这是使用Mysql数据库实现的生鲜销售课程作业，包含数据库脚本、E-R关系图、数据Excel表、要求及说明。数据库表有四张，具体如下： 1.商品价格表 2.卖家信息表 3.商品信息表 4.订单表 说明文档包含了E-R图、创建数据库及表的脚本、写入数据的脚本、创建索引、创建视图、创建存储过程（根据店铺名称模糊查询）、创建函数（计算店铺的销售额度）以及数据库截图。

网络上大多死锁检测的代码多为C语言，且没有注释补充。 本代码参考王道考研操作系统视频课程中的死锁检测算法，进行了Python的实现（含注释）。 为保小命，该资源不含任何文档，仅有含注释的代码，请谨慎考虑下载。

这是使用Mysql数据库实现的运动会课程作业，包含数据库脚本、要求及说明，具体内容如下： 1.E-R关系图及模型 2.数据库及表的创建脚本 3.数据的录入、修改、删除及查询脚本 包含如下表： 运动队（运动队编号，队名，教练姓名） 运动员（队员姓名，性别，运动队编号） 项目信息（项目编号，项目名，比赛场地） 比赛信息（项目编号，运动队编号，队员姓名）

我是一个仓库管理者，有顾客想要把货物存进我的仓库，这时候下一个订单即receipt，顾客提供顾客姓名、地址、商品种类（product_id,必须为表product中有的）、数量。生成一条receipt记录（如果是新顾客要生成customer记录）。 取货时，顾客提供receipt_id和取货数量。生成一条out记录，计算费用后生成一条fee记录。 总共有三建仓库，空间为500，1000，1000，可以存储货物类型不限，一个订单也可以同时存储在多个仓库（所以一条receipt_id有多个ware_id）。进货取货都采取从仓库1开始进（取），直到仓库1满（空）为止。

这是使用Mysql数据库实现的宠物预定课程作业，包含数据库脚本、要求及说明。 1。使用alter table语句，为这些表定义合理的键和外键约束，并限制CostPerDay的值介于5和20之间。不要添加任何新列。 2。为表预订创建SQL定义，其中每一行记录在固定时间段内为某个宠物所做的预订。定义合理的键和外键约束，以及确保时间段为正的约束（即，它们不应在开始之前结束）。 注：宠物可以多次预订。在这种情况下，预订期间不应该重叠（否则我们称之为双重预订），您不需要强制执行此操作。 3.编写一个SQL查询，返回所有重复预订的宠物（及其所有者），即具有多个重叠时间段的预订。每只宠物都应该列在. 4. 编写一个SQL查询，返回在任何一天中预订的宠物的最大数量。您可以假设不存在双重预订。提示：它足以检查预订的开始日期。使用WITH子句使查询更具可读性。 5。编写一个SQL查询，按所有者返回总费用，假设不存在双重预订。 提示：一个时间段内的天数可以计算为结束日期-开始日期+1。

作业内容： 2.1使用列表，设计组合函数，并调用测试,如C42可得6 2.2生成包含 100 个 2 位随机整数的列表，统计每一个数出现的次数，输出元组，元组为（列表中的数字，出现次数） 2.3有一个字典d如下，请按键值有序输出所有键值和对应的内容，增加新的字典项。 d = {"science":"102","chinese":"702","english":"302","culture":"122","astronomy":"108"}

操作系统课程设计（作业调度、内存管理、进程调度、进程阻塞等），含完整源代码和课程设计报告，内容优质

操作系统课程设计（作业调度、内存管理、进程调度、进程阻塞等）含完整课程设计报告+源代码+流程图等，质量优质，期末评为优

python机器视觉实践课程设计作业--车牌检测与识别系统源码，主要可视化文件是main.py 初始车牌图片在plate_data 文件夹里 安装好requirements里的库（pip install -r requirements.txt）后直接运行 python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业--车牌检测与识别系统源码，python机器视觉实践课程设计作业

基于YoloV4的绝缘子目标检测程序源代码+数据集+训练模型，人工智能课程设计作业。文件结构 . │ predict.py # 对图片进行预测 │ train.py # 训练模型 │ voc_annotation.py # 对VOC数据集处理导出索引 │ yolo.py # 预测程序的子程序 │ ├─img # 存放预测后的图像 ├─logs # 存放训练的模型文件 ├─model_data # 存放预训练模型 │ new_classes.txt # 类别的名称 │ yolo_anchors.txt # 先验框的大小 │ ├─nets # 网络结构 │ CSPdarknet.py # CSPdarkNet53主干特征网络 │ yolo4.py # FPN、SPP等网络 │ yolo_training.py # 模型训练子程序 │ ├─utils # 数据加载、NMS等 │ dataloader.py # 数