注意 代码基于python2, 请安装python2环境 由于代码内部import时倒入了代码路径，请保持各文件夹命名不变 k2p_web_test k2p新ui页面自动化测试 各目录文件说明 data 页面输入数据 docs 接口文档，开发指南等 log 运行日志文件 src 各功能自动化测试实现 testScript 单元测试脚本

schoolPostageSystem:校园电信资费平台

react-elm 前言 之前学习vue的时候, 就学习过bailicangdu大神的vue2-elm项目.最近在学习完react基础,想找一个实战项目来练手深入了解react, 就打算用react重写vue2-elm,后端数据还是用vue2-elm,实在没有经历撸后端(感谢bailicangdu). 该项目是饿了吗, 目前开发了登录、注册、购物车、商品展示、用户信息等,算一个比较完整的项目,这个项目比较复杂,这也是我选这个项目的原因 技术栈 react4 + react-redux + react-router + es6 + axios + sass + webpack 说明 觉得对你有帮助,请点右上角的Star支持一下 bailicangdu大神的项目地址 推荐一下我的另一个项目“用console.log看vue源码” 项目运行 node >= 6.0 git clone git

用于弱光图像增强的零参考深曲线估计 您可以在这里找到更多详细信息： : 。 玩得开心！ Zero-DCE的实现仅用于非商业用途。 火炬 零DCE的Pytorch实现 要求 Python 3.7 火炬1.0.0 OpenCV 火炬视觉0.2.1 CUDA 10.0 零DCE不需要特殊的配置。 只是基本环境。 或者您可以创建一个conda环境来像这样运行我们的代码：conda create --name zerodce_env opencv pytorch == 1.0.0 torchvision == 0.2.1 cuda100 python = 3.7 -c pytorch 资料夹结构 首先下载Zero-DCE_code。 下面显示了基本的文件夹结构。 ├── data │ ├── test_data # testing data. You can make a new

DIPpro:图像处理

学习Android练手作品 bingghost 俄罗斯方块AI设计文档 一.概要 使用了2种AI算法: 一种是经典的Pierre Dellacherie算法 一种基于基于深度搜索的算法: 由于时间因素,只测试了一次Pierre Dellacherie算法,消行数13W+ 第2种算法没有花时间去测试,理论上消行数应该比较可观 下面简单介绍2种AI算法实现思路 二.Pierre Dellacherie算法：（只考虑当前方块） Pierre Dellacherie官网: AI算法主要是评分函数: 所以只介绍评分函数 尝试着对当前落子的每一种旋转变换、从左到右地摆放，产生所有摆法。 对每一种摆法进行评价。评价包含如下6项指标 1.下落高度（Landing Height）： 当前方块落下去之后，方块中点距底部的方格数 事实上，不求中点也是可以的，详见官网 我实现的方法是分别求出当前方块固定后, 最高

一、博文地址 二、项目介绍 此项目是实现商品的从后台填写商品信息、商品上架（立即上架 或 定时上架），到前台用户可见可商品后进行购买（购物车 或 立即购买）后的待结算、待支付状态，再到用户支付（模拟支付，暂时没有实现）后商品的状态为待发货，后台管理人员进行发货操作后填写运单号码并确认发货，再到用户收到商品后点击确认收货、评价订单，最后订单状态已完成的整个在线购物的商品交易流程。 商品上架-> 待结算 ->待支付 ->待发货 ->待收货 ->待评价 ->已完成 同时此项目配备了完善的开发文档（ 60+ 页 ），涵盖了整个系统的需求分析、功能分析、系统设计、数据库设计、系统模块设计和系统实现等内容，可以为项目的学习者或使用者提供很好的辅助作用。 三、技术栈 Spring + SpringMVC + MyBatis + Redis + RabbitMQ + Quartz + Bootstrap

echarts 大数据面板展示，欢迎Star

翼型的空气动力学优化 使用进化算法对机翼进行空气动力学优化。 动机 该项目于2016年5月完成，目的是对ISAE-SUPAERO研究生院第二年的粘性空气动力学课程进行最终评估。 方法 目的是找到一种在滑流条件下能最大化给定性能标准的滑翔机翼型。 选择类形状变换（CST）可以对机翼几何形状进行数学建模，因为它所需的参数数量少且具有强大的建模能力。 CST还可以轻松确保前后缘的几何形状一致。 使用了两种不同的优化算法： 首先实现了遗传算法，其中CST参数充当“染色体”，而机翼充当“个体”。 然后实施了混合遗传算法，包括两个步骤。 第一步与遗传算法相同，其中第二步执行约束优化，以进一步利用先前发现的局部吸引区。 迄今为止，仅遗传算法已上传。 先决条件 该项目是用MATLAB编写的，因此需要MATLAB的副本。 它还使用了MATLAB的Global Optimization Toolbox的

TSP use some algorithm to solve the TSP. Including Genetic Algorithm(GA),Particle Swarm Optimization(PSO),ant colony optimization(ACO). 利用遗传算法 粒子群算法 蚁群算法 求解旅行商问题 You can get more detail info from my blog. 我的博客中有代码的算法原理，链接如下。 url: