VA_X_Setup2440_0;Visual Assist;VA_X64.dll
2022-05-19 14:11:58 86.38MB c++ 开发语言
1
该求职招聘网站基于B/S架构,采用SSM框架,运用JSP网页开发技术,并结合MySQL数据库,为招聘者和求职者搭建了一个高效、便捷的网络招聘平台。 本系统分别为前台求职招聘和后台系统管理,功能如下: ​ 1.前台求职招聘 ​ 前台首页、用户注册、用户登录、新闻公告、求职须知、求职信息、发布招聘信息、申请职位、个人中心、发布招聘信息、发布求职信息、求职申请、我的求职、意见反馈等功能。 ​ 2.后台系统管理 ​ 系统后台登陆、管理员管理、用户管理、新闻公告管理、职位类型管理、招聘职位管理、个人求职管理、求职申请管理、意见反馈管理等功能
2022-05-19 13:27:58 30.8MB mysql java 数据库 求职招聘
1
里面有16个控件的使用实例 每个有源码 程序有注释 是十分有用和值得借鉴的书
2022-05-19 12:28:32 5.61MB mfc 控件的使用 源码
1
主要是少儿编程图开化编程案例源码,适用于小学各阶段,教师参考学习安全,学生学习案例,各种类型有变色龙.sb3大胃王比赛.sb3独角仙巡线.sb3躲避落石.sb3躲避鲨鱼.sb3机器人采石.sb3驾照模拟器.sb3建造房屋.sb3建造桥梁.sb3墙来啦.sb3蚯蚓过关.sb3赛车超车.sb3沙漠摩托.sb3射击哥布林.sb3射击怪物.rsp射击蟑螂.sb3坦克大战.sb3维修代码模块.rsp消灭病毒.sb3旋风陀螺.sb3雪地坦克Robo送外卖第二部.sb3等等等等等等。。。。。。。。。。。。。。。。。。。。
2022-05-18 14:06:02 75.04MB 源码软件 rogic 图形化编程 少儿编程
飞机大战 外星人入侵 吃豆人 守护花朵 连连看 计算器 弹球小游戏 射击达人 动物对决 迷宫 打地鼠 2048 贪吃蛇 扫雷 滑雪小游戏 飞翔的小鸟 谷歌小游戏 塔防小游戏 坦克大战 吃金币
2022-05-18 14:05:54 165.69MB python pygame 小游戏 少儿编程
DMS DMS是一个集中式的中间件框架,每一个小型中间件将会是完全独立的,将以注册方式使用,主要为了快速开发项目而准备,如:DMS.Autofac,DMS.Consul,DMS.RabbitMQg,DMS.Swagger,GRPC,Thrift,Netty,DMS.Exceptionless,DMS.Log4net,DMS.NLogs,DMS.Consul,Ocelot,IdentityServer,Zookeeper等,Demo中会有每一个中间件的实例方便开发者了解 qq交流群:18362376 作者微信:tangguo_9669 DMS.Autofac 依赖与注入 基于Autofac框架,支持多种方式注入(构造函数注入,属性注入) 1.示例调用 需要先引用Nuget包,安装DMS.Autofac 在Startup类的ConfigureServices方法中添加: 第一种:默认查找当前
2022-05-18 13:55:57 109KB C#
1
绝对好用的资料,错过了一定会后悔终生的,欢迎下载。。。
2022-05-17 22:16:30 1019KB vfp
1
现在大部分人在x机器上安装MACOSX操作系统通常使用两种方式.doc
2022-05-17 19:02:13 1.22MB 文档资料
基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起用户授权对话框 基于MediaProjection进行屏幕录制、截屏,每次开始时会唤起
2022-05-17 14:05:52 221KB 文档资料
简述VGG模型,说明其中的结构(描述模型的结构,哪一层是卷积、那一层是池化、那一层是全连接?),并使用VGG模型完成下面图像分类的实验(建议使用Python语言,Pytorch 框架)。图像分类数据集:CIFAR-10,由10个类的60000个32x32彩色图像组成,每个类有6000个图像;有50000个训练样本(训练集)和10000个测试样本(测试集) 分别使用数据集中训练集的1%、10%、50%、80%样本进行训练模型,使用测试样本进行测试,简述步骤并对比使用不同比例的训练样本对于训练结果的影响(即模型训练完成后,使用测试样本输入模型得到的准确率)。随着数据量的增大,观察每一次模型迭代(模型每完成一次迭代,即所有训练样本输入到模型中进行训练更新)所需的计算时间、内存消耗变化,并做比较。分析试验结果,回答下面问题: A. 说明你实验的硬件环境 B. 说明自己程序中使用的是哪种梯度下降算法(随机、批量、全部)? C. 训练过程中你调整了哪些参数,谈谈你的调参过程和调参技巧 D. 当数据量逐渐变大时,你的训练测试过程有没遇到实质性困难?
2022-05-17 12:06:09 80.85MB 图像分类 CIFAR10 pytorch VGG