中杯可乐多加冰-优快云博客

原创【AI落地应用实战】大模型加速器2.0：基于 ChatDoc + TextIn ParseX + ACGE的RAG知识库问答系统

IntFinQ最吸引我的，是它构建了一条完整的自研技术闭环：从自研文档解析的TextIn ParseX引擎，到国产文本向量化模型ACGE完成领域知识的深度沉淀，最终通过ChatDoc架构实现智能化的知识应用。其中，TextIn ParseX引擎展现出卓越的多格式文档解析能力，支持PDF、Word等主流文档格式及图片文件的高效解析，能够对图表的关键数据点、布局、线条、颜色、标记等多维度特征进行深度建模；

2025-03-27 10:23:27 14497 26

原创【解决方案】个人如何搭建Git私服开源代码管理工具Gitea私有化部署教程

Gitea是一个开源、轻量级的自托管Git服务，它为用户提供了一个类似于GitHub或GitLab的代码托管平台。Gitea采用Go语言开发，具有高效的性能和跨平台特性，适用于个人开发者、小型团队以及企业用户。内网私有化部署：能够在内网部署 Gitea 使其可以更好地控制数据流向和安全性。开源优势：Gitea的开源特性是其重要的特性之一。它基于 MIT 许可证，意味着可以自由使用、修改和分发软件，完全不受限制。成本效益。

2025-03-25 22:48:21 2020 1

原创【解决方案-RAGFlow】RAGFlow显示Task is queued、 Microsoft Visual C++ 14.0 or greater is required.

多半是因为模型确实在队列中排队的原因，要么是内存一直在被占用中，要么是CPU或GPU一直在被占用中，可以首先检查硬件利用率：如果是内存导致的队列缓慢，可以将.env文件中的MEM_LIMIT 改为 26073741824如果是GPU或者CPU的原因，得具体排查，终止无用进程，如果都不是，检查docker容器的日志看看是否有任何异常：docker logs -f ragflow-server，并依次检查mysql、es、minio的日志。

2025-03-13 20:57:14 3310 1

原创【AI落地应用实战】RAGFlow + 知识图谱Knowledge Graph + Deepseek + 知识库构建初步探索

用RAG搭建过知识库就知道，在使用RAG搭建知识库的时候，整个索引、检索是基于文本块的，当有请求过来的时候，RAG首先根据请求去寻找哪些文本块是最相关、最匹配的，再把找到的文本块作为参考资料，连同请求一起给到大模型。知识结构的空心化人类专家的知识体系是立体建构的，既有学科主干脉络，又能自由调用跨领域知识节点。而LLM的知识表征更接近平面化的概率分布，当处理需要深度领域知识交叉的问题时，容易暴露概念关联的脆弱性。举个例子，用户询问“哪些药物可以治疗高血压？

2025-03-11 21:02:15 13755 11

原创【AI落地应用实战】基于 Trae + React + Typescript + DeepSeek 的物品使用成本计算器智能协作IDE Builder模式初探索

Trae是字节跳动推出的一款智能协作IDE，简单来说就是一个“会写代码的AI助手”。它不仅能帮你补全代码，还能根据你的需求自动生成代码、修复bug，甚至帮你搭建整个项目！智能代码补全：这个功能很多传统插件形式的工具都有，但Trae的补全我用了下，感觉更为“聪明”。它的最新版本引入了和deepseek-R1，能够根据你写的上下文，给出更精准的建议，甚至能预测你接下来想写啥。AI问答：写代码的时候卡住了？直接问Trae就行。比如“这段代码为啥报错了？”或者“怎么实现一个登录功能？”，它都能给你详细的解答。

2025-03-05 21:51:41 32104 1

原创【解决方案】Zotero论文编排交叉引用建立超链接快速链接引文与参考条目实现（作者日期/数字）引文与参考文献点击跳转

ZoteroLinkCitation 是一个基于 Word VBA 宏的解决方案，其可以将 Zotero 插入的引用与参考文献条目通过超链接关联，用户点击引用即可跳转到对应的参考文献。支持自动检测文档中使用的引用样式。支持多种引用样式。

