css文件,ssm框架中图书馆里系统用到的
2024-06-13 17:35:08 57KB
1
js资源,ssm框架中图书馆里系统用到的
2024-06-13 17:30:48 158KB
1
【资源声明】: 资源仅供个人学习使用,不可商用,否则后果由使用者承担。 本店资源来自互联网公开渠道人工整理,版权归原作者所有。 如果原作者认为侵犯了您的权益,请通知本店下架相关资源。
2024-06-13 15:33:59 2.79MB unity 网络协议 网络 网络
1
spksrc, 交叉编译框架,为Synology的NAS创建本机包 spksrcspksrc是一个跨编译框架,用于编译和打包 Synology NAS设备的软件。 通过 SynoCommunity存储库可以使包变得有效。在打开新问题之前,请检查常见问题解答并搜索打开的问题。 如果找不到答案,或者要
2024-06-13 11:31:49 6.14MB
1
帝斯曼7 请考虑:DSM 7尚未正式发布。 该beta版本自2020年12月8日起可用,并且(希望)在不久的将来会有一个Release Candidate(RC 1)。 我们预计Synology将于2021年晚些时候正式发布DSM 7(当DSM 7在2021年夏季之前未正式发布时,不要感到惊讶)。 在SynoCommunity中,尚未发布兼容DSM 7的软件包。 尽管您在使用DSM 7的Diskstation的Package Center中看到了SynoCommunity软件包,但这些软件包与DSM 7不兼容。 请不要创建表明无法在DSM 7上安装软件包_xy_的问题。 我们将在此处创建一个问题,以概述这些软件包(无论是否适用于DSM 7)。 但这不会在dsm7分支合并回master之前开始,而且我们有Synology提供的官方DSM 7工具链。 如果要尝试预览在dsm7分支上构
2024-06-13 11:22:29 39.17MB Makefile
1
易语言-多线程开发框架 1.1.1版本
2024-06-12 02:56:23 3.08MB
1
本框架采用易语言开发 用到的模块均为论坛开源版本 .鱼刺多线程 部分代码是取自前辈们的,集合在一起只是方便大家使用! 请勿使用本模块编写有损他人利益的软件,造成的后果全部自负 .提示模块加固 需要安装易语言助手 https://e.125.la/ 推荐安装 .提示e2ee 需要安装e2ee支持库 2024年4月1日06:12:44 .优化线程暂停功能 .优化代理IP使用以及提取 .优化文件导入,去除e2ee支持库 .新增debug模块
2024-06-12 00:42:23 3.48MB 网络协议
1
项目Unity开发版本是:Unity 2021.3.19f1 利用这套框架可以开发出热更新游戏,这套框架也有对应的文档, 文档地址:https://docs.xgamedev.net/zh/documents/0.8/ 这套框架作者加了很多其他的插件以及功能在其中,比如查看日志的插件ConsolePro和Reporter以及微信小游戏开发工具等等。
2024-06-08 22:50:30 58.54MB unity android ios 微信
1
入住博客园4年多了,一直都是看别人的博客,学习别人的知识,为各个默默无私贡献自己技术总结的朋友们顶一个;这几天突然觉得是时候加入该队列中,贡献出自己微弱的力量,努力做到每个月有不同学习总结,知识学习的分享文章。以下要分享的是花了两天时间编写+测试的windows下C#定时管理器框架-Task.MainForm。 目的:   随着这五年在几个公司做不同职位的.net研发者,发现各个公司都或多或少会对接一些第三方合作的接口或者数据抓取功能,都是那种各个服务直接没有关联性功能,开发人员也可能不是一个人,使得winform或者winservice服务版本也越来越多,服务器上各种winform窗体,
2024-06-06 15:49:15 390KB
1
目录 介绍 该存储库表示在开发用于材料科学中的机器学习的图形网络方面的工作。 这项工作仍在进行中,到目前为止,我们开发的模型仅基于我们的最大努力。 我们欢迎任何人使用我们的代码和数据来构建和测试模型的努力,所有这些代码和数据都是公开的。 也欢迎任何意见或建议(请在Github Issues页面上发帖。) 使用我们的预训练MEGNet模型进行晶体特性预测的Web应用程序可从。 MEGNet框架 MatErials图形网络(MEGNet)是DeepMind图形网络[1]的实现,用于材料科学中的通用机器学习。 我们已经证明了它在分子和晶体的广泛属性中实现非常低的预测误差方面所取得的成功(请参阅 [
2024-06-06 11:20:22 39.25MB machine-learning deep-learning tensorflow keras
1