这是SVG格式的各种技术图标，标志符号，徽标和其他图像的集合。 图标主要与Azure相关，但还有其他各种品牌和徽标以及抽象/通用符号。
所有文件都通过运行，以清理并优化它们，并启用了'removeDimensions'插件
可以预期，这三个主要的Azure图标集之间存在许多重叠，但是每个图标集也具有唯一的图标，因此它们被包含在内。 压缩成一个合并的超级集将是一项艰巨的任务
变更日志
所有权和版权
我不将所有权归因于任何这些图标和图像。 没有侵犯版权的目的。 所有文件均来自公共互联网和各种Microsoft网站，并已从中进行抓取。 在合理使用下将它们收集在这里。
Microsoft允许在体系
2022-02-17 13:56:17
2.57MB
1
血缘关系解析工具源码_对hql集合进行静态分析_获取hql对应的血缘图
2022-02-16 19:02:17
390KB
ttkbootstrap
Tkinter TTK的现代主题的集合，这些主题使用标准的跨平台主题（“蛤”，“ alt”，“经典”，“默认”）构建。 这些主题中的大多数都是从发布的开源引导主题改编和/或启发而来的。
安装
pip install ttkbootstrap
示范
您可以通过在python解释器中执行以下代码，在现场演示中查看以下示例
>> from ttkbootstrap import Demo
>> Demo ()
基本用法
from ttkbootstrap import BootStyle , ttk
style = BootStyle ()
style . theme_use ( 'flatly' )
root = style . master
# create widget with primary colors
ttk . Label ( root , text
2022-02-15 18:43:44
303KB
1
基于知识表示学习的实体对齐方法是将多个知识图谱嵌入到低维语义空间,通过计算实体向量之间的相似度实现对齐.现有方法往往关注文本信息而忽视图像信息,导致图像中实体特征信息未得到有效利用.对此,提出一种基于联合知识表示学习的多模态实体对齐方法(ITMEA).该方法联合多模态(图像、文本)数据,采用TransE与TransD相结合的知识表示学习模型,使多模态数据能够嵌入到统一低维语义空间.在低维语义空间中迭代地学习已对齐多模态实体之间的关系,从而实现多模态数据的实体对齐.实验结果表明,ITMEA在WN18-IMG数据集中能够较好地实现多模态实体对齐.
2022-02-15 16:15:34
798KB
1
华为光猫一体机8145v的刷机工具合集,刷机有风险,刷机需谨慎,任何刷机损失由刷机人自行承担.提供一个刷机工具大全方便超级管理员的获取和密码
2022-02-15 10:23:46
64.87MB
1