2025-03-03 08:53:03 10282 11

原创【AI落地应用实战】DeepSeek + RagFlow + Ollama + 私有知识库构建本地知识库系统实战指南

本文将带您构建一个集大模型推理、智能检索、知识加工于一体的本地知识库系统，深度融合DeepSeek认知大模型的语义理解能力、RagFlow的文档智能处理能力以及Ollama的本地化部署优势。本文将以DeepSeek、RagFlow、Ollama为核心，手把手带你搭建一套支持GPU加速的私有知识库系统，助你快速实现AI技术的本地化部署与私有知识管理。

2025-02-21 14:24:21 14108 1

原创【Vue H5项目实战】从0到1的自助点餐系统—— 商品与购物车逻辑设计(Vue3.2 + Vite + TS + Vant + Pinia + Nodejs + MongoDB)

本系列将以自助点餐页面为模板，搭建一款自助点餐系统，第一次开发移动端h5项目，免不了有所差错和不足，欢迎各位大佬指正。本章我们将继续开发，主要设计商品和购物车的逻辑和页面。我设计每个大类的菜单为menu，菜单内的子项目为good，将其放在utils/interface/index.ts下方便维护管理，如下其中image_pth传的是商品主图，传图像的路径，我们暂时使用的就是静态路径，后面搭建好node后可以传图像的base64，下面是一个具体的例子：当然后续我将把这个menu和goods都设计为动态的

2025-02-11 20:45:29 19805 8

原创【AI落地应用实战】DeepSeek大模型应用探讨与RAG技术全景——从实验室榜单看向真实业务场景

当我们将视线从实验室的Benchmark榜单转向真实业务场景时，大模型落地应用的"最后一公里"挑战正逐渐浮出水面。尽管DeepSeek在技术上取得了显著的突破，但将其应用于现实世界的过程中，仍有许多问题亟待解决。

2025-02-11 20:22:12 23568 12

原创博客之星2024年度总评选——我的年度创作回顾与总结

2024年，是我在优快云博客上持续耕耘、不断成长的一年。在此，与大家分享一下我的年度创作回顾与总结。

2025-01-22 22:45:48 16796

原创如何让编码更加高效专注？——程序员编程选明基 RD280U显示器

在实际编码过程中，我会遇到一些问题，比如，长时间面对电脑屏幕导致的眼睛疲劳和干涩，以及多任务处理时的注意力分散等。这些问题一度让我非常苦恼，为此，最近我找遍各大电商平台，选购了一台全球首款为编码人士打造的专业编程显示器——明基 RD280U显示器。

2025-01-02 17:16:42 16256 2

原创【玩转OCR | 腾讯云智能结构化OCR应用探索和场景实践】

腾讯云智能结构化OCR是腾讯云推出的一款基于深度学习、图像检测技术及OCR大模型能力的智能文字识别服务。它能够实现对不限版式的结构化信息抽取，无论是固定卡证还是复杂的物流单据，均可实现智能识别。该产品分为基础版与高级版，满足不同企业的需求，广泛应用于政务、票据核销、行业表单和国际物流等场景。腾讯云智能结构化OCR凭借其高精度、灵活性和易用性，已经成为企业数字化转型的重要工具。通过本文的介绍和实践示例，相信读者已经对腾讯云智能结构化OCR有了更深入的了解。

2024-12-31 13:23:10 1413 1

原创【AI落地应用实战】篡改检测技术前沿探索——从基于检测分割到大模型

在数字化洪流席卷全球的当下，视觉内容已成为信息交流与传播的核心媒介，然而，。本文将探讨篡改检测技术的现实挑战，分享篡改检测技术前沿和最新应用成果。

2024-12-24 08:46:24 52033 21

原创【RAG论文精读】如何让大型语言模型更好地 “听懂” 我们的需求？—— DFA-RAG：基于有限确定自动机的大语言模型对话语义路由器

本文提出了一种基于有限确定自动机的检索增强型大语言模型（DFA-RAG），这是一个旨在提升大型语言模型（LLMs）对话代理能力的全新框架。传统的大语言模型在某些需要遵循预设响应规范的特定场景（如情感支持和客户服务）中，常面临生成受控且合规响应的挑战。为了解决这一问题，我们在LLM中嵌入了从训练对话中学习的有限确定自动机（DFA），这一结构化方法充当语义路由器，使模型能够遵循确定性的响应路径。路由过程通过检索增强生成（RAG）策略实现，该策略根据当前对话上下文精准选择匹配的对话示例。

