为满足中国用户更快、更好地学习和掌握新的微机编程和开发工具，美 国微软公司的一种特别的做法是：新版软件配套的中文版使用手册和开发 指南单独销售，这就为从事微软相关软件开发的群体和个人提供了很大的 方便。通过配套手册的学习，可大大缩短掌握和应用相关软件的时间，从 而提高开发效率。这次推出的MicrosoftVisualStudio 中文版使用手册和 开发指南将涉及VisualFoxPro6.0、VisualBasic6.0、VisualC++6.0、 VisualInterDev6.0、VisualJ++6.0，请广大读者密切留意出版信息。 本书是美国微软出版社授权的MicrosoftVisualStudio 中文版系列中的 一本。全书按字母顺序列出了VisualBasic6.0 的函数、语句、方法、属性 及事件，附录部分提供了ANSI 字符集、数据类型、运算符等等的数学函数 及转换函数。 本书不但是从事VisualBasic6.0 应用和开发人员的工具书，也可作为 大专院校相关专业的师生、科研院所的科技人员自学和教学的重要参考书。 本书还提供配套的电子书，以方便读者携带、学习和长久保存。电子 书的配置要求和使用方法请参见光盘中的Readme 文件。

SAP R/3软件和实施方面的介绍 技术架构类书籍，适合企业应用架构人员做设计参考。

你读过原版的 “ 深入 Python ”  并可能甚至买了纸版的。 你差不多已经了解 Python  2 了。你准备好了投入到  Python  3 里面。… 如果所有这些都成立，继续读。（如果没有 一个是成立的，你最好从头开始python3里面包含了最基础的语法，和对新特性的使用。）同时   Python  3 提供了一个脚本叫做  2to3。学习它。喜欢它。使用 它。用 2to3 移植代码到 Python  3 是一个有关  2to3 工具能够自 动整理的所有东西的参考手册。很多这些东西都是语法的变 更，因此了解 Python  3 里面许多的语法变更是一个好的起点。 （print  现在是一个函数，`x`  不能使用，等等。）  在 HTTP Web  服务这章，httplib2 模块通过 HTTP 获取头信 息和数据。HTTP 头信息返回的是字符串，而 HTTP 正文则返回 的是字节。   在序列化 Python  对象这章，你将了解到为什么 Python  3 里面 的 pickle 模块定义了一个和 Python  2 向后不兼容的新的数据类 型。（提示：这就是因为字节和字符串的原因。） 同样 JSON  也根本不支持字节类型。我将向你展示如何解决这个问题。   在案例分析：移植 chardet  到 Python  3这章，到处都是一大 堆一大堆关于字节和字符串的东西。   即使你不关心 Unicode （但实际上你会的），你也会想阅读一 下 Python  3 里面的字符串格式，这和 Python  2 里面的完全不一 样。   Python  的专家们聪明的把 ElementTree 变成了标准库的一部分 ，然后现在它构成了新的 XML  章节的基础。解析 XML  的 那些老的方式仍然可用，但是你应该避免使用它们，因为他们 很糟糕！   除此之外，还有个关于 Python  的新东西 —  不是语言上的，而是 社区中的 —  像 Python  包装索引(PyPI) 的出现。Python  提供了实 用工具类用来将你的代码打包成标准格式，并分发那些包到  PyPI  中。阅读 打包 Python  库了解详细信息。

《Fortran常用算法程序集(第二版)，一本1995年出版的经典书。 “本书是针对工程上常用的行之有效的算法以及近几年来出现的新算法而编写的 FORTRAN77 子程序集” 个人花了一点点功夫，给书加了个标签（目录），方便阅读。以往很多没有标签。 仅用于个人学习，不得用于非法用途！！管理员觉得有问题，请给与删除！

介绍管理学中基本知识和原理。通俗易懂！适合初学者使用！

超详尽的PDF格式参考 Adobe官方文档 对于研究PDF的人有些帮助 超详尽的PDF格式参考 Adobe官方文档 对于研究PDF的人有些帮助

将中国知网CAJ、NH、KDH、PDF格式文件转换成WORD文档的方法，是很多朋友想知道的，特奉献出来共享。

安卓下可用的HTML转PDF代码，支持中文和单独的图片

这里搜集了图像工程上册中册下册，很全面，是pdf书格式的，清华大学章毓晋著，第二版。由于文件太大分两部分上传。这是第一部分part1，包括上册和下册，中册在第二部分part2。图像处理人员必备参考书目。

25篇机器学习经典论文合集，有需要欢迎积分自取 Efficient sparse coding algorithms论文附有代码 [1] Zheng S, Kwok J T. Follow the moving leader in deep learning[C]//Proceedings of the 34th International Conference on Machine Learning-Volume 70. JMLR. org, 2017: 4110-4119. [2] Kalai A, Vempala S. Efficient algorithms for online decision problems[J]. Journal of Computer and System Sciences, 2005, 71(3): 291-307. [3] Kingma, D. and Ba, J. Adam: A method for stochastic optimization. In Proceedings of the International Conference for Learning Representations, 2015. [4] Lee H, Battle A, Raina R, et al. Efficient sparse coding algorithms[C]//Advances in neural information processing systems. 2007: 801-808. [5] Fan J, Ding L, Chen Y, et al. Factor Group-Sparse Regularization for Efficient Low-Rank Matrix Recovery[J]. 2019. [6] Z. Lai, Y. Chen, J. Wu, W. W. Keung, and F. Shen, “Jointly sparse hashing for image retrieval,” IEEE Transactions on Image Processing, vol. 27, no. 12, pp. 6147–6158, 2018. [7] Z. Zhang, Y. Chen, and V. Saligrama, “Efficient training of very deep neural networks for supervised hashing,” in Proc. IEEE Int. Conf. Computer Vision and Pattern Recognition, 2016, pp. 1487–1495. [8] Wei-Shi Zheng, Shaogang Gong, Tao Xiang. Person re-identification by probabilistic relative distance comparison[C]// CVPR 2011. IEEE, 2011. [9] Liao S, Hu Y, Zhu X, et al. Person re-identification by local maximal occurrence representation and metric learning[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2015: 2197-2206. [10] Liu X, Li H, Shao J, et al. Show, tell and discriminate: Image captioning by self-retrieval with partially labeled data[C]//Proceedings of the European Conference on Computer Vision (ECCV). 2018: 338-354. [11] Yao T, Pan Y, Li Y, et al. Exploring visual relationship for image captioning[C]//Proceedings of the European conference on computer vision (ECCV). 2018: 684-699. [12] Chao Dong, Chen Change Loy, Kaiming He, and Xiaoou Tang., ”Image