注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 自己做的小项目，一定要看啊！

  2. 在学习的过程中，我收获很大，希望在这个交流的平台下，我们一起成长。

  3. 所属分类：专业指导

    • 发布日期：2009-05-18
    • 文件大小：1048576
    • 提供者：lynwzhj

  1. BAT文件编写.txt

  2. BAT文件编写.txt 教你起步 其实编写bat文件应用就这么点应该足够我们写出自己需要的BAT了，当然还有很多很多命令与使用方法我这里并没有提到,这些只是把大家带进门而已，至于如何修行，看大家自己的了。关键还是兴趣与大量的实践。 第一节：（主要是一些界面形式功能的实现以及初始化） 1.“@echo off”--我们所写的BAT一开始一般都有这一句，这一句的作用是：使所有的命令响应隐藏。“@”--本行命令不回显。（本来如果你用echo off就可以了，但是还是能够看到echo off这条命令在

  3. 所属分类：其它

    • 发布日期：2012-12-15
    • 文件大小：50176
    • 提供者：wangyu519

  1. 小学语文汉字记忆训练系统正式特惠版 V5.1D

  2. 《小学语文生字记忆训练系统》用户使用说明 本软件是国家教育技术研究课题《现代教育技术条件下小学语文生字记忆训练研究》的组成部分，是我们自主研究开发的软件成果。 如何在信息技术条件下进行汉字的记忆训练？ 信息技术条件下汉字的学习效率能否有新的突破？ 在不断发展的信息技术条件下如何实现辅助汉字学习提高学习效率的软件功能？ 希望能有更多的同仁参与我的研究，为中国汉字的教学，为中国文化传遍世界做出贡献！ 小学语文生字记忆训练系统，是学习与记忆生字的最佳工具，家长老师的得力助手！ 本软件是一款应用信息技

  3. 所属分类：教育

    • 发布日期：2013-11-30
    • 文件大小：11534336
    • 提供者：feixl88

  1. PinPKM-V201525（官网发布的最后一个免费无使用限制版本）

  2. 文档大师，原名针式PKM是一款专业的个人文档管理软件，以个人知识管理理念作为指导。 提供和Everything一样快的文件名搜索、文档全文快速搜索、多种文档归类方法、公式等功能， 帮助用户更轻松养成“将文档内化为头脑中的知识”的习惯的客户端软件。 简介概况 2007年，针式PKM 对外发布V1.0版，2012年发布V9.6版，2013年发布V2013版，2015年发布V2015版。2015年4月17日改名为文档大师 1.版本兼容原则 新版本的针式PKM总是兼容旧版的知识库，即旧版软件创建的知识

  3. 所属分类：其它

    • 发布日期：2015-11-08
    • 文件大小：20971520
    • 提供者：h9s

  1. 微软JavaScript手册

  2. 学习JAVA的好帮手，希望有所帮助。欢迎使用 Jscr ipt 语言参考 这些方便实用的信息将帮助您了解 Jscr ipt 的各个部分。 在“字母顺序的关键字列表”中，可以找到按字母顺序列出的所有 Jscr ipt 语言的主题。如果只需要查看某个主题（例如对象），则有对该主题进行详细说明的章节可供查阅。 如何操作呢？单击左边任意一个标题，即可显示该标题所包含的项目列表。再从该列表中选择要查看的主题。在打开所选主题后，就可以方便地链接到相关章节。 请尽情浏览 Jscr ipt 语言参考的各个部分

  3. 所属分类：Web开发

    • 发布日期：2009-04-08
    • 文件大小：596992
    • 提供者：sky_null

  1. 斯坦福大学 2014机器学习教程中文笔记

  2. 斯坦福大学 2014机器学习教程中文笔记 Machine Learning(机器学习 机器学习 )是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学习行为，以获取新是研究计算机怎样模拟或实现人类的 学

  3. 所属分类：机器学习

    • 发布日期：2018-11-12
    • 文件大小：11534336
    • 提供者：u014793454

  1. 元器件应用中的三极管原理最通俗的表达理解

  2. 本文主要介绍三极管原理最通俗的表达理解，希望对您的学习有所帮助。　　对三极管放大作用的理解，切记一点：能量不会无缘无故的产生，所以，三极管一定不会产生能量。　　但三极管厉害的地方在于：它可以通过小电流控制大电流。　　放大的原理就在于：通过小的交流输入，控制大的静态直流。　　假设三极管是个大坝，这个大坝奇怪的地方是，有两个阀门，一个大阀门，一个小阀门。小阀门可以用人力打开，大阀门很重，人力是打不开的，只能通过小阀门的水力打开。　　所以，平常的工作流程便是，每当放水的时候，人们就打开小阀门，很小的水

