目录: 01 IP和TCP抓包分析实验 02 Telnet配置实验 03 H3C配置管理实验 04 Vlan和Trunk实验 05 STP实验 06 交换机端口安全实验 07 链路聚合实验 08 IP子网划分计算 09 DHCP实验 10 DHCP中继实验 11 IPv6实验 12 单臂路由实验 13 三层交换实验 14 静态路由实验 15 RIP实验 16 OSPF实验 17 ACL实验 18 NAT实验 19 PPP实验 20 H3CNE综合实验
2021-11-23 13:05:13 2.46MB h3c H3CNE
超级GAN 纸代码对抗网络的高光谱样本的现实合成。 如果您在工作中使用此代码,请引用以下内容。 @inproceedings{audebert_generative_2018, title = {Generative adversarial networks for realistic synthesis of hyperspectral samples}, booktitle = {2018 {IEEE} {International} {Geoscience} and {Remote} {Sensing} {Symposium} ({IGARSS})}, author = {Audebert, N. and Le Saux, B. and Lefèvre, S.}, month = jul, year = {2018} } 动机 高光谱成像
2021-11-23 11:18:54 2.29MB JupyterNotebook
1
是PPT,介绍了一些模型,概念,干涉雷达中常用的几种方法,和应用的具体例子
1
合成大西瓜改进版合成南华等等
2021-11-20 18:02:57 5.11MB 合成大西瓜改进版合成南华等等
人教版必修二第4章第1节基因指导蛋白质的合成作业.docx
2021-11-20 18:02:00 23KB
甲言Jiayan 简介 甲言,取“Oracle言”之意,是一种专注于古汉语处理的NLP工具包。目前通用的汉语NLP工具均以现代汉语为核心语料,对古代汉语的处理效果很差(详见)。本项目的初衷,便是辅助古汉语信息处理,帮助有志于挖掘古文化矿藏的古汉语学者,爱好者等更好的地分析和利用文言资料,从“文化遗产”中创造出“文化新产”。当前版本支持,,,和五项功能,更多功能正在开发中。 功能 利用无监督的双,以及左右进行文言词库自动生成。 利用无监督,无词典的和进行古汉语自动分词。 利用词库合成功能产生的文言词典,基于有向无环词图,句子最大概率路径和动态规划算法进行分词。 根据词的的序列标注,词性详见。 基
1
可以将ts文件按照名称排序无损合并为一个ts文件。大部分播放器都可以直接播放ts文件,所以不需要再进行转码即可使用。 使用方法:将.bat文件放入到对应文件的目录中,运行第一个.bat后继续回弹出排列好的名字,在所有名字按住shift在最后加号前鼠标左键点击后复制;右键编辑第二步.bat文件,将文件粘贴到对应的位置保存后关闭,双击第二步.bat后输入想要保存的名字后按回车键。等待列表读取完成及文件生成完毕。
2021-11-19 18:03:54 643B ts文件合成 批处理
1
填了很多坑出来的教程,使用phpgd库生成带文字的图片和合成2张不同图片的实例
2021-11-19 00:13:38 2.8MB php生成图片
1
娃娃语音合成 | 微信小程序源码,喜欢就下载吧。 正文: 用户管理 配音员的添加修改,设置推荐,设置配音员的试听文字。 首页轮播图支持。体验的小程序上暂时没有放出来,海报支持导流到其他的小程序,打开h5页面,banner广告,格子广告 朋友圈海报合成的支持 发现导流。该小程序是功能类的小程序,可以通过福利种的发现页面导流到其他的小程序中,形成流量圈 兑换设置,支持积分兑换次数,积分兑换次数 用户qa设置 裂变,用户分享增加用户次数 自定义小程序标题 分享设置 关注公众号 非ip授权,不限制小程序接入数
2021-11-18 18:06:07 2.89MB 微信小程序 语音合成
从开源项目 网站: : 文档: : 仓库: : 执照: 发展状况: 概述 CTGAN是用于单个表数据的基于深度学习的合成数据生成器的集合,这些数据生成器能够从真实数据中学习并生成高保真度的合成克隆。 当前,该库论文实现在提出的CTGAN和TVAE模型。 有关这些型号的更多信息,请查阅相应的用户指南: 。 。 安装 要求 CTGAN已在 3.6、3.7上进行开发和测试 从PyPI安装 推荐的安装CTGAN的方法是使用 : pip install ctgan 这将从提取并安装最新的稳定版本。 用conda安装 CTGAN也可以使用安装: conda install -c sdv-dev -c pytorch -c conda-forge ctgan 这将从提取并安装最新的稳定版本。 使用范例 :warning_selector: 警告:如果您只是开始使用综合数据,我们建议您使用SDV库,该库提供
1