actions_build_ErfanGSI
一个基于Github Actions制作的自动跑ErfanGSIs的脚本。
步骤如下：
首先，fork这个仓库。
接着，编辑build_ErfanGSIs.yml文件，把其中的ROM_URL改成你要做gsi的底包（注意直链）；还有ROM_NAME改成你的ROM名称。
然后，按Star小星星就可以开始了！
最后，在上传GSI里展开，看下载链接链接，访问即可下载。
注意：由于上传BitSend已挂，已更换为WeTransfer。但是有2g大小限制，需要设置仅跑Aonly或AB。详见酷安@巨龙Jvlong的相关动态。
附：ErfanGSI支持的ROM
ROM_NAME里填一摸一样的，下的ROM也要一样； Generic是（类）原生的意思
9饼：
ColorOS Flyme通用MIUI Moto Nubia OneUI OxygenOS像素Xpe
2024-04-02 11:53:11
4KB
1
这是继2017、2018及2019年之后，中国信通院连续第四次发布国际数字经济研究报告，内容涵盖全球47个国家的数字经济发展环境、整体态势、数字产业化、产业数字化以及关键领域等多个方面内容。报告显示，2019年，全球数字经济规模达到31.8万亿美元，同比名义增长5.4%，占GDP比重为41.5%，在全球经济整体下行压力增大的背景下，数字经济“逆势上扬”，成为各国稳定经济增长，实现经济复苏的关键抓手。
2024-03-24 21:32:14
2.31MB
1
Yoshua Bengio 等人基于学习器适应新分布的速度提出一种元学习因果结构，假设新分布由干预、智能体动作以及其它非稳态（non-stationarity）导致的稀疏分布变化引起，由此得出“正确的因果结构选择 会使学习器**更快地适应修改后的分布**”。该假设的研究将“适应修改后分布的速度”作为元学习的目标，表明“这可用于决定两个观测变量之间的因果关系”。研究结论的价值即特点和优势发现是，分布变化无需对应标准干预，学习器不具备关于干预的直接知识。因果结构可通过连续变量进行参数化，并以端到端的形式学得。研究探讨了想法的如何应用，来满足“独立机制 以及 动作和非稳态 导致的 机制内微小稀疏变化 ”的假设。
2024-03-18 08:53:54
727KB
1
本文为大家奉上NeurIPS 2020必读的六篇因果推理（Causal Inference）相关论文——Covid-19传播因果分析、反事实概率方法、因果图发现、因果模仿学习、弱监督语义分割、不确定性因果效应。
2024-03-18 08:52:22
10.84MB
1
!!!详情见ReadMe.txt
1.DevExpressUniversalTrialComplete 为本版本初始发布安装包，内含所有组件。
2.DevExpressComponents 为控件安装包。后面带有版本号+序号的为Hotfix
2024-03-10 16:14:07
431.48MB
1
Given a photo of an apple leaf, can you accurately assess its health? The dataset contains training and testing images, a total of 3642，to identify the category of foliar diseases in apple trees.（给定一张苹果叶的照片，您可以准确评估它的健康吗？这个数据集为了确定苹果树中的叶病类别，提供了3642 张训练和测试图像。）
Plant Pathology 2020 - FGVC7_datasets.txt
2024-03-09 16:00:53
430B
1