2024-12-15 16:03:26 8543 1

原创【RAG论文精读】给RAG引入海马体记忆索引理论HippoRAG: Neurobiologically Inspired Long-Term Memory for LLM

为了在充满挑战且瞬息万变的自然环境中茁壮成长，哺乳动物的大脑进化出了存储大量世界知识的能力，并能持续整合新信息，同时避免灾难性遗忘。尽管大型语言模型（LLMs）已经取得了显著成就，但即便是结合了检索增强生成（RAG）技术的大型语言模型，在预训练后仍难以高效、有效地整合大量新经验。在本研究中，我们提出了一种名为HippoRAG的新型检索框架。该框架受人类长期记忆中海马索引理论的启发，旨在实现对新经验中知识的更深层次、更高效整合。

2024-12-13 08:30:00 11143 1

原创【AI落地应用实战】使用QuickSight生成式 AI 工具探索智能BI

QuickSight是亚马逊云科技提供的一款功能强大的基于云的商业智能（BI）服务，其提供数据可视化、分析、报告和协作功能，支持多种数据可视化工具，包括图表、仪表板、报告和分页报告。用户可以通过拖放界面轻松创建和编辑可视化效果，并将其导出为多种格式。通过不断的技术创新和服务扩展，QuickSight正在为越来越多的企业和行业提供智能化的数据分析和可视化解决方案。本篇文章将分享如何使用QuickSight来模拟一家虚拟Saas公司分析数据视图。

2024-12-05 10:25:19 10484 1

原创【AI落地应用实战】Amazon Bedrock Converse API + Amazon Titan构建一个RAG应用（Retrieval-Augmented Generation）

首先进入Amazon海外站官网，输入Bedrock，点击Amazon Bedrock进入详情页然后点击入门，进入Amazon Bedrock控制台：进入后点击概览（Overview），我们可以看到 Amazon Bedrock 支持的多种基础模型（Foundation Model），其中包括 Amazon Titan，Anthropic Claude，Jurassic，Command，Mistral，Stable Diﬀusion 以及 Llama3。

2024-11-29 12:46:19 11050 3

原创 DAMODEL丹摩｜【AI落地应用实战】文本生成语音Parler-TTS + DAMODEL复现指南

传统的 TTS 模型在处理语音合成时，通常依赖大规模的语音数据集，并采用人类标注的音素、音节等细粒度信息。然而，这种方式存在标注过程耗时且昂贵和人工标注可能带有主观性和误差的问题为了解决这些问题，Dan Lyth和Simon King的研究论文提出使用自然语言的指导信息结合合成标注，使模型更好地理解上下文语境，从而生成更加高保真的语音。该方法的核心在于用自然语言注释驱动 TTS 模型。即，通过自然语言描述声音属性（如情感、重音、语气等）来指导语音合成。

2024-11-09 12:33:59 20393 3

原创【AI落地应用实战】构建基于知识图谱的知识问答系统

知识图谱（Knowledge Graph）是一种结构化的语义知识库，它以图形的方式组织和整合信息，使得数据之间的关系变得直观和易于理解。知识图谱的概念融合了计算机科学、数据科学、人工智能等多个领域的技术，旨在通过关联分析揭示数据背后的深层次关系。本文所涉及所有资源均在可获取。

2024-11-07 16:32:58 10540 2

原创【AI落地应用实战】HivisionIDPhotos AI证件照制作实践指南

最近在网上发现了一款轻量级的AI证件照制作的项目，名为HivisionIDPhotos。它利用AI模型实现对多种拍照场景的识别、抠图与证件照生成，支持轻量级抠图、多种标准证件照和排版照生成、纯离线或端云推理、美颜等功能。此外，项目还提供了Gradio Demo交互页面和API服务，方便用户进行证件照的制作和自定义。本篇将介绍使用DAMODEL深度学习平台部署HivisionIDPhotos模型进行复现。

