是一个高性能预和求解器的库，具有多种网格方法，可在大型并行计算机上求解大型稀疏线性方程组。 有关文档，请参见我们的。 要安装HYPRE，请参阅文档或文件 。 HYPRE发行历史的概述可以在文件中。 我们感谢用户的反馈。 请在上提交评论，建议并报告问题。 另请参见 。 执照 HYPRE根据MIT许可证和Apache许可证（2.0版）的条款进行分发。 用户可以选择任一个许可证。 所有新的贡献都必须在MIT和Apache-2.0许可下进行。 有关详细信息，请参见 ， ， 和 。 SPDX-License-Identifier：（Apache-2.0或MIT） LLNL代码778117

视频播放器 适用于 Android 的免费、成熟、开源的媒体播放器。 作者 Fengwx 执照 Copyright (C) 2014 fengwx.cn@gmail.com Licensed under the Apache License, Version 2.0 (the "License"); you may not use this file except in compliance with the License. You may obtain a copy of the License at http://www.apache.org/licenses/LICENSE-2.0 Unless required by applicable law or agreed to in writing, software distributed under the License i

带有Python的Neural Network Visualizer Web App 使用Streamlit的Neural Network Visualizer Web应用程序，以及使用Keras和Flask的简单模型服务器。 它使用Keras训练神经网络模型，并使用Keras的功能API创建具有多个输出的模型。 它是一个Web应用程序，可针对给定的输入可视化神经网络所有层的所有节点的输出。

jupyterlab交互式仪表板编辑器 在JupyterLab中交互式创建和自定义仪表板 附加的Gif 点击展开直接在笔记本电脑上在仪表板上添加和重新排列输出。 添加多个笔记本的输出。 立即查看更改。 预览您的仪表板并在当前模式下与小部件进行交互。 撤消并重做。 也添加降价促销。 将仪表板保存到文件中， 加载它们， 并再次编辑它们！ 要求 JupyterLab> = 2.0 安装 注意：您将需要NodeJS来安装扩展。 pip install jupyterlab_interactive_dashboard_editor jupyter lab build 安装 jlpm命令是JupyterLab随JupyterLab一起安装的固定版本。您可以使用yarn或npm代替下面的jlpm 。 # Clone the repo to your local environment # Move

Java中的三维茶壶 使用 Java 3D API 制作的三维茶壶查看器。 设置项目 确保你已经安装了 Java 解释数据文件 8 个数据 (.dat) 文件中的每一个都代表了完整茶壶的一部分，如下所示：- tpot1.dat - 正文部分 1 tpot2.dat - 正文第 2 部分 tpot3.dat - 正文第 3 部分 tpot4.dat - 句柄 tpot5.dat - 基础 tpot6.dat - 喷口 tpot7.dat - 盖子顶部 tpot8.dat - 盖子底部 每个数据文件中的数字说明 这些文件给出了茶壶一部分的点坐标。 每个文件都以数字 64 开头，表示将有 64 个点要遵循。 接下来的 64 行中的每一行都有 4 个空格分隔的数字。 例如。 5 1.38426 0.00000 2.48750 这表示 x 坐标为 1.38426、y 坐标为 0.00000 和

assembler:C语言中的汇编编译器

c语言编译器全部源码贡献，为学习编译或是提高编程能力都有极大的帮助

#Description基于C ++的反向代理服务器。 反向代理服务器有助于从一个或多个后端Web服务器检索客户端的资源。 它用作内部运行多个服务器的系统的单入口接口。 建造 export WORKSPACE= cd ${WORKSPACE} mkdir build cd build cmake .. make 跑步 $ {WORKSPACE} / build / src / reverse-proxy-server -f映射文件 where mapping-file is a simple JSON file providing the mapping of URL and port number of back-end server. Here is an example: { "first" : "2

免责声明 没有积极维护该存储库。 这是一篇硕士论文的结果，如果有人想复制论文的结果，可以将该代码作为参考。 鸟类种类分类 这些是在Chalmers University of Technology进行的硕士学位论文的项目文件。 该项目的目的是通过使用深度残差神经网络，多宽度频率增量数据增强和元数据融合来构建和训练鸟类分类器，从而改进最先进的鸟类分类器。带有相应物种标签的鸟类歌曲数据。 如果该资料库对您的研究有用，请引用硕士论文。 设置 $ git clone https://github.com/johnmartinsson/bird-species-classification $ virtualenv -p /usr/bin/python3.6 venv $ source venv/bin/activate (venv)$ pip install -r requirements.txt

PIC16F877A_Controle_Heater_e_Cooler:PIC16F877A-可控加热器和冷却器