1.可以爬取wos文献数据库查询结果的所有记录。2.可以准备好的查询词，自动进行查询爬取3.源码操作，尚未弄GUI面板

# 功能分析（需求分析） 1. 基于QT平台，使用OpenGL进行obj文件加载显示； 2. 使用鼠标对场景进行缩放、移动、旋转交互； 本资源有对应的项目介绍，详见同名CSDN博文。《基于QT使用OpenGL，加载obj模型，进行鼠标交互》 本项目资源整体框架简单，清晰，适合初步学习使用。 基于QT的QOpenGLWidget类进行派生，对鼠标事件进行重载，使用OpenGL可编程渲染模式开发，涉及着色器程序的编写，并进行了相机、渲染器、物体类的抽象。还编写了obj文件解析类，同时还可以基于本框架进行stl文件类的编写。资源还包含两个obj测试文件，一个是小兔子bunny.obj，一个是跑车Cayman_GT.obj。 使用开发环境：qt5.15.2, MSVC2019_64bit；使用mingw也可以运行

使用ESRGAN增强压缩图像的主观质量 0.背景 PyTorch实施压缩图像的主观质量增强。 注意：网络结构，数据集和训练方法与原始论文不同。 随时联系： ryanxingql@gmail.com 。 1.预先要求 1.1。 环境 乌本图20.04 LTS CUDA 10.1 烟火1.6 软件包：TQDM，LMDB，PYYAML，OPENCV-PYTHON，SCIKIT-IMAGE，TENSORBOARDX，LPIPS 假设您已经安装了CUDA 10.1，则： git clone --depth=1 https://github.com/RyanXingQL/SubjectiveQE-ESRGAN cd SubjectiveQE-ESRGAN/ conda create -n esrgan python=3.7 -y conda activate esrgan pytho

QT多线程的实现方式：QThread run优雅的创建与退出QT多线程 https://blog.csdn.net/qq_43445867/article/details/132797225

1、通用的界面界面框架，样式好看，注释详细。 2、支撑qss样式加载。 3、自定义标题栏，支持标题栏鼠标拖动。 4、支持滚动式的内容提示。 5、使用的开发环境是QT5.13.2+VS2017,不同的开发环境自行重新配置即可。

1、本资源针对SiouxFalls交通网络，基于Frank Wolfe算法，求解交通分配用户均衡模型。 2、UE.py为代码；Link.csv为边信息；Node.csv为节点信息（未用到，其中包括节点坐标）；OD.csv表示OD流量需求；此外包括网络均衡结果.csv。 3、用户均衡，表示没有用户可以通过单方面改变出行路径，从而降低出行费用。 4、本资源代码逻辑较为明确，便于阅读、学习。

sm2国密算法加解密，签名、验签QT工具的源代码（包含sm2,sm3和sm4源码）。 环境我使用的QT5.14的IDE编译，其他版本qt未测试。不过仅使用了几个简单控件应该关系不大。 详细介绍参见个人博客：SM2 (含SM3、SM4)国密算法工具QT版，彻底搞懂国密算法的使用 https://blog.csdn.net/yyz_1987/article/details/120501076

## 开发环境： Pycharm + Python3.7 + Django3.0 + mysql5.6 ### 系统需求如下： （1）系统登录：验证登录用户的身份，根据用户身份进入不同的页面。 （2）学生管理：供管理员使用，用于维护学生基本信息。 （3）老师管理：供管理员使用，用于维护教师的基本信息。 （4）试题管理：供教师管理，用于维护题库。 （5）组卷：供教师使用，教师可以根据考试科目，从题库中选择一些符合条件的试题，形成一份试卷。为了方便教师组卷，应提供方便的查询功能，使教师能查询不同要求的试题。 （6）在线考试：供学生使用，根据学生的班级和登录时间显示应考科目的试卷内容。试卷完成提交或考试时间到，不再允许学生修改试卷；实现自动评阅，记录学生的考试成绩，并将评阅结果提供给学生。 （7）成绩统计：供教师使用，按照科目、班级等统计学生的考试成绩。 （8）成绩查询：供教师和学生使用，提供不同查询方式，使教师和学生可以按需查询考试成绩。 ### 2.设计思路 (1)确定角色 由需求分析看出，系统有三个基本角色，学生、教师、管理员。 管理员负责后台信息的维护 系统要能实现自动阅卷功能

Python课程设计—基于卷积神经网络手写数字识别系统，经老师指导通过的高分项目。 选题 利用numpy完成手写数字数据集的识别，完成多分类问题，搭建神经网络，并且完成模型的训练以及性能评估，可视化数据 用到的知识 sklearn 数据集的提取分割 yaml配置文件使用 numpy实现各个神经层 参数初值选择 梯度下降方法选择 sklearn 分类模型评估 matplotlib数据可视化 设计模式 Markdown写报告

基于python实现的CNN卷积神经网络手写数字识别实验源码+数据集（高分毕业设计）.zip该项目是个人高分毕业设计项目源码，已获导师指导认可通过，都经过严格调试，确保可以运行！放心下载使用。 基于python实现的CNN卷积神经网络手写数字识别实验源码+数据集（高分毕业设计）.zip该项目是个人高分毕业设计项目源码，已获导师指导认可通过，都经过严格调试，确保可以运行！放心下载使用。 基于python实现的CNN卷积神经网络手写数字识别实验源码+数据集（高分毕业设计）.zip该项目是个人高分毕业设计项目源码，已获导师指导认可通过，都经过严格调试，确保可以运行！放心下载使用。 基于python实现的CNN卷积神经网络手写数字识别实验源码+数据集（高分毕业设计）.zip该项目是个人高分毕业设计项目源码，已获导师指导认可通过，都经过严格调试，确保可以运行！放心下载使用。 基于python实现的CNN卷积神经网络手写数字识别实验源码+数据集（高分毕业设计）.zip该项目是个人高分毕业设计项目源码，已获导师指导认可通过，都经过严格调试，确保可以运行！放心下载使用。 基于python实现的CN