2024-11-05 21:15:26 35539 1

原创【AI落地应用实战】智能文档处理本地部署——可视化文档解析前端TextIn ParseX实践

就我个人目前在工作中遇到的各类业务而言，现代文档形式日益多样化，这些文档不仅包含传统的文本格式，还包括PDF、扫描件、手写文本、图片嵌入文本等多种结构，常常掺杂图像、表格、图形等非文本信息。与此同时，文档信息的冗余和噪声过滤也带来了困扰。在实际业务中，文档中关键信息常被大量冗余内容包围，比如广告、页眉页脚、参考文献等无关信息，这些噪声不仅增加了解析难度，还使得信息提取的准确性受到影响。传统的文档扫描和分析工具往往难以适用。工欲善其事，必先利其器，TextIn ParseX项目正是在这样的背景下应运而生。

2024-10-30 08:36:28 26616 30

原创 @天命人，这场大赛69万奖金等你来分！

在金融科技领域，这6年更是意义非凡金融科技正以前所未有的速度打破传统金融服务的边界，成为数字化时代不可或缺的重要组成部分。而对于“深圳国际金融科技大赛——西丽湖金融科技大学生挑战赛”而言，6年，从初出茅庐的“新生赛事”成为了具有稳定基础和广泛影响的“赛事盛宴”，大赛完成了一场华丽的蜕变！今年，大赛带着满满的惊喜与期待强势归来！在大家的热烈期盼下大赛于9月29日正式开赛！目前，2024 FinTechathon 深圳国际金融科技大赛——西丽湖金融科技大学生挑战赛全面启动！

2024-10-29 20:36:39 809 5

原创浅谈AGI时代的“数据枢纽”——向量数据库

AI 的全流程其实都是围绕着向量的数学运算，向量是基于不同特征或属性来描述对象的数据表示。每个向量代表一个单独的数据点，例如一个词或一张图片，由描述其许多特性的值的集合组成。这些变量有时被称为“特征”或“维度”。例如，一张图片可以表示为像素值的向量，整个句子也可以表示为单词嵌入的向量。图像向量，通过深度学习模型提取的图像特征向量，这些特征向量捕捉了图像的重要信息，如颜色、形状、纹理等，可以用于图像识别、检索等任务；文本向量。

2024-10-20 18:06:10 7983 4

原创 2024 FinTechathon 深圳国际金融科技大赛——西丽湖金融科技大学生挑战赛正式启动

在此背景下，深圳这座屹立于金融创新前沿的城市，再次引领了金融科技的创新潮流。为了加速深圳市金融科技产业的蓬勃发展，抢占行业制高点，并构建坚实的人才高地，由。

2024-10-08 22:12:09 12855 1

原创【AI驱动TDSQL-C Serverless数据库技术实战】 AI电商数据分析系统——探索Text2SQL下AI驱动代码进行实际业务

Text2SQL 是一种将自然语言查询转换为 SQL 查询的技术，其核心工作原理涉及自然语言处理和语义理解。用户可以通过输入自然语言问题来与数据库进行交互，而无需了解 SQL 语法。系统首先分析用户的输入，识别出关键字和查询意图，然后根据数据库的结构生成相应的 SQL 查询。在工作过程中，Text2SQL 首先利用自然语言处理技术，解析用户的语言，提取出查询的主题、操作和条件。

2024-09-30 17:10:49 68119 2

原创内幕！smardaten无代码平台全方位测评，这些细节你绝对想不到！

客观而言，smardaten无代码平台在跨语言支持 OEM深度定制方面展现出了卓越的性能，完美契合了中大型企业快速响应市场动态、灵活调整业务策略的需求。其强大的UI自定义能力，不仅满足了我们对品牌视觉统一性的严格要求，更促进了企业形象的全方位塑造与传播。其次，smardaten在处理复杂业务逻辑方面的能力，也证明了其在企业级应用开发中的实用性，这是许多轻量级低代码平台难以比拟的。这种能力对于构建企业级应用至关重要，因为它确保了应用的功能性和可维护性。

2024-09-14 09:32:05 83512 35

原创【解决方案】yolov5环境配置报错 Downloading https://github/Arial.Unicode.ttf to /root/.config/Ultralytics/Arial

