c++入门使用软件
2021-09-10 21:01:45 48.1MB c++
1
2020七年级数学下册第九章不等式与不等式组9.2一元一次不等式同步练习新版新人教版
2021-09-09 18:00:07 162KB 资料
C语言、C++开发工具:Dev-Cpp_5.11_TDM-GCC_4.9.2_Setup.exe
2021-09-09 09:07:16 48.1MB C c++ C开发工具 C++开发工具
刚刚做完项目用的工具,破解方法(请看readme.txt文件 )。 温馨提醒:用weblogic 9.2发布项目,项目开始时要用jdk1.5 以上版本,否则发布不成功
2021-09-07 19:08:46 21KB weblogic 9.2 破解包
1
Dev-C++ 5.11 TDM-GCC 4.9.2 Setup.zip
2021-09-06 17:04:02 48.09MB C\C++
目录……………………………………………………………………………………………2 前言……………………………………………………………………………………………3 第一部分ORCAD capture 常用快捷键………………………………………………………4 第二部分ORCAD capture 设计流程及窗口…………………………………………………5 2.1ORCAD capture 流程………………………………………………………………………5 2.2ORCAD capture 工作窗口…………………………………………………………………5 2.3 电路图形绘制工具栏……………………………………………………………………6 第三部分ORCAD capture 使用技巧…………………………………………………………7 3.1 任意角度线的画法………………………………………………………………………7 3.2 节点连接网络的查看……………………………………………………………………7 3.3 部分电路的保存…………………………………………………………………………8 3.4 群组的应用……………………………………………………………………………10 3.5 局部电路的放大………………………………………………………………………10 3.6 在多窗口中显示同一电路……………………………………………………………11 第四部分Capture 中的DRC…………………………………………………………………12 4.1 DRC 的介绍与应用………………………………………………………………………12 第五部分 网表及BOM 的产生………………………………………………………………16 5.1 网表的生成……………………………………………………………………………16 5.2 BOM 的产生………………………………………………………………………………17 第六部分 元件的管理………………………………………………………………………19 6.1 新建元件………………………………………………………………………………19 6.2 添加元件到自己的库文件中…………………………………………………………24 第七部分 电路设计架构……………………………………………………………………27
2021-09-06 16:32:04 943KB ORCAD Capture 9.2使用教程
1
cudnn-7.6.5 对应CUDA9.2版本 windows10 64位 自用备份 烦人的紫薯布丁
2021-09-05 10:33:54 204.59MB windows10-x64
1
INSPINIA Admin Theme is a premium admin dashboard template with flat design concept. It is fully responsive admin dashboard template built with Bootstrap 3.x and 4.x Framework, HTML5 and CSS3. It has a huge collection of reusable UI components integrated with jQuery plugins. It can be used for all type of web applications like custom admin panel, project management system, admin dashboard or application backend
2021-09-03 10:43:44 187.07MB inspin
1
NVIDIA CUDA深度神经网络库 (cuDNN) 是经GPU加速的深度神经网络基元库。cuDNN可大幅优化标准例程(例如用于前向传播和反向传播的卷积层、池化层、归一化层和激活层)的实施。 世界各地的深度学习研究人员和框架开发者都依赖cuDNN实现高性能GPU加速。借助 cuDNN,研究人员和开发者可以专注于训练神经网络及开发软件应用,而不必花时间进行低层级的GPU性能调整。cuDNN可加速广泛应用的深度学习框架,包括 Caffe2、Chainer、Keras、MATLAB、MxNet、PyTorch 和 TensorFlow。
2021-09-02 14:04:03 353.84MB cudnn 深度神经网络库
1