预搜索 [英语-TiếngViệtbêndưới] PreSearch自动化搜索(放弃完整源代码) 从现在开始声明PRE令牌 ! 每天,您有30次随机选择,可获得0.12 PRE的奖励。 因此,在1个月后,您可能会收到108 PRE〜10美元(1 PRE = 0.09882美元)。 但是,PreSearch在Google或Bing上还不够好,因此使用起来并不舒服! 职能: 自动使用Cookie进行身份验证。 关键字具有随机的内容和长度(1-7个字)。 输入关键字以搜索输入(例如用户操作)。 单击随机搜索结果,以随机时间(3-12s)查看,然后返回单击其他(在等待随机时间(3-12s)之后)。 每次运行搜索30 * 120%次,然后暂停20到40分钟,直到永远循环。 支持单账户,多账户带代理。 教程: [16/04/2021] 。 main.py (1个帐户,不支持代理
2021-11-12 23:01:47 5.7MB Python
1
功能 连续获取一个或多个微博关键词搜索结果,并将结果写入文件(可选),数据库(可选)等所谓微博关键词搜索即:搜索正文中包含指定关键词的微博,可以指定搜索的时间范围。举个栗子,通常您可以搜索包含关键字“迪丽热巴”且发布日期在2020-03-01和2020-03-16之间的微博。搜索结果数量巨大,对于非常热门的关键字,在一天的指定时间范围内,可以获得1000万以上的搜索结果。注意这里的一天指的是时间筛选范围,具体多连续将这1000万微博下载到本地还要看获取的速度。1000万只是一天时间范围可获取的微博数量,如果想获取更多微博,可以增加时间范围,比如10天,最多可获得1000万X10 = 1亿条搜索结果,当然你也可以再加大时间范围。对于大多数关键字,微博一天产生的相关搜索结果应该低于1000万,因此可以说本程序可以获取指定关键字的全部或近似全部的搜索结果。 ,如微博正文,发布者等,详情见部分。支
2021-09-30 18:49:18 21KB Python
1
单路径一枪NAS 此存储库提供了Zichao Guo等人基于Pytorch的SPOS()的实现。 al。 此仓库仅包含“块搜索”以供参考。 在ImageNet上训练该网络非常耗时,这使我无法在现有资源下完成实验。 因此,此回购协议主要集中在CIFAR-10上,非常感谢Zichao Guo在某些细节上的建议。 但是,与仍有一些差异,例如数据预处理和一些超级参数。 我已经对CIFAR-10数据集进行了超网训练,并随机采样了1K模型进行验证。 模型检查点和精度分布如下: 超级网 随机搜索 环境环境 Python == 3.6.8, Pytorch == 1.1.0, CUDA == 9.0.176, cuDNN == 7.3.0, GPU == Single GTX 1080Ti 数据集 SPOS可以直接在CIFAR-10和ImageNet上进行训练。 可以使用此代码自动下载CIFA
2021-09-22 18:33:07 101KB Python
1
基于 scrapy + elasticsearch + django 搭建的分布式电影搜索 利用 scrapy 爬取知名电影网站的下载链接 利用 elasticsearch 存储数据 利用 django 搭建电影搜索界面 数据采集 支持同步、异步数据存储至 Mysql 数据库 支持 elasticsearch 数据存储 支持 json 数据导出 保存日志至 logs 目录 搜索界面 搜索建议 简化电影下载页面 电影网站 龙部落 美剧天堂 电影首发站
2021-09-22 11:32:28 4.3MB elasticsearch django python3 scrapy
1
8拼图 解决深度优先搜索,广度优先搜索,贪婪最佳优先搜索
1
bilibili海外区域搜索 首先安装Tampermonkey等脚本管理工具,然后点击安装脚本。 在搜索页面选中番剧标签,设置好代理服务器,代理服务器相关详见。 设置好代理服务器后点击“搜海外”按钮即可搜索。
2021-09-16 16:15:59 4KB JavaScript
1
DeepL-翻译 Electron应用程序可复制剪贴板并在DeepL中运行翻译。不使用DeepL Pro API。 一个仅监视剪贴板并粘贴的应用程序 如何使用 复制翻译的文本后,按Alt + N执行DeepL翻译。
2021-09-05 21:33:24 3KB JavaScript
1
跳跃点搜索 Matlab中的跳转点搜索
2021-08-30 11:38:48 212KB MATLAB
1
基于的描述,此程序包提供了自适应大邻域搜索(ALNS)元启发式方法的一般,经过充分记录和测试的实现。 它可以按以下常规方式安装: pip install alns 如何使用 alns包提供了两个类,即ALNS和State 。 第一个可以用来运行ALNS算法,第二个可以被子类化以存储解决方案状态-它所需要的只是定义一个objective成员函数,并返回一个目标值。 必须为ALNS算法提供接受标准,以便在每次迭代时确定是否接受新的解决方案状态。 给出了通用验收标准的概述 。 在alns.criteria ,已经为您实现了几个 HillClimbing 。 最简单的接受标准是爬山,仅接受提高目标值的解决方案。 RecordToRecordTravel 。 仅当改进满足某些更新阈值时,此准则才接受解决方案。 SimulatedAnnealing 。 当标度概率大于某个随机数时,使用更新温
1
创建于 :heart_suit: , 和 跑步: $ sudo npm install bower -g $ bower install 建造: $ sudo npm install $ npm run build $ open dist/index.html 使用fixtures 在stealconfig.js fixtures: false改为fixtures:true
2021-07-11 13:03:38 142KB JavaScript
1