许多程序或者软件，往往需要特定的字体文件来确保文本的正确显示，为了简化安装和配置过程，有些代码会在安装或首次运行时自动下载所需的依赖项。在这个场景中，yolov5检测到缺少Arial.Unicode.ttf字体文件，并决定从GitHub的ultralytics/assets仓库中下载它。，基于最新Ampere架构，7纳米制程，80GB显存，拥有10240个CUDA核心和320个Tensor核心强势登陆。两种解决方案，一种是去下载对应字体文件，另一种是去配置系统已有字体。

2024-09-04 10:19:25 54220 7

原创【解决方案】Vue项目部署指南：Nginx部署前端Vue.js项目

如果提示说无法创建普通文件"/usr/local/nginx/sbin/nginx"，需要先暂停nginx再启动：/usr/local/nginx/sbin/nginx -s quit（或者niginx -s stop 或者killall nginx）然后再输入。安装包名为nginx-1.22.0.tar.gz，将其放到服务器的/usr/local/nginx目录下，初始没有nginx文件夹需要新建一个空的nginx。如果没有安装，首先需要安装一些必要环境，在终端中依次输入以下指令，安装必要的包。

2024-09-04 09:00:40 69373 1

原创【Intel黑客松大赛】基于OpenVINO™ Model Optimizer + ChatGLM-6B + P-Tuning微调的AI新闻小助手

将OpenVINO™ Model Optimizer、ChatGLM-6B以及P-Tuning微调技术相结合，可以构建出一个高效、灵活且性能优异的AI新闻小助手。该助手能够利用优化后的ChatGLM-6B模型快速生成新闻报道，同时借助OpenVINO™的跨平台特性和性能优化能力，确保在不同硬件平台上都能稳定运行。此外，通过P-Tuning微调技术，AI新闻小助手能够不断适应新的数据集和任务需求，提升新闻报道的准确性和多样性。

2024-09-02 22:10:33 44072 2

原创【AI落地应用实战】Amazon SageMaker JumpStart 体验零一万物的 Yi 1.5 模型

Amazon SageMaker JumpStart 是 Amazon SageMaker 平台的一部分，旨在帮助用户更快、更轻松地启动和开发机器学习项目。这是亚马逊云科技提供的一个非常实用的工具，特别适合那些希望迅速启动和开发机器学习项目的用户。SageMaker JumpStart 可以视为 SageMaker 的一个扩展，它专注于简化机器学习项目的启动过程。通过提供预训练模型、解决方案模板和一键部署功能，JumpStart 大幅度降低了初始设置的复杂性，加快了从概念到实际应用的过渡。

2024-08-20 20:19:35 7883 2

原创【Vue H5项目实战】从0到1的肯德基点餐系统—— 提交订单设计(Vue3.2 + Vite + TS + Vant + Pinia + Nodejs + MongoDB)

本系列将以肯德基自助点餐页面为模板，搭建一款自助点餐系统，第一次开发移动端h5项目，免不了有所差错和不足，欢迎各位大佬指正。在上一章我们已经完成了商品页面、购物车弹出层、导航栏双向联动等功能，但是提交订单按钮点击后还是空的，那么在这章，我们将要继续设计点击提交订单按钮后，修改或新增地址、确认订单、提交订单的功能。

2024-08-19 20:29:11 7218 5

原创【AI落地应用实战】灵办AI——学术检索与论文阅读必备插件

作为一名学术领域的探索者，。然而，这一过程并非总是一帆风顺，特别是当我们面对海量的英文学术文献时，语言障碍往往成为制约我们深入研究的瓶颈。

2024-08-08 17:07:05 9900 7

原创基于腾讯云 AI 代码助手的Web端宝可梦图鉴实践记录

腾讯云 AI 代码助手在程序开发中承担了很大一部分同质化的繁杂工作。只需用自然语言描述你的意图和需求，它就能协助完成从需求分析到代码编写，再到快速诊断和功能迭代的全过程。这种能力使得原本只有程序员才能理解的代码，现在变得易于大众理解，大大降低了编程的入门门槛。无论是编程新手还是资深开发者，都可以通过与 AI 代码助手的互动，显著提高自己的日常生产力。

