https://github.com/serengil/deepface_models/releases/download/v1.0/age_model_weights.h5

Deepface 是一个用于 python 的轻量级人脸识别和人脸属性分析（年龄、性别、情感和种族）框架。它是一个混合人脸识别框架，包含模型：VGG-Face、Google FaceNet、OpenFace、Facebook DeepFace、DeepID、ArcFace和。DlibSFace 该文件来自： https://github.com/serengil/deepface_models/releases/download/v1.0/gender_model_weights.h5

- 使用步骤： - 创建数据库的操作类 -- 必须继承 SQLiteOpenHelper - onCreate() 当数据库创建的时候调用（一般用户创建初始表） - onUpgrade() 当数据库升级的时候调用 - 构造方法 提供相关信息 - 使用操作类获取数据库实例 -- 实例化操作类 -- 获取数据库实例 - sqLiteDBHelper.getReadableDatabase() ---- select - sqLiteDBHelper.getWritableDatabase() ---- update、insert、delete

USB NCM，属于USB-IF定义的CDC（Communication Device Class）下的一个子类：Network Control Model NCM协议规范基于ECM（Ethernet Control Model ）改进而来，支持了更高的数据率。

LTP4 模型 base版 ltm.model 基于该模型可实现分词，实体识别，句法分析，词性标注等。

评估OMNeT ++ / INET（NDP / TCP）中的现代数据中心传输协议 该存储库包含我们OMNeT ++ Summit 2019论文的代码（请参阅此链接 ）。 本文包括OMNeT ++ / INET中某些数据中心协议的实现。 这些实现如下： （1）FatTree拓扑（2）按数据包和按流的ECMP （3）INET中的NDP协议模型（4）在FatTree拓扑中评估TCP和NDP的性能（5）中央流量调度器，用于调度仿真网络中的流并设置仿真参数以进行上述贡献的实验。 ============================================ STEP1：编译omnetpp项目： （1）打开一个新终端，然后转到omnetpp-5.2.1目录 （2）omnetpp-5.2.1 $ ./configure （3）omnetpp-5.2.1 $。 设定（4）omnetpp-5

一本关于模型预测控制的极好教材，内涵大量MATLAB代码

《Model Predictive Control: Theory and Design》这本书是国外大学学习模型预测控制（MPC）的指定教材，出版于2009年。

SRMD Pytorch (English version is down below) (建议在环境下操作) 本仓库改编于原作者项目 相关论文：CVPR 2018 模型结构： SRMD已经训练的模型保存在model_zoo中。(模型来源于原作者 https://drive.google.com/drive/folders/13kfr3qny7S2xwG9h7v95F5mkWs0OmU0D) SRMD模型： srmd_x2.pth srmd_x3.pth srmd_x4.pth 输入：19维的数据，其中15维为经过PCA降维后进行维度拉伸的模糊核，还有1个维度为图片噪声维度，另外3个维度分别为图片的RGB通道，即模型输入为：(19,图片宽,图片高) 图片经过GAN网络的处理，最后进行PixelShuffle，放大指定的倍数。 输出：放大了的图片的RGB通道，即模型输出为：(3,图片宽,图

Ma 等。 - 2018 - Data-Driven State-Increment Statistical Model and 1