  3. 所属分类：其它

    • 发布日期：2020-10-16
    • 文件大小：76800
    • 提供者：weixin_38569722

  1. Malicious-Code-Detection:该资源为恶意代码检测与识别的相关链接汇总，希望对您有所帮助！-源码资源

  2. 恶意代码检测 该资源为恶意代码检测与识别的相关链接汇总，希望对您有所帮助！ 这是一个webshel​​l收集项目 送人玫瑰，手有余香，如果各位下载了本项目，也请您能提交shell 本项目涵盖各种常用脚本 如：asp，aspx，php，jsp，pl，py 收集自网络各处的webshel​​l样本，用于测试webshel​​l扫描器检测率。 史上最全的恶意软件地址集合 最新webshel​​l大合集收集与整理了各种webshel​​l，在日后的项目中做Webshel​​l检测训练。 网络安全数

  3. 所属分类：其它

    • 发布日期：2021-03-24
    • 文件大小：4096
    • 提供者：weixin_42128141

  1. 从Storm和Spark学习流式实时分布式计算的设计

  2. 最近我在做流式实时分布式计算系统的架构设计，而正好又要参加CSDN博文大赛的决赛。本来想就写Spark源码分析的文章吧。但是又想毕竟是决赛，要拿出一些自己的干货出来，仅仅是源码分析貌似分量不够。因此，我将最近一直在做的系统架构的思路整理出来，形成此文。为什么要参考Storm和Spark，因为没有参照效果可能不会太好，尤其是对于Storm和Spark由了解的同学来说，可能通过对比，更能体会到每个具体实现背后的意义。本文对流式系统出现的背景，特点，数据HA，服务HA，节点间和计算逻辑间的消息传递，存

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：357376
    • 提供者：weixin_38646706

  1. Flink剖析

  2. 本文来自于博客园，本文主要介绍了对Flink做一个简要的剖析认识以及Flink版本中的接口支持，希望对您的学习有所帮助。在如今数据爆炸的时代，企业的数据量与日俱增，大数据产品层出不穷。今天给大家分享一款产品——ApacheFlink，目前，已是Apache顶级项目之一。那么，接下来，笔者为大家介绍Flink的相关内容。2.1What'sFlinkApacheFlink是一个面向分布式数据流处理和批量数据处理的开源计算平台，它能够基于同一个Flink运行时（FlinkRuntime），提供支持流处

  3. 所属分类：其它

    • 发布日期：2021-03-01
    • 文件大小：571392
    • 提供者：weixin_38551143

  1. 深度学习模型的基本结构——RNN

  2. 本文来自于个人博客，本文为深度学习课程笔记，通过流程图，详细介绍了深度学习模型的基本结构，希望对您的学习有所帮助。深度学习的基本步骤：定义模型-->定义损失函数-->找到优化方法课程大纲1、熟悉定义符号（略过）2、RNN简单地说就是RNN可以看做是一个function反复迭代。为什么不用feedFordnetwork，因为我们输入的sequence可能会比较长，这样的话feedFordnetwork可能就会参数很多，容易导致过拟合。RNN的一个好处是参数少，有可能比较难train，但

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_38622475

  1. 海外产品用户研究如何有效的进行：可用性测试篇

  2. 本文来自于人人都是产品经理，本文针对可用性测试有哪些不同？海外产品测试过程中的坑应当如何避免？如何做才能提高有效性？做出总结和梳理，希望对您的学习有所帮助。海外产品的目标用户是local当地的人群，即便国内用户特征也可以说明一些问题，但是要想真正了解到local市场用户的使用习惯，就必须要进行local实地的测试。山高路远，时空阻隔，每次测试的成本和难度比在国内大很多，所以做足前期的准备显得尤为重要。前期准备包括以下几个方面：通常可用性测试就只针对用户的使用体验问题，成本相对可控。而海外可用性测

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：527360
    • 提供者：weixin_38590738

  1. 目标检测-从RCNN到MaskRCNN两步检测算法总结

  2. 本文来自于arleyzhang博客，本文主要介绍目标检测中两步检测算法的总结对比，提出了一种新的两步检测模型，Light-HeadRCNN，希望会对您的学习有所帮助。Rbg提出的R-CNN的方法1.一张图像先通过selectivesearch的方法，生成1K~2K个候选区域，这个步骤生成的候选区域大小是不一样的，因此需要warpedregion，也就是将不同大小的region缩放到同样的尺寸，因为CNN后面的全连接层要求输入尺寸固定。2.对每个warped后的候选区域，使用CNN提取特征，提取的

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：2097152
    • 提供者：weixin_38523728

  1. 机器学习算法Boosting

  2. 本文来自于标点符网站，本文将详细介绍机器学习中的两大类：监督学习和非监督学习，以及最主要的三种集成学习框架，希望对您的学习有所帮助。机器学习通常会被分为2大类：监督学习和非监督学习。在监督学习中，训练数据由输入和期望的输出组成，然后对非训练数据进行预测输出，也就是找出输入x与输出y之间的函数关系F：y=F(x)。根据输出的精确特性又可以分为分类和回归。分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测。定性输出称为分类，或者说是离散变量预测。举个例子：预测明天的气温是多少

