的物联网智能监控系统设计与实现 测试代码 CSDN博客地址：https://blog.csdn.net/niruxi0401/article/details/119904917

激光雷达数据解码 在此项目中，您可以在Windows中解码激光雷达数据帧（pcap文件）并创建自己的数据集（测试数据集），而无需在Ubuntu下使用任何基于c ++的巨大lib或ROS 在激光雷达数据帧解码部分： 目前仅支持LSC32（雷神智能系统）（您也可以更改参数以适合其他激光雷达，例如velodyne，robosense ...）。 将LSC32激光雷达记录的pcap文件作为输入。 从pcap文件中提取所有帧。 保存数据框：数据框另存为Pointcloud文件（.pcd）和/或文本文件（.txt） 可以通过yaml文件进行参数化。 在数据集中准备部分： 文件格式转换（如果要使数据集像KITTI格式，则将文本格式转换为bin） 文件重命名 数据框可视化 输出 在点云文件中2个点中的一个样本以下 所有点云文本文件都具有以下字段：时间[musec]，X [m]，Y [m]

alpha, 多因子选股 从数据库提取数据构建因子，测试因子的有效性，包括因子收益率、因子收益率T值、IC值，分层测试以观察因子收益率的按照因子大小排序分组的不同组合的组合收益率、波动率、收益率的单调性、最大回测、夏普比率、信息比率等。 factor_code, 因子的构建和测试 估值类因子（7个） 动量类因子（6个） 波动率类因子（10个） 一致预期类因（18个） self_libs, 自定义的一些模块 1. data_clean.py, 数据清洗 剔除存在ST标记的数据和上市不满一年的股票 MAD法去除异常值，Z-值标准化，然后对行业哑变量和对数市值回归取残差，得到行业与市值中性化的因子值 2. factor_test.py, 单因子有效性的评价指标 （1）因子收益率： 均值、标准差 $$R_{it} = \beta_{0t} + \beta_{1t} * f_{it}$$ （2）因子

游戏手柄 API 测试 游戏手柄API测试