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. RED HAT LINUX 6大全

  2. 本书全面系统地介绍了Red Hat Linux 6。全书共分为五个部分，包括35章和四个附录。第一部分为Red Hat Linux的介绍和安装；第二部分为服务配置；第三部分为系统管理；第四部分为Linux编程；第五部分为附录。本书内容翔实、涉及领域广泛，并且提供了详细的例子和大量的参考资料(包括书籍、电子文档和Internet站点)，是一本学习、使用和管理Linux不可多得的好书。 目 录 译者序 前言 第一部分 Red Hat Linux的介绍与安装 第1章 Red Hat Linux和UN

  3. 所属分类：Linux

    • 发布日期：2011-10-21
    • 文件大小：28311552
    • 提供者：beisika10368

  1. Delphi使用Fann神经网络库的接口文件及使用实例

  2. Delphi使用Fann神经网络的接口文件及使用实例。FANN 是个开源的 C 语言实现的人工神经网络库，由于是标准 C 语言写成的，所以对操作系统等的要求很少，在各个平台下都可以运行。而且这个库支持定点运算，在没有浮点处理器的 CPU 上运行会比别的不支持定点运算的库快很多。 FANN 虽然是纯 C 语言写成的，但是按照面向对象的思想构架的，接口设计的很好。有较为详细的文档，用起来很方便。而且已经支持在20多种编程语言环境下使用，比如 C#、 Java、Delphi、Python、PHP、P

  3. 所属分类：Delphi

    • 发布日期：2019-05-14
    • 文件大小：14680064
    • 提供者：xinaime

  1. 白皮书-Tableau企业级应用平台

  2. Tableau企业级应用平台的白皮书，供大家学习，希望有需要的朋友都能将Tableau应用到公司。新一代商业智能软件使需要的人可以掌握数据。对于商业用户或为其提供支持的团队, 缓慢、死板的系统已不敷使用。竟争压力和新的数据源在不断形成新的要求。用户要求能够 快速且方便地回答其问题。这是很棒的事情 Tableau software的创立理念在于,数据分析和后续报告不应是孤立的活动,而是应集成为 单一的可视化分析过程一该过程使用户可按照其思路快速査看其数据中的模式并动态切换视 图。 Tableau将

  3. 所属分类：管理软件

    • 发布日期：2019-10-31
    • 文件大小：2097152
    • 提供者：qinqichang

  1. Python线程创建和终止实例代码

  2. python主要是通过thread和threading这两个模块来实现多线程支持。 python的thread模块是比較底层的模块，python的threading模块是对thread做了一些封装，能够更加方便的被使用。可是python（cpython）因为GIL的存在无法使用threading充分利用CPU资源，假设想充分发挥多核CPU的计算能力须要使用multiprocessing模块(Windows下使用会有诸多问题)。 假设在对线程应用有较高的要求时能够考虑使用Stackless Pyt

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：64512
    • 提供者：weixin_38551070

  1. 使用Python编写一个模仿CPU工作的程序

  2. 今天早上早些时候,在我的Planet Python源中,我读到了一篇有趣的文章”开发CARDIAC:纸板计算机(Developing upwards: CARDIAC: The Cardboard Computer)”,它是关于名为Cardiac的纸板计算机的.我的一些追随者和读者应该知道,我有一个名为简单CPU(simple-cpu)的项目,过去的数月我一直工作于此,并且已经发布了源代码.我真的应该给这个项目提供一个合适的许可证,这样,其他人可能更感兴趣,并在他们自己的项目中使用.不管怎样,但

  3. 所属分类：其它

    • 发布日期：2020-12-25
    • 文件大小：112640
    • 提供者：weixin_38607784

  1. Python实现并行抓取整站40万条房价数据（可更换抓取城市）

  2. 写在前面 这次的爬虫是关于房价信息的抓取，目的在于练习10万以上的数据处理及整站式抓取。 数据量的提升最直观的感觉便是对函数逻辑要求的提高，针对Python的特性，谨慎的选择数据结构。以往小数据量的抓取，即使函数逻辑部分重复，I/O请求频率密集，循环套嵌过深，也不过是1~2s的差别，而随着数据规模的提高，这1~2s的差别就有可能扩展成为1~2h。 因此对于要抓取数据量较多的网站，可以从两方面着手降低抓取信息的时间成本。 1）优化函数逻辑，选择适当的数据结构，符合Pythonic的编程习惯。例如，

  3. 所属分类：其它

    • 发布日期：2021-01-20
    • 文件大小：328704
    • 提供者：weixin_38713306