cmake适用于win10 64bit版本,用于安装openvino
2022-05-18 09:09:15 25.69MB openvino 源码软件 人工智能
1
Odin 能够完美部署到原有的工作流程中,无需费力的集成工作,让您能够序列化任何内容,并使用 80 多个全新检测器属性、无样板代码和更多功能来使用 Unity! - 轻松集成 - 纯编辑器模式 - Odin 编辑器窗口 - 输入验证 - 序列化任何对象 - 强大的列表 - 惊人的扩展性 - 调色板 - 字典 - 还有更多! · 轻松集成: Odin 很容易操作,并且不会打破你的已有工作流程。实际上你甚至不需要继承任何东西,也就是说你的现有编辑器将继续与 Odin 适用。 · 纯编辑器模式: 仅使用 Odin 的编辑器改进,完全禁用序列化。 · Odin 编辑器窗口: 您现在可以使用 Odin 来快速创建自定义的编辑器窗口,帮助组织您的项目和游戏数据。 · 输入验证: 通过允许您的开发者设置场景和输入验证来赋能您的整个团队,让 Unity 的使用对艺术家和开发者来说变得前所未有的容易。 · 序列化任何对象: Odin 使用我们评级很高的自定义序列化协议,让您既可以继承我们的 SerializedBehaviour、SerializedScriptableObject 等
2022-05-17 17:08:28 2.79MB unity 编辑器 文档资料 游戏引擎
将 88x2bu USB wifi 安装到 Synology 将 88x2bu.ko 复制到 /lib/modules/88x2bu.ko chmod 644 88x2bu.ko insmod /lib/modules/88x2bu.ko lsusb 查找 USB 信息,如“|__1-3 aaaa:bbbb:cccc 00 2.10 480MBit/s 500mA 1IF (Realtek 802.11ac NIC 123456)” 回声“(aaaa:bbbb,rtl88x2bu)”>> /lib/udev/devicetable/usb.wifi.table 纳米 /lib/udev/script/usb-wifi-util.sh 在其他 rtl-modules 行之间添加: RTL88X2BU_MODULES="88x2bu" 和 select_modules - section 88x2bu) modules=${RTL88X2BU_MODULES} 下文件的最底部行;; 在 DS3615xs、DSM 6.2-23739、COMFAST 812AC
2022-05-17 12:03:46 4.45MB 综合资源 群晖 网卡驱动
1
适用的安全生产法律法规、标准及其他要求清单、适用条款及文本数据库.pdf
2022-05-17 09:01:48 371KB 数据库 安全 文档资料 database
ASP商城之王是一套经典实用的asp商城,简单的操作维护,美观、友好的展示界面,适用于各行各业的网上商店运行平台。用户通过后台可以自定义商家信息 、商品分类(支持二级)、商品信息、帮助信息、等等,只需要短短的20分钟,您的网络商城就会诞生了。
2022-05-16 20:20:21 2.46MB ASP
1
RhinoPython脚本 这是RhinoScriptSyntax的存储库。 这是和python脚本引擎使用的python脚本库。 有关使用python的详细信息,请转到。 有关使用这些脚本的帮助的讨论可在以下网站找到: 参与其中 有很多方法可以为这个项目做贡献: 在上的RhinoPython论坛上变得活跃 将错误/愿望报告给问题列表,为 使用git直接编辑源代码。 如果您需要帮助,请告诉我们。 使用来源 您将需要: 最新的Rhino5 WIP( ) 最新的Mac Rhino WIP( ) 启动Rhino并运行EditPythonScript或RunPythonScript。 这将使Rhino的python插件将此项目中定义的脚本解压缩到您的计算机中。 Rhino5的每个新版本都包含该项目中脚本的最新版本。 可以在新版本的Rhino之间更新此站点上的脚本,从而允许新的py
2022-05-16 20:01:53 203KB Python
1
NAVeGIS是WinCE / Windows Mobile导航应用程序。
2022-05-16 19:18:35 5.06MB 开源软件
1
自己编的matlab程序 实现跟自带 histeq 相同的功能,带直方图对比
2022-05-16 18:13:27 1KB 直方图均衡化 灰度图
1
使用PyTorch在GPU上进行MIL-NCE端到端HowTo100M培训 此存储库包含CVPR'20论文的开源PyTorch分布式培训代码:[1]。 [1]中的原始代码库依赖于Google和DeepMind的内部工具以及TPU v3加速器的使用,这使其难以按原样发布。 相反,此存储库使用PyTorch / ffmpeg和合理数量的GPU提供了[1]的实现。 培训代码在法国公共AI集群(请参阅下面的致谢)。 它经过专门设计,可在基于SLURM的集群管理上运行,以进行多节点分布式培训,但可以轻松地针对任何其他集群管理系统进行修改。 本文的开源PyTorch实现有一些细微的差异,例如: 使用余弦学习速率衰减代替[1]中描述的逐步衰减。 没有在不同的GPU和节点之间共享批处理规范化统计信息,因为在GPU上执行此类操作比TPU慢得多。 使用略微不同的时空训练视频分辨率的输入视频剪辑。
2022-05-16 17:08:20 22.02MB Python
1
自己用koolshare中的koolddns非常好用,但是换了openwrt之后就没有这个插件了。单独提取出来这个插件,有需要的可以下载。
2022-05-16 14:05:30 5KB koolshare koolddns 软路由 ddns