2024-08-07 12:21:21 17752 8

原创国产版Sora复现——智谱AI开源CogVideoX-2b 本地部署复现实践教程

本篇博客将详细介绍，使用丹摩服务器部署和初步使用CogVideoX的实践流程。智谱AI在8月6日宣布了一个令人兴奋的消息：他们将开源视频生成模型CogVideoX。目前，其提示词上限为226 个 token，视频长度为 6 秒，帧率为 8 帧 / 秒，视频分辨率为 720*480，而这仅仅是初代，性能更强参数量更大的模型正在路上。先看两个效果（均为个人本次实践复现得出）：CogVideoX生成视频1CogVideo生成视频2首先简单介绍下原理，CogVideoX的核心在于它的3D变分自编码器。

2024-08-06 22:32:42 18988 40

原创解决方案：Error loading nvfuser_codegen.dll、cannot import name ‘packaging‘、ImportError: libGL.so.1、字体问题

这个错误表明Python程序试图导入一个模块或库，而这个库依赖于名为libGL.so.1的共享对象文件，但是系统无法找到这个文件。libGL.so.1是OpenGL的GPU渲染库，通常由图形驱动程序提供。如果是70.0.0及以上的版本，需要降低版本。

2024-08-05 12:31:46 8334 4

原创【AI落地应用实战】DAMODEL深度学习平台部署+本地调用ChatGLM-6B解决方案

ChatGLM-6B是由清华大学和智谱AI开源的一款对话语言模型，基于 General Language Model (GLM)架构，具有 62亿参数。该模型凭借其强大的语言理解和生成能力、轻量级的参数量以及开源的特性，已经成为在学术界和工业界引起了广泛关注。本篇将介绍使用DAMODEL深度学习平台部署ChatGLM-6B模型，然后通过Web API的形式使用本地代码调用服务端的模型进行对话。

2024-07-31 15:14:20 11186 47

原创【AI落地应用实战】Amazon Bedrock + Amazon DynamoDB 数据设计与建模

在当今数字化转型的浪潮中，企业对数据处理能力的需求日益增长，为了应对大规模数据和高并发访问的挑战，选择一款合适的数据库解决方案变得尤为重要。Amazon DynamoDB，作为亚马逊云科技提供的一种完全托管式、无服务器的，凭借其高性能、高可用性和可扩展性，成为了构建现代化应用程序的理想选择。在中，DynamoDB不仅支持快速数据访问和实时数据处理，还能够处理大规模数据集的存储和检索。在。

2024-07-29 20:31:11 9822 8

原创【AI落地应用实战】Amazon Bedrock +Amazon Step Functions实现链式提示（Prompt Chaining）

Prompt Chaining 是一种在生成式人工智能（如大型语言模型）中广泛使用的技术，它允许用户通过一系列精心设计的提示（Prompts）来引导模型生成更加精确、丰富且符合特定需求的内容。Prompt Chaining 的核心思想在于不是一次性给出一个复杂的指令或问题给模型，。这种链式提示的方式能够有效提高模型的响应质量，减少错误，并使得生成的内容更加符合用户的预期。Prompt Chaining的工作原理基于两个关键要素：任务分解和对话连续性。

2024-07-29 19:27:16 62937 9

原创【AI落地应用实战】如何让扫描工具更会思考——智能高清滤镜2.0实战测评

在这个信息爆炸的数字化时代，扫描工具已经成为我们日常工作和学习中不可或缺的助手。最近，扫描全能王推出了革命性的“智能高清滤镜2.0”，本次更新后，智能高清滤镜能够智能识别并优化扫描过程中的各种问题。无论是光线不均、背景杂乱，还是文档本身的折痕和污渍，它都能一一化解，呈现清晰、准确的扫描结果。在这篇实战测评中，我们将深入探讨智能高清滤镜2.0本次更新的细节，从技术原理到实际应用，让我们一起见证，当扫描工具开始“思考”，我们的工作将如何变得更加高效和便捷。

