一个基于深度学习的集成端到端图像搜索引擎。它涵盖了图像分类、图像位置（OverFeat）和图像相似度

EKECMS网站管理系统(电脑端 手机端)，以下简称EKECMS。 EKECMS是基于eFrameWork快速开发框架下的应用，主要目的是用于eFrameWork框架的使用示例，功能较全但平面较老，大家可根据实际项目要求进行修改及扩展。 eFrameWork为公开框架，所以默认帐号、密码、目录结构等信息也是公开的，为保证系统安全性，请务必仔细阅读以下内容。 1.修改管理员默认用户名、密码。 2.Manage文件夹为开发平台，实际项目开发完成后可考虑不上传些文件夹。如需在网络上开启，请重命名该文件夹。 3.System文件夹为系统管理端，实际项目请重命名该文件夹。 4.参数安全性检查统一写成一个通用函数放在Global下，请求产生时调用验证。可根据需要进行完善。 5.数据库打开及关闭默认放在Global下统一打开和关闭，使用比较方便。但如果访问量大的站建议需要用到数据库时再打开，用完关闭。 6.系统默认用户名：eketeam 密码：123456 可登录开发平台和管理系统。 7.数据库还原后，记得修改web.config连接字符串 8.eFrameWork框架及EKECMS将不断完善更新，

图像分类 端到端Web应用程序具有CNN模型，可使用tensorflow在猫和狗图像之间进行分类。 数据集：3000张猫狗图像（每张图像1500张）。 查看数据集中的一些图像

网络RC服务器 NRC服务器端后端 架构 graph TB Server Car Remote

YoMarkStore 东软实训项目原始码，电商网站，购物端+管理端 原始文件中DButils实现了SQL语句拼接，是所有功能编写的基础。 该项目，最终最大化完善，但部分功能由于当时的时间问题，无法完成。 JSP动态加载页面，将公共部分抽出来，单独加载。

这是一个外卖点餐系统，包括了移动端App、服务端（中台）和商家的后台管理，移动端为Android，服务端.net MVC搭建，数据库sqlserver。还原数据库，更改接口地址即可运行，还原数据库记得使用sqlserver 2014及以上。系统说明及效果图请看：https://blog.csdn.net/xch_yang/article/details/103913286 移动端主要功能：登录、注册、订餐（支付方式为模拟支付）、订单管理、订单评价、用户信息管理、收货地址管理、地图定位、视频监控、送餐导航、智能客服助手（图灵机器人）、二维码扫描、微信分享、App扫码下载、当前定位城市天气查询、网络监听及控制等

基于Vlan的Unity VR端手机端直播工程，可直接下载工程然后运行在手机和Pico G2 4k设备

前端JS代码： 　　var conditons = []; 　　var test1 = new Object(); 　　test1.name=1; 　　test1.id=2; 　　var test2 = new Object(); 　　test2.name=1; 　　test2.id=2; 　　conditons.push(test1); 　　conditons.push(test2); 　　$(function(){ 　　　　$.ajax({ 　　　　　　async:false, 　　　　　　type:'post', 　　　　　　url:'链接', 　　　　　　dat

描述 @ salesforce / cli-plugins-testkit库提供了测试实用程序，以帮助Salesforce CLI插件作者编写NUT（非单元测试），例如集成，冒烟和e2e样式测试。 例如，您可以编写测试来确保使用隔离的Salesforce项目，Scratch组织和其他Salesforce CLI可执行文件正确执行插件命令。 用法 将此库添加为项目的开发依赖项。 yarn add @salesforcecli/cli-plugins-testkit --dev 创建一个测试文件，然后从您要使用的库中导入实用程序。 使用不同的文件扩展名将有助于将单元测试与NUT分开，即使它们位于同一目录中也是如此。 例如，如果您使用mytest.nut.ts而不是mytest.test.ts ，则可以在package.json中使用以下脚本（假定为mocha）。 { " scrip

机器学习 此存储库包含与使用 R 编程语言的营销和业务分析问题相关的项目。 机器学习可以显着提高营销绩效。 项目 1：营销活动优化 - 我们能否确定要定位的正确客户？ 第一个项目的目标是提高银行的活动营销响应率。 营销部门需要了解什么是重要的。 我们如何将资源分配给更有可能响应的客户。 这是一个经典的二元分类问题。 我们有转换或未转换的客户。 在这个项目中，我通过逻辑回归和决策树来预测营销响应率。 通过此模型的输出，营销部门可以获得与过去营销活动成功转化的客户相似的客户资料。 这是我要发送给营销部门的个人资料。 Marketing should contact customers with these characteristics: 1. marital status - single 2. education - tertiary 3. had respond