modbus测试工具,可以测试modbus协议,读取数据,和写入数据
2024-06-04 16:05:01 258KB 测试工具 modbus
1
可以通过域名绑定,一个空间可以放置很多个网站,就是站群。这个是由php开发的。做站群非常容易。只要安装好,进行简单的数据库配置。就可以开发自己的站群了
2024-06-04 15:21:00 7.25MB
1
Python淘宝店铺爬虫,完整代码可以直接使用.rar
2024-06-03 20:41:01 18.33MB Python 爬虫
1
gmp不愧是世界上最快的大数运算库,可以进行大数的运算,使用方便简单,在RSA,DH等加密算法中,有着广泛的运用,总之,gmp库是当前世界上,大数运算最优秀的类库。
2024-06-01 22:26:55 1.01MB 大数静态库 高速运算 gmp大数库
1
天气数据爬取的源代码-可以运行
2024-06-01 22:25:44 7KB
1
三相异步电机本体模型 Matlab Simulink仿真模型(成品) 本模型利用数学公式搭建了三相异步电机的模型,可以很好的模拟三相异步电机的运行性能,适合研究电机本体时修改参考,电机的各波形都很好可以很好的模拟三相电机
2024-06-01 11:08:00 540KB matlab
1
STM32F103C8T6是一款功能强大的微控制器,广泛应用于各种应用中。它具有32位ARM Cortex-M3 CPU和多种外设,包括UART、SPI、I2C、ADC和PWM。ULN2003是一种流行的步进电机驱动器,可用于控制双极性步进电机。 在这个项目中,我们将使用STM32F103C8T6和ULN2003通过串口通信来控制步进电机。微控制器将通过UART从计算机或其他设备接收命令,并使用ULN2003驱动器来控制步进电机。 首先,我们需要设置微控制器和计算机之间的UART通信。我们可以使用STM32CubeMX软件生成UART外设的初始化代码。一旦我们有了代码,我们就可以修改它以适应我们的需求。 接下来,我们需要设置用于控制ULN2003驱动器的GPIO引脚。我们可以使用STM32CubeMX软件生成GPIO引脚的初始化代码。我们还需要在项目中包含ULN2003驱动器库。
2024-05-31 13:19:58 2.8MB stm32
1
基于中科视拓的Seetaface6编译 编译环境 Windows 10 22H2 + VS 2019 + Cmake + VC++14(运行的时候需要电脑里需要有VC++14的库) 编译了完整的官方原版功能: "人脸检测"、"5点特征点"、"68点特征点"、"活体检测"、"五官遮挡检测"、"年龄检测"、"性别检测"、"口罩检测"、"眼睛开闭检测"、"清晰度评估"、"明亮度评估"、"分辨率评估"、"姿态评估"、"人脸完整性评估"、"人脸跟踪"、"人脸识别" 编译了CPU和GPU两个版本。可以直接离线使用 Windows 10系统下可正常调用。 GPU版本是基于CUDA12编译的。安培架构之前的显卡可以使用。也就是30系显卡之前的显卡。 Github源码:https://github.com/SeetaFace6Open/index 官方文档:https://github.com/seetafaceengine/SeetaFaceTutorial 另外需要正常使用还需要下载官方的模型,总计14个模型。 https://pan.baidu.com/share/in
2024-05-30 17:55:44 444.86MB windows seetaface6 人脸识别 人脸检测
1
yolov3-tiny训练模型,用pytorch框架搭建,让高配置的电脑,笔记本也能训练v3tiny模型,并且部署到树莓派等视觉实践项目中进行视频实时目标检测,优点在于检测速度快,模型体积小,方便部署和搭建,对于很多新手小白来说十分友好,该模型搭配我博客所讲的方法可以让你们快速入门进行目标检测项目,YOLOv3是一种基于深度神经网络的对象识别和定位算法,其最大的特点是运行速度很快,可以用于实时系统。而YOLOv3-tiny是YOLOv3的简化版。YOLOv3-tiny是YOLO系列中的一个目标检测模型。它是基于深度学习算法的目标检测模型,具有较快的检测速度和较低的计算资源要求。YOLOv3-tiny相对于YOLOv4-tiny在性能上有所下降,但仍然可以实现一定的目标检测准确率。yolov3-tiny 相对于其他版本的 yolo 网络有以下优势yolov3-tiny 具有更快的推理速度,适用于对实时性要求较高的应用场景。 yolov3-tiny 在保持较高检测精度的同时,具有更小的模型体积,占用更少的存储空间。 yolov3-tiny 适合于在计算资源有限的设备上进行目标检测任务。
2024-05-29 19:19:37 1014KB pytorch 目标检测 yolov3 yolov3-tiny
1
LiveSpeechPortrait是一种基于人脸表情识别的技术,它可以通过分析人脸的表情和动作,来判断人的情绪状态和心理特征。这项技术利用计算机视觉和机器学习的方法,对人脸图像进行处理和分析,从而准确地识别人的情感状态,包括喜怒哀乐、惊讶、厌恶等。通过对人的表情进行识别和分析,LiveSpeechPortrait可以帮助我们更好地理解人的情感反应和心理状态。 LiveSpeechPortrait的应用领域非常广泛。在情感识别方面,它可以应用于人机交互和情感计算领域,例如智能助理、虚拟现实和增强现实等技术中,通过识别用户的情绪状态,提供更加智能和个性化的服务。在用户体验研究方面,LiveSpeechPortrait可以帮助企业和研究机构了解消费者对产品和服务的真实反应,从而改进产品设计和市场营销策略。 此外,LiveSpeechPortrait还可以应用于市场调研和广告评估。通过分析人们对广告的表情反应,可以评估广告的效果和吸引力,为广告主提供更加精准的广告投放策略。在医疗领域,LiveSpeechPortrait也可以用于情绪识别和心理健康评估,帮助医生更好地了解患者的情感状态。
2024-05-29 12:12:51 65.02MB 人工智能 机器学习
1