2024-06-28 09:15:43 12607 44

原创【AI落地应用实战】如何高效检索与阅读论文——302.AI学术论文工具评测

在浩瀚的学术海洋中，如何快速、准确地找到我们需要的论文，就像是航海家如何在茫茫大海中找到正确的航线。海量的学术资源、复杂的检索系统、不断更新的研究热点，都为我们设置了重重障碍。最近，我就收到了不少同学私信说他们检索并阅读完一篇论文所花费的时间，甚至比追完一季电视剧还要长，那么：- 如何快速检索找到那些真正有价值、与研究方向紧密相连的论文？- 如何高效地粗读并挑选出那些真正值得我们深入阅读的论文？- 如何有效地精读目标论文，提炼出其中的核心知识点？

2024-06-25 18:27:03 15054 36

物品使用成本计算器小工具基于React+Typescript

成本计算器包括以下核心功能：物品信息录入：用户可以输入物品的基本信息，比如名称、购买价格、购买日期等。使用时长计算：根据购买日期和当前日期，自动计算物品的使用时长（天、月、年）。日均成本计算：根据购买价格和使用时长，自动计算日均持有成本。成本趋势分析：展示物品的日均成本随时间变化的趋势，帮助用户了解物品的“贬值”情况。多物品管理：支持添加多个物品，用户可以对比不同物品的日均成本。界面简洁：界面清晰易懂，操作简单。

2025-03-03

diffusers-0.30.0.dev0-py3-none-any.whl

2024-08-06

配置好的Oxford-102 Flower数据集花卉数据集-DFGAN

本文件为配置好的Oxford-102 Flower数据集，可直接用于DF-GAN2022版本的训练测试，也可以根据文件夹来替换为自己的数据集进行训练。文件夹包括：图像数据集、文本数据集、flower_val256_FIDK0.npz、flower_text_encoder250.pth、flower_cat_dic.pkl、cat_to_name、captions_DAMSM.pickle、captions.pickle文件。 Oxford-102 Flower是牛津工程大学于2008年发布的用于图像分类的花卉数据集 **数据量**：8189张图像组成的数据集，这些图像被划分为103个花卉类别，都是英国常见的花卉。数据集分为训练集、验证集和测试集，训练集和验证集各包含10个图像，测试集由剩余的6129张图像组成（每类至少20张）。 **种类**：每个类包含40到250个图像，百香花的图像数量最多，桔梗、墨西哥紫菀、青藤、月兰、坎特伯雷钟和报春花的图像最少，即每类40个，图像被重新缩放，使最小尺寸为500像素。

2024-02-18

Oxford-102 Flower配置数据包

Oxford-102 Flower是牛津工程大学于2008年发布的用于图像分类的花卉数据集本文件为Oxford-102 Flower对应的配置数据包，包括的是训练花数据集以及测试数据集训练效果的必要配置文件，基本适用于文本生成图像相关模型，完全适用于DF-GAN2022版代码以及其延伸模型，文件夹包括： flower_val256_FIDK0.npz、flower_text_encoder250.pth、flower_cat_dic.pkl、cat_to_name、captions_DAMSM.pickle、captions.pickle文件

2024-02-18

我的三合一游戏站项目（AI虚拟女友、文字版王者荣耀、女儿养成类游戏）-基于文心千帆ERINE-Bot4的三合一游戏站

使用方法： 1、解压项目，两个文件夹，wenxin-express为后端，wenxin-vue3-fe-master为前端。 2、打开wenxin-express，使用vscode终端cd进入项目目录，输入npm i安装依赖，然后输入node app.js启动项目； 3、打开wenxin-vue3-fe-master，使用vscode终端cd进入项目目录，输入npm i安装依赖，然后输入npm run dev启动项目； 4、在浏览器中输入http://localhost:5173/ 进入网页开始游戏。大模型三合一游戏站项目是基于文心千帆ERINE-Bot4的一个创新性项目。该项目包括了三个游戏，分别是AI虚拟女友、文字版王者荣耀和女儿养成类游戏。在AI虚拟女友中，用户可以体验到一种仿真的情感互动，能够理解用户的语言并做出相应的回应，提供陪伴和娱乐。在文字版王者荣耀中，玩家可以通过交流指令和战术来指导自己的角色，在虚拟的游戏世界中体验策略和协作的乐趣。在女儿养成模拟器中，扮演一个虚拟父母的角色制定计划、参与活动等方式来培养和引导女儿的成长。