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：829440
    • 提供者：weixin_38653040

  1. Spark入门实战之最好的实例

  2. 本文来自于csdn，本文主要介绍如何使用Scala编写Spark应用程序处理大数据，希望对您的学习有所帮助。安装ScalaIDE搭建Scala语言开发环境很容易，ScalaIDE官网下载合适的版本并解压就可以完成安装，本文使用的版本是4.1.0安装Scala语言包如果下载的ScalaIDE自带的Scala语言包与Spark1.3.1使用的Scala版本(2.10.x)不一致，那么就需要下载和本文所使用的Spark所匹配的版本，以确保实现的Scala程序不会因为版本问题而运行失败请下载并安装Sca

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：473088
    • 提供者：weixin_38581447

  1. 深度学习在知识图谱构建中的应用

  2. 本文来自csdn，本文主要讲解了基于深度学习的关系抽取技术及其在神马知识图谱数据构建中的探索和实践，以及业务落地过程中遇到的一些挑战，希望对您的学习有所帮助。导读：在智能化时代的今天，搜索引擎不仅能理解用户检索的信息、并总结出与搜索话题相关的内容，更在逐步构建一个与搜索结果相关的完整知识体系，让用户获得意想不到的发现。神马搜索的知识图谱与应用团队就在这条路上不断探索中。DeepDive系统在数据处理阶段很大程度上依赖于NLP工具，如果NLP的过程中存在错误，这些错误将会在后续的标注和学习步骤中被

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：798720
    • 提供者：weixin_38729269

  1. 从Storm和Spark学习流式实时分布式计算的设计

  2. 最近我在做流式实时分布式计算系统的架构设计，而正好又要参加CSDN博文大赛的决赛。本来想就写Spark源码分析的文章吧。但是又想毕竟是决赛，要拿出一些自己的干货出来，仅仅是源码分析貌似分量不够。因此，我将最近一直在做的系统架构的思路整理出来，形成此文。为什么要参考Storm和Spark，因为没有参照效果可能不会太好，尤其是对于Storm和Spark由了解的同学来说，可能通过对比，更能体会到每个具体实现背后的意义。本文对流式系统出现的背景，特点，数据HA，服务HA，节点间和计算逻辑间的消息传递，存

  3. 所属分类：其它

    • 发布日期：2021-02-21
    • 文件大小：357376
    • 提供者：weixin_38651468

  1. 深度学习模型的基本结构——RNN

  2. 本文来自于个人博客，本文为深度学习课程笔记，通过流程图，详细介绍了深度学习模型的基本结构，希望对您的学习有所帮助。深度学习的基本步骤：定义模型-->定义损失函数-->找到优化方法课程大纲1、熟悉定义符号（略过）2、RNN简单地说就是RNN可以看做是一个function反复迭代。为什么不用feedFordnetwork，因为我们输入的sequence可能会比较长，这样的话feedFord network可能就会参数很多，容易导致过拟合。RNN的一个好处是参数少，有可能比较难train，

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：2097152
    • 提供者：weixin_38553791

  1. 机器学习算法Boosting

  2. 本文来自于标点符网站，本文将详细介绍机器学习中的两大类：监督学习和非监督学习，以及最主要的三种集成学习框架，希望对您的学习有所帮助。机器学习通常会被分为2大类：监督学习和非监督学习。在监督学习中，训练数据由输入和期望的输出组成，然后对非训练数据进行预测输出，也就是找出输入x与输出y之间的函数关系F：y =F(x)。根据输出的精确特性又可以分为分类和回归。分类和回归的区别在于输出变量的类型。定量输出称为回归，或者说是连续变量预测。 定性输出称为分类，或者说是离散变量预测。

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：827392
    • 提供者：weixin_38614268

  1. 深度学习在知识图谱构建中的应用

  2. 本文来自csdn，本文主要讲解了基于深度学习的关系抽取技术及其在神马知识图谱数据构建中的探索和实践，以及业务落地过程中遇到的一些挑战，希望对您的学习有所帮助。导读：在智能化时代的今天，搜索引擎不仅能理解用户检索的信息、并总结出与搜索话题相关的内容，更在逐步构建一个与搜索结果相关的完整知识体系，让用户获得意想不到的发现。神马搜索的知识图谱与应用团队就在这条路上不断探索中。DeepDive系统在数据处理阶段很大程度上依赖于NLP工具，如果NLP的过程中存在错误，这些错误将会在后续的标注和学习步骤中被

  3. 所属分类：其它

    • 发布日期：2021-01-27
    • 文件大小：798720
    • 提供者：weixin_38741966
« 12 3 4 5 6 7 8 »