1.开发背景,客户所逼要求表格须有如Excel筛选功能 2.解决方案:使用第三方被迫放弃,自己开发。 3.筛选功能基本实现,列标头还没加图标,只能双击打开筛选窗口。 密码:dglc2022
2022-01-28 14:03:28 28KB DataGridfilter
1
Android应用源码之级联菜单,两级菜单自定义实现提供多种方式PopWindow,Fragment引用.zip
2022-01-12 14:11:11 1.3MB Android应用源码之级联菜单
基于paddle从头实现了单向,多层,双向LSTM,给出了完整使用代码,并与paddle自带的LSTM进行了对比实验。
2021-12-31 19:03:42 8.64MB paddlepaddle LSTM 自定义实现LSTM 深度学习
根据贝塞尔曲面算法,在OpenGL下实现经典例子茶壶旋转,teapot IDE:codeblocks ,相关库文件在GL文件夹中,将必要的DLL文件复制至系统盘system32(win7) system(xp)
2021-12-29 00:44:03 1.63MB C++ Bezier
1
自定义实现md5(字节转16进制字符串),小写32位。目测可用。
2021-11-30 13:00:53 2KB md5
1
svd算法matlab代码主成分分析(PCA)实验 主成分分析(PCA)非常有用,并且是统计和机器学习中常用的算法之一。 该工具被广泛用于各种应用中,例如用于可视化和分析的降维,压缩,离群值检测和图像处理。 PCA是我最喜欢用于各种任务的工具之一,通常用于可视化目的。 但是,我意识到,一直以来,我一直只是将其用作黑匣子,对它的概念只有很浅的了解。 因此,这激发了我使用PCA的自定义实现创建此存储库的动力。 请注意,此存储库无意描述有关PCA的完整详细信息。 仅显示一些python代码以帮助更好地了解其计算方式。 为了获得更好,更全面的资料,我发现“主成分分析教程” [1]非常有用。 关于PCA 简而言之,该方法对角化输入数据的协方差矩阵。 对角矩阵的属性是所有值都是零,除了对角线上的值必须为非零。 该方法假定输入数据的变量之间存在线性关系,并且删除了它们之间的关系。 有几种计算PCA的方法: 通过协方差矩阵-当特征数比记录数下这是非常有用的。 而且更容易解释这种方法。 通过标产品矩阵-当特征数比记录数较高,这是有用的。 通过奇异值分解(SVD) -这种方法在实践中使用最多(Scikit
2021-11-07 22:31:44 103KB 系统开源
1
分散的明星公证人 客观的 创建并实施带有适当UT和基本UI的智能合约,以通过其“令牌ID”“注册”(添加)和“检索”“数字资产”(在本例中为“星”)。 合同应包含以下功能: 创建 存在 代币到资产(星号) 交易:买卖 转移中 交流中 安装 cd erc721-smart-contract cd smart_contracts npm install 注意:将被下载并安装。 本地部署 全局安装truffle和ganache-cli npm install --global truffle ganache-cli 打开一个终端并执行 ganache-cli 结果示例: Ganache CLI v6.2.4 (ganache-core: 2.3.2) Available Accounts ================== (0) 0xdf224df7a6922a153c22
2021-10-27 21:04:08 6.53MB Solidity
1
my_malloc C malloc / free函数的自定义实现
2021-10-04 13:41:22 7KB C
1
自定义实现ARKit,手动搭建ARSession,点击屏幕添加3D虚拟物体
2021-07-26 13:02:09 27.16MB iOS11 ARKit
1
wp-full-stripe-custom WP Full Stripe 插件的自定义实现
2021-07-11 17:03:29 714KB PHP
1