SolidityDrive 我创建了以下应用程序，以熟悉Solidity，松露，web3和IPFS。 这是一个简单的驱动器应用程序，其中文件保存在IPFS中，以太坊智能合约将文件与帐户链接。 前端显示放置区和链接到每个以太坊钱包的文件列表。 将文件放入dropzone会将其保存在IPFS分布式存储中。 之后，哈希，文件名，时间戳等将保存在以太坊存储智能合约中，该合约将文件与帐户链接。 在Metamask中更改帐户后，前端将重新加载，访问存储智能合约并呈现文件列表。 在单击该文件时，该用户将随文件重定向到IPFS目录。 前端是一个容易React的项目。 部署方式 克隆仓库 安装 为以太坊安

示例项目显示了如何使用Spark创建WebSocket服务器。 服务器设置为在ws：// localhost：8080 / socket上侦听，并且将通过将内容回显给发件人来响应二进制消息和文本消息。 克隆项目并运行gradle run来启动它。

用于使用多页向导开发站点的 php 框架。 还包含用于数据持久化和编辑/显示/搜索持久化对象的类。

jeecg 3.2.0 代码生成器，开源的快速web开发平台

去噪声代码matlab python中具有Huber准则的稀疏鲁棒线性回归 此代码说明了将Huber准则用于各种任务的说明。 它包含一个与本文相关的工具箱： Block-wise Minimization-Majorization Algorithm for Huber's Criterion: Sparse Learning and Applications, Esa Ollila and Ammar Mian Submitted to MLSP 2020 conference. 它还有助于提高论文中提出的结果的可重复性。 它提供了matlab和python代码。 警告：Python版本仍在调试中，虽然不如matlab可信，但仍在开发中。 本文的结果是使用matlab版本获得的。 文件的组织 该存储库被分解为两个子目录： matlab /，其中包含matlab代码。 要重现本文介绍的结果，请运行： Simulation_1_Regression_example.m Simulation_1_Image_denoising_example.m python /，其中包含python代码

简介 JEECG（J2EE Code Generation）是一款基于代码生成器的智能开发平台，引领新开发模式(手工MERGE半智能开发)， 可以帮助解决Java项目60%的重复工作，让开发更多关注业务逻辑。既能快速提高开发效率，帮助公司节省人力成本，同时又不失灵活性。 JEECG宗旨是：简单功能由代码生成器生成使用; 复杂业务采用表单自定义，业务流程使用工作流来实现、扩展出任务接口，供开发编写业务逻辑。 实现了流程任务节点和任务接口的灵活配置，既保证了公司流程的保密行，又减少了开发人员的工作量 架构说明 JEECG V3.0版本采用SpringMVC+Hibernate+UI快速开发库 的基础架构,采用面向声明的开发模式， 基于泛型编写极少代码即可实现复杂的数据展示、数据编辑、 表单处理等功能，再配合代码生成器的使用,将J2EE的开发效率提高6倍以上，可以将代码减少60%以上。 JEECG V3.0版本六大技术点: 1.代码生成器 2.UI快速开发库 3.在线流程设计 4.系统日志记录 5.Web GIS支持 6.移动平台支持Bootstrap(兼容Html5) 技术点一：代码生成器，支持多种数据模型,根据表生成对应的Entity,Service,Dao,Action,JSP等,增删改查功能生成直接使用 技术点二：UI快速开发库，针对WEB UI进行标准封装，页面统一采用UI标签实现功能：数据datagrid,表单校验,Popup,Tab等，实现JSP页面零JS，开发维护非常高效 技术点三：在线流程定义，采用开源Activiti流程引擎，实现在线画流程,自定义表单,表单挂接,业务流转，流程监控，流程跟踪，流程委托等 技术点四：Web GIS支持，采用采用OpenLayers技术 技术点五：移动平台支持，对Bootstrap(兼容Html5)进行标准封装 JEECG V3.0,经过了专业压力测试,性能测试，保证后台数据的准确性和页面访问速度 支持多种浏览器: IE, 火狐, Google 等浏览器访问速度都很快 支持数据库: Mysql,Oracle10g等 基础权限: 用户，角色，菜单权限，按钮权限，数据权限 智能报表集成: 简易的图像报表工具和Excel导入导出 Web容器测试通过的有Jetty和Tomcat6 待推出功能：分布式部署，云计算，移动平台开发，规则引擎，代码生成器(eclipse插件) 要求JDK1.6+

Flask-Rabmq Flask-Rabmq是Flask的扩展，它为您的应用程序添加了对Rabbitmq的支持。 它旨在通过提供有用的默认值和额外的帮助程序来简化完成常见任务的过程，从而简化将Rabbitmq与Flask结合使用的过程。 正在安装 使用pip安装和更新： $ pip install -U Flask-Rabmq 一个简单的例子 import logging from flask import Flask from flask_rabmq import RabbitMQ logging . basicConfig ( format = '%(asctime)s %(process)d,%(threadName)s %(filename)s:%(lineno)d [%(levelname)s] %(message)s' , date

实体关系提取 基于TensorFlow的实体和关系提取。基于TensorFlow的实体和关系撤消，2019语言与智能技术竞赛信息撤除（实体与关系撤回）任务解决方案。 如果您对信息抽取论文研究感兴趣，可以查看我的博客。 抽象 该代码以管道式的方式处理实体及关系抽取任务，首先使用一个多标签分类模型判断句子的关系种类，然后将句子和可能的关系类型输入序列标注模型中，序列标注模型标注出句子中的实体，最终结合预测的关系和实体输出实体-关系列表：（实体1，关系，实体2）。 该代码以管道方式处理实体和关系提取任务。 首先，使用多标签分类模型来判断句子的关系类型。 然后，将句子和可能的关系类型输入到序列标签模

ÇrowdÇountingÇODE框架（C ^ 3-框架） Python 3开发人员版本！ 开源的PyTorch代码用于人群计数 注意：由于个人原因，该代码将不会继续保留。 我建议您在使用或其他出色的代码。 技术博客 [2019.05] [中文博客] C ^ 3框架系列之一：一个基于PyTorch的开源人群计数框架[] 目标 该代码的目的是一个有效，灵活的框架，用于监督人群计数。 同时，我们在主流数据集上提供了一些基本网络和经典算法的性能。 特征 方便的开发套件。 它是六个主要数据集上的便捷开发套件。 坚实的基线。 它提供了一些经典的预训练模型的基线，例如AlexNet，VGG，ResNet等。 在此基础上，您可以轻松地将建议的模型与它们的效果进行比较。 强大的日志。 它不仅可以在Tensorboard中记录丢失和可视化，还可以保存当前代码包（包括参数设置）。 保存的代码包可以直接运

VirtualApp Android 10.0适应 本项目纯属个人学习修改，有疑问请TG电报群（Telegram）联系： ://t.me/auto_aid（VX：kook_bug）可以过钉钉，企业微信虚拟检测，也有自动化操作模拟操作，按键等 2020.6.4 1，修改原始系统不能反射导致的诸多问题2，修改android版本兼容问题3，修改nullporint客户端应用程序的问题 2020.6.9 1，修复多版本abi兼容问题2，修复AppOps的问题3，修复各类兼容小问题 2020.7.4 1，修复包含WebView的界面会报错2，android 10更多应用稳定兼容3，可以运行当前主