fpga_shapes_game 使用VHL在FPGA DE10 LiTE板上制作形状选择游戏

GTSRB TensorFlow Lite 德国交通标志基准数据集的示例TensorFlow Lite分类模型。 创建该项目的目的是展示如何在之上构建卷积神经网络（通过Transfer Learning），并在TensorFlow Lite SDK的移动应用程序中使用卷积神经网络。 有关更多详细信息，请检查： 博客文章： 具有：数据集准备，模型训练和验证，转换为TensorFlow Lite。 数据集： 灵感：

路径规划 此仓库提供了三种路径规划算法的实现：带有严格访问列表的A *，终身计划A *和带有严格访问列表的D * Lite最终版本A * 数据结构： q priority queue max_q_size unsigned int expansions hash table final_path string run_time long long is_found bool 伪代码： q . push start while q is not empty and q . top != goal curr = q . pop if curr has not been

This repo implements SSD (Single Shot MultiBox Detector). The implementation is heavily influenced by the projects ssd.pytorch and Detectron. The design goal is modularity and extensibility. Currently, it has MobileNetV1, MobileNetV2, and VGG based SSD/SSD-Lite implementations. It also has out-of-box support for retraining on Google Open Images dataset.

GDAL-iOS-Lite 适用于iOS的GDAL包装容器，二进制库的大小减小了，从而消除了GIT LFS的需要。

元矿工 Meta Miner：允许向任何阶层矿工添加算法切换支持。 不增加任何额外的采矿费。 检查mm.js内置帮助 Usage: mm.js [] [options] Adding algo switching support to *any* stratum miner is file name of config file to load before parsing options (mm.json by default) Config file and options should define at least one pool and miner: Options: --pool= (-p): is in pool_address:p

D * -Lite类 该软件是D * -Lite算法的实现，如[Koenig，2002]中所述。 这是非优化版本，如本文图5所述。 在下面的第3节中说明了对该算法所做的一些小改进。 该资源是根据GNU通用公共许可证版本3（2007年6月29日发布）发布的，该版本可在以下获得： ： 请注意，这是一个早期版本，该软件仍然存在一些小错误。 运行dstar测试程序： 您需要先安装OpenGL / GLUT库，然后才能运行。 但是您不需要他们在自己的程序中使用Dstar类。 $ tar -xzf dstar.tgz $ cd dstar $ make $ ./dstar 指令 [q / Q]-退出 [r / R]-重新计划 [a / A]-切换自动重新计划 [c / C]-清除（重新启动） 鼠标左键-使单元格不可遍历（成本-1） 鼠标中键-将目标移至单元格 右键单击-将开始移至单元

QMaze_Lite_v2.1

64位

人脸识别颤动 实时面部识别颤动应用程序。 apk文件。 脚步 人脸检测 使用Firebase ML Vision来检测人脸。 人脸识别 转换Tensorflow实施模型引入tflite。 正在安装 步骤1：下载或克隆此仓库： git clone https://github.com/Rajatkalsotra/Face-Recognition-Flutter.git 步骤2：转到项目根目录，并在控制台中执行以下命令以获取所需的依赖关系： flutter pub get 第3步：为flutter_tflite软件包添加动态库，以使其正常工作： 步骤4：安装Flutter应用 flutter run 认可度 （来自Westworld的照片） 贡献 贡献使开源社区成为了一个令人赞叹的学习，启发和创造场所。 您所做的任何贡献都将不胜感激。 分叉项目 创建您的Feature分支（ gi