本代码是2018华为软件精英挑战赛的开源代码 核心思想：使用神经网络对时间序列数据进行预测，使用模拟连续来搜索放置问题的最优解。 运行：python ecs数据路径输入文件路径结果路径

tensorflow初学者代码源码（框架），你值得拥有

本代码使用arduino及esp8266共同使用，如有能力可以提取核心代码。

后台地址: diy/admin/index.asp 默认管理帐号 admin 密码 cnhww.com

＃文档地址

Python中RGB-D图像的体积TSDF融合 这是一个轻量级的python脚本，可将多个已注册的颜色和深度图像融合到一个投影的截断的有符号距离函数（TSDF）体积中，然后可用于创建高质量的3D表面网格和点云。 在Ubuntu 16.04上测试。 较旧的CUDA / C ++版本可在找到。 要求 带有 ， ， ， 和 。 通过运行以下命令，可以快速安装/更新它们： pip install --user numpy opencv-python scikit-image numba [可选] GPU加速需要具有和的NVIDA GPU： pip install --user pycuda 演示版 该演示将来自7个场景的数据集的1000张RGB-D图像融合到405 x 264 x 289的投影TSDF体素体积中，在GPU模式下以约30 FPS（在CPU模式下为0.4 FPS）的分辨率为2cm，并输出3D网格mesh.ply可以使用诸如的3D查看器可视化的mesh.ply 。 注意：彩色图像保存为24位PNG RGB，深度图像保存为16位PNG（以毫米为单位）。 python de

和简单的在线留言板，但是基本功能齐全包括前台后台以及用到了servlet以及JavaBean

ArcPIC ArcPIC 2D是2D3V真空电弧粒子内仿真代码。 它记录在，并用于产生论文《 （H. Timko，K。Ness Sjobak，L。Mether， S.Calatroni，F.Djurabekova，K.Matyash，K.Nordlund，R.Schneider和W.Wuensch，《等离子体物理学》，2015年4月。

使用PyTorch进行深度学习 该存储库包含由Manning Publications出版的Eli Stevens，Luca Antiga和Thomas Viehmann撰写的《用PyTorch进行深度学习》一书的代码。 该书的曼宁网站是： : 这本书也可以在亚马逊上购买： ： （会员链接；根据规则：“作为亚马逊合作伙伴，我从有资格的购买中获得收入。”） 该书的勘误表可在配员网站上找到，或在 关于使用PyTorch进行深度学习 本书旨在为PyTorch提供深度学习的基础，并在实际项目中展示它们的实际作用。 我们努力提供深度学习的关键概念，并展示PyTorch如何将其交到从业者手中

Air数码产品推荐系统 作者本科毕业设计项目 RESTful风格推荐系统 由于时间原因，毕业前先以完成功能为目的(能演示)，毕业后再优化。 后台管理 类目管理 商品属性管理 商品管理(删改查) 用户管理(增删改查) APP 后端API 用户模块 登录模块 订单模块 搜索模块 推荐模块 商品模块 后台所用技术 Vue Bootstrap MetisMenu Jquery Font Awesome 后端所用技术 Spring SpringMVC MyBaits Solr MySQL Tomcat Maven