体面店 使用Ipfs使用Hyperledger Fabric进行分散式文件存储 背景 文件将通过API存储在去中心化存储平台IPFS中。 所有上传的文件哈希将被映射到区块链（超级账本结构）上的特定用户 示范 用户注册： 上传文件： 文件存储： 应用程序演示可从 注意：仅用于演示。 不用于生产用途。 保留。 作者 :waving_hand:

有向无环图的并行DFS 根据， 是DFS遍历的并行算法的C ++实现。 该算法下的思想克服了基于DFS的标准标记方法的并行实现问题。 这是因为DFS在边缘访问和某些全局变量的使用方面要求严格的顺序，这在需要并行处理时代表了很大的局限性。 该算法为有向无环图（DAG）的DFS遍历提供了不超过3次BFS访问的有效解决方案，从而可以找到DAG节点之间的前序，后序和父级关系。 BFS的首次访问旨在将DAG转换为DT（图B）； 下次访问是在DT上完成的，它的作用是为每个节点找到子树的大小，子树的大小定义为可从其到达的节点数加上自身（图C）； 进行第三次访问时，可以获取根据DFS访问顺序先前应访问的节点，查看当前节点的先前同级和父级先前同级的子树大小（图D）。 从先前计算出的值开始，我们获得后顺序和前顺序（在此实现中未计算后顺序，但是只需对代码进行很小的更改即可轻松完成）（图E）。 请注意

News Android新闻客户端 + Java后台 Android架构：MVVM + OkHttp + RxJava + Retrofit + CC(组件化) 后端架构：SpringBoot + Mybatis + Redis + Shiro + AOP 慢慢完善中.....

树转移 简介 el-tree-fransfer是一个基于VUE和element-ui的树形穿梭框组件，使用前请确认已经发布 ！此组件功能组件element-ui的组件，但是里面的数据是树形结构！，， el-tree-transfer依赖的element-ui组件分别是， ，和最主要的写成！不是在element-ui的穿梭框组件上的扩展，而明显参照了其外观样式和功能。 因为公司业务使用vue框架，ui库使用的element-ui。在城市表面找到一个好用的vue树形穿梭框组件都很难，又不想仅仅因为一个穿梭框在element-ui之外其他重量级插件，因此就有了el-tree-transfer。轻量，

视音频编辑器 前言 有时候我们想对音视频进行加工处理，比如视频编辑、添加字幕、裁剪等功能处理，虽然 Github 上开源了一些比较不错的项目，但是如果我们想在此项目上进行二次开发，比如我想拿到该项目的动态库基于 OpenH264 来进行对 YUV 编码，这个时候有可能该动态库没有集成 OpenH64 库，所以为了扩展性，我就自己弄了一套万能的库，基本上包含了所有常用的音视频处理库，你不用再去进行编译。编译完成的头文件和动态库可以在该项目的 core/cpp 目录自行获取(已完全开源)。 ##介绍 视音频编辑器 主要移至 **FFmpeg v4.4-dev + libx264 + freetype + fontconfig + fribidi + openh264 +libfdk-aac + gnutls + speex + libwebp + lame +opus + opencore-

非常简单的STUN客户 顾名思义，这是一个非常简单完成的STUN客户端，它使用C＃编写并且基于 ，可以在TCP或UDP上运行。 这是作为概念验证的目的，旨在使用STUN协议向NAT添加NAT打Kong。 它仅实现XOR-MAPPED-ADDRESS ， MAPPED-ADDRESS和SOFTWARE属性，这些属性足以向公共STUN服务器请求IP端点。 如何使用 请不要

java利用bouncycastle生成国密x509证书并将证书以pem格式存入文件

pytorch图注意网络 这是Veličković等人提出的图注意力网络（GAT）模型的火炬实施。 （2017， ）。 回购协议最初是从分叉的。 有关GAT（Tensorflow）的官方存储库，请访问 。 因此，如果您在研究中利用pyGAT模型，请引用以下内容： @article{ velickovic2018graph, title="{Graph Attention Networks}", author={Veli{\v{c}}kovi{\'{c}}, Petar and Cucurull, Guillem and Casanova, Arantxa and Romero, Adriana and Li{\`{o}}, Pietro and Bengio, Yoshua}, journal={International Conference on Learning

HP-GAN：通过 GAN 进行概率 3D 人体运动预测 此 repo 实现了 HP-GAN 论文 ( ) 背后代码的更新版本。 依赖关系 TensorFlow 1.8 h5py 枕头 麻木的 电影 数据集 我们使用来自 NTU-RGBD 和 Human 3.6m 数据集的 3D 骨架数据来训练 HP-GAN： NTU-RGBD： //rose1.ntu.edu.sg/datasets/actionrecognition.asp 人类 3.6m： : 对于 Human 3.6m，我们使用了 h5 格式和来自解析代码 准备数据 读取器获取一个 CSV 文件，其中包含骨架文件的实际路径、活动 ID 和主题 ID。 要生成这些CSV文件，请对ntu数据集调用以下命令： python split_ntu_data.py -i /nturgb+d_skeletons

美国签证预约时间自动化爬取+推送通知 包含国内以及国外各种地区，目前包含： CGI系统：中国，柬埔寨，新加坡，韩国，越南，巴拿马，澳大利亚，日本，尼泊尔，泰国 AIS系统：英国，加拿大，阿联酋，厄瓜多尔，法国，塞尔维亚，土耳其，希腊，哥伦比亚，墨西哥 总览 整体逻辑为前端服务器定时向蠕虫服务器发送数据请求，拉取到其本地，更新数据库，推送通知。 爬虫服务器使用Django编译，代码位于文件夹下，CGI系统使用纯请求拉取数据，AIS系统由于有recaptcha2，使用请求和Selenium/ xdotool混合模式拉取数据（感谢 ） 前端服务器采用nginx部署，使用python和爬虫服务器进行交互（详见lite_visa.py），和用户交互使用静态html或php 前端服务器采用Nginx部署，使用FastAPI前进行分离，使用python和爬虫服务器进行交互（详见 ），使用mongo存储