以完美国际为例（强烈建议以窗口模式进行游戏，切换时响应较快），
1、打开一个完美国际客户端，进入游戏界面。
2、打开CoolG软件，在窗口列表中选择Element Client（…）（省略号为一数字，如其他游戏请选择相应进程）项目。
3、选择下方按键为“F1”（或其他热键），次数为“1”，时间（秒）为“1”，循环为“1”，并勾上前面复选框。
4、点击“+”按钮将设定添加到下方窗口。
5、点击窗口左上“开始”按钮。
6、然后可以开下一个完美国际客户端进入游戏。
只要有足够的CPU和内存，您可以继续开多个客户端，方法为重复以上“2～6”步骤。
为简化步骤3、4操作，可以按上方保存按钮保存设置，下次使用时打开保存即可。
2022-05-10 14:51:34
340KB
1
去噪声代码matlab
双线性除雾网络
这是使用成分损失进行除雾的双线性网络的matlab代码。
训练数据准备我们使用NYU2数据集。
从网站“”下载它们。
使用“
gnerate_hazy_img_noise.m”生成朦胧的噪声图像。
使用“
gnerate_hazy_img_nyu.m”生成模糊无噪声的图像。
然后使用“
generate_train.m”制作训练数据。
注意“文件夹”，“模糊”和“深度”分别用于清晰的地面真实图像，模糊图像和深度图。
将它们更改为您自己的路径。
培训使用train.m开始培训。
损失函数vl_nnhazerobustloss.m
--->本文使用的L2范数损失。
vl_nnhazesquareloss_non_noise.m
--->本文中用于无噪声训练的L2范数损失。
测试使用“
demo_test.m”查看经过训练的模型的去雾和去噪结果。
2022-03-11 12:42:28
66.95MB
1
用C语言写的一个数据结构课程设计，该程序实现了20*20棋盘大小的五子棋人工智能对战游戏程序，支持网络对战、支持双人游戏、支持棋局录制与重放，还有音乐播放功能 。（最重要的是包含课程设计文档，和程序的源代码）。
2021-12-03 20:12:41
2.5MB
1
超分辨率SRDPNs张量流
tensorflow实现的超分辨率：
我基于双路径网络的超分辨率实现，但与原始网络完全不同，差异如下所示：
我修改了双路径块的结构，以加快训练速度。
我引入了瓶颈以减小尺寸并进行去卷积以恢复细节。
介绍基于VGG19的特征空间的知觉损失和克损失。
依存关系：
张量流> = 1.3.0 Scipy> = 0.18 GPU内存> 7G
用法：
首先，您需要在下载VGG19的模块以进行损耗函数计算。 然后，将下载的文件imagenet-vgg-verydeep-19.mat移到该项目的SRDPNs文件夹中。
供测试用：
打开main.py ，将数据路径更改为您的数据，例如： flags.DEFINE_string("testimg", "2.bmp", "Name of test image") 执行python main.py进行测试，结果将保存在示例
2021-10-13 21:35:50
21.35MB
1