1、Qt的应用开发 之 Demo_MessageChat_Qt Qt5气泡式聊天框——QListWidget+QPainter。 气泡式聊天的显示是由QListWidget作为控件，每个气泡是由QListWidgetItem提升成QWidget来实现的。每个气泡可以理解为可以自由布置里面内容的QWidget。每个Item保存聊天的对话、发送状态、时间、种类等。这个QWidget主要是显示一个头像+气泡，气泡里面是聊天的内容等。气泡是在paintEvent事件中，采用QPainter来绘制的。 2、更新信息 开发者：沙振宇（沙师弟专栏） 创建时间：2018-07-23 最后一次更新时间：2019-12-27 此项目CSDN博客：Qt5气泡式聊天框——QListWidget+QPainter实现 此项目博客地址： 3、效果

一、项目描述 项目框架来源于 吃水不忘挖井人，感谢大佬源码分享 一个基于 vue、datav、Echart 框架的 " 数据大屏项目 "，通过 vue 组件实现数据动态刷新渲染，内部图表可实现自由替换。部分图表使用 DataV 自带组件，可进行更改，详情请点击下方 DataV 文档。 项目需要全屏展示（按 F11）。 项目部分区域使用了全局注册方式，增加了打包体积，在实际运用中请使用按需引入。 拉取项目之后，建议按照自己的功能区域重命名文件，现以简单的位置进行区分。 项目环境：vue-cli-3.0、webpack-4.0、npm-6.13、node-v12.16。 请拉取 master 分支的代码，其余是开发分支。 友情链接： ， 项目展示 二、主要文件介绍 文件 作用/功能 main.js 主目录文件，引入Echart/DataV等文件 utils 工具函数与 mixins 函数等 v

2021.3.21: 对模型结构进行细微调整优化，更新Yolo-Fastest-1.1模型 2021.3.19: NCNN Camera Demo 2021.3.16: 修复分组卷积在某些旧架构GPU推理耗时异常的问题 :high_voltage:Yolo-Fastest:high_voltage: Simple, fast, compact, easy to transplant A real-time target detection algorithm for all platforms The fastest and smallest known universal target detection algorithm based on yolo Optimized design for ARM mobile terminal, optimized to support reasoning framework Based on N

ICM20689 DMP Driver 更新：太多人问我要源码了。。。我平时又比较懒，源码直接放出来了 invensense公司新一代陀螺仪ICM20689网上没有驱动，官方提供一个ICM20789版本在G55板上的demo， 但是非常复杂难用，我基于这个版本删减并修改出来一个在STM32上方便使用的驱动代码。 平台参数 Chip ： STM32F405RGT6 IDE : Keil ST lib ： HAL 文件介绍 移植文件:是STM32上的陀螺仪驱动文件，移植到自己的工程只需要这里面的3个文件。 icm20689移植版本demo:是一个移植demo，可以参照这个demo配置spi参数以及程序结构。 使用注意 真正需要使用者关注的只有以下几个函数 : 函数 功能 注意 icm20689_dmp_setup() 初始化DMP（包括陀螺仪） 函数内部调用HAL_Delay，因此需要放在S

dga-graphx GraphX算法 dga-graphX软件包包含使用GraphX框架在Spark上构建的几种预构建的可执行图算法。 前提条件 [Spark]（ ）0.9.0或更高版本 [graphX]（ ） [Gradle]（ ） 建造 如有必要，请编辑build.gradle文件以设置您的spark和graphX版本 gradle clean dist 检查build / dist文件夹中的dga-graphx-0.1.jar。 演算法 鲁汶 关于卢万 Louvain分布式社区检测是这项工作的并行版本： Fast unfolding of communities in large networks, Vincent D Blondel, Jean-Loup Guillaume, Renaud Lambiotte, Etienne Lefebvre, Journal

OFD Reader & Writer 在使用OFDRW前请务必悉知 。 如何clone和预览存在困难，请移步 Talk is cheap,Show me the code. ——Linus Torvalds 像写HTML和Word那样简单的编写OFD。 根据标准实现版式文档OFD库（含有书签）。 项目结构： OFD核心API，参考实现的基础数据结构。 生成OFD字体相关。 OFD布局引擎库，用于文档构建和渲染。 OFD文件的容器，用于文档的打包。 OFD文档解析器，用于OFD的反序列化以及签名签章。 OFD文档数字签章。 用于支持签章模块需要的国密电子签章数据结构。 OFDRW 所有模块所共用的全局变量。 OFD文档转换PDF、图片、SVG。 上述所有模块整合包，用于简化依赖引入。 QuickStart 引入依赖 org

AI-Challenger-Plant-Disease-Recognition 农作物病害检测 详情请见 环境配置 python==2.7 tensorflow==1.2.1 使用方法 更改 plot.py 脚本中路径，运行该脚本，可以绘出数据分布的直方图 下载预训练模型 更改 plant_disease.py 中的输入文件路径，输出文件路径，预训练模型文件路径 在 code 路径下直接运行 python plant_disease.py 训练完成后会直接使用训练得到的参数预测 testA 数据集，生成可以用来直接提交的 json 文件 大佬开源分享 框架：pytorch 最终成绩：0.875 框架：keras 最终成绩：0.88658 其他 Label ID Label Name 0 apple healthy（苹果健康） 1 Apple_Scab general（苹果黑星病一般） 2

YOLOV4：You Only Look Once目标检测模型-修改mobilenet系列主干网络-在pytorch当中的实现 2021年2月8日更新： 加入letterbox_image的选项，关闭letterbox_image后网络的map一般可以得到提升。 目录 性能情况 训练数据集 权值文件名称 测试数据集 输入图片大小 mAP 0.5:0.95 mAP 0.5 VOC07+12 VOC-Test07 416x416 - 79.72 VOC07+12 VOC-Test07 416x416 - 80.12 VOC07+12 VOC-Test07 416x416 - 79.01 所需环境 torch==1.2.0 注意事项 提供的三个权重分别是基于mobilenetv1、mobilenetv2、mobilenetv3主干网络训练而成的。使用的时候注意backbone和权重的对应。 训练

RabbitMQ的零依赖Erlang RPM 这是一个（几乎）零依赖的64位Erlang RPM软件包，提供了足以运行RabbitMQ的能力。 在大多数环境中，它可能比其他Erlang RPM更容易安装。 它可能适合也可能不适合运行其他基于Erlang的软件或第三者RabbitMQ插件。 该软件包具有隐式OpenSSL / libcrypto依赖性（请参见下文）。 RabbitMQ团队还打包了。 提供的Erlang / OTP版本 该软件包针对Erlang / 23.x 。 仅提供64位（x86-64）软件包。 RabbitMQ版本兼容性 有关最新兼容性列表，请参见RabbitMQ文档中。 Erlang 24 将Erlang 24。 Erlang 23 RabbitMQ支持Erlang 23。 说明了给定RabbitMQ版本支持哪些Erlang / OTP版本。 我们强烈建议

Code-For-COVID-19-Data 获取新型冠状病毒疫情历史数据代码(包含中国及全球214个国家地区)|Code for COVID-19 Data acquisition 说明 之前开源了新型冠状病毒疫情历史数据代码，链接见 有很多人问我如何获取的，现把爬虫代码开源，具体编写流程可参见博客 执行 代码在py-data文件夹下，执行顺序为： get-data-list.py——>deal-data-list.py——>deal-data.py 另外需要建立一些文件夹并配置数据库，这里可参考博客，也可阅读代码后自行更改。 最后，致敬所有抗疫英雄！