2023-11-12

一键文生图-本地SD文本生成图像应用

2023-11-01

类肯德基自助点餐系统03 - 商品与购物车逻辑设计

本资源为类肯德只因自助点餐系统0.3.0版本： 1、【重要提醒】0.3.0版本实现了对象类型的设计、商品页面设计、购物车设计，具有商品列表的界面、购物车列表页面，购物车弹出层增减、金额计算、清空、导航栏与右侧商品联动等功能，已经初步具备一个点餐系统的部分功能； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、项目正在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-04-04

类肯德基自助点餐系统02 - 页面布局(Vue3.2 + Vite + TS + Vant + Pinia + MongoDB）

本资源为类肯德只因自助点餐系统0.2.0版本： 1、【重要提醒】0.2.0版本实现了商品页面的初步设计、轮播图的展示、标题栏、导航栏和商品页面的布局设计； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、项目正在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-03-15

类肯德基自助点餐系统01(Vue3.2 + Vite + TS + Vant + Pinia + MongDB）Vue H5项目

本资源为类肯德基自助点餐系统0.1.0版本： 1、【重要提醒】0.1.0版本实现了项目初始化与搭建，是一款非常适合起步的脚手架，可供学习； 2、使用的技术栈为Vue3.2+Vite+TS+Vant+Pinia+MongoDB； 3、0.1.0版本已成功搭建Less、Vant、vw适配方案、Vue Rotuer、Pinia和Axios； 4、项目在gitee同步更新，请点个star：https://gitee.com/airheaven/kfg-vue 使用方法： 1、解压文件包，放入VSCode； 2、终端cd进入项目，使用npm install建立依赖 3、npm run dev启动项目

2023-03-04

FID预训练好的模型针对COCO的FID预训练模型文本生成图像定量指标模型

这是FID预训练好的模型，针对coco的文本生成图像定量指标训练好的模型复现步骤请看：https://blog.youkuaiyun.com/air__Heaven/article/details/124751665 CUB-Bird的FID预训练好的模型，请看：https://download.youkuaiyun.com/download/air__Heaven/85362542

2022-12-05

web端云监工系统（Vue3+Element plus+TS+Pinia）

项目技术栈 - Vue 3.2.13 - Element-Plus 2.1.10 - Vue-Router 4.0.3 - Pinia 2.0.13 - Axios 1.2.0 - Mitt 3.0.0 - TypeScript、TRTC、Less-loader、... 输入`npm i`自动配置项目相关依赖，然后输入`npm run serve`启动服务。也可以直接`npm start`。

2022-11-28

数据挖掘——移动平均预测道琼斯、纳斯达克、标准普尔指数

本资源使用移动平均预测道琼斯、纳斯达克、标准普尔指数——Python中的基本数据操作和可视化，压缩包里包括S&P、Dow、Nasdaq数据集和代码。移动平均⼜称移动平均线，简称均线。作为技术分析中⼀种分析时间序列的常⽤⼯具，常被应⽤于股票价格序列。移动平均可过滤⾼频噪声，反映出中⻓期低频趋势，辅助投资者做出投资判断。

2022-08-17

琼斯、纳斯达克、标准普尔指数-数据挖掘数据集包

资源包括琼斯、纳斯达克、标准普尔指数列表名为：Date、Open、High、Low、Close、Adj Close、Volume 用于简单移动平均预测道琼斯、纳斯达克、标准普尔指数

2022-08-16

SSAGAN预训练的 DAMSM 模型

SSAGAN预训练的 DAMSM 模型，包括文本编码器text encoder和图像编码器image encoder，其中text encoder是双向LSTM模型，image encoder是CNN模型。在文件中均已经预训练好了的第200轮。下载后将其上传到 DAMSMencoders目录下并进行解压

2022-07-24

文本生成图像SSA-GAN -CUB鸟元处理数据包

本资源是文本生成图像的SSA-GAN模型复现过程中必备的鸟数据集元处理数据包。包括test、text、train、example_filenames.txt、example_captions.txt、captions.pickle等数据。

2022-07-24

文本生成图像DF-GAN -CUB鸟元处理数据包

本资源是文本生成图像的DF-GAN模型复现过程中必备的元处理数据包，包括DAMSMencoder的imageencoder和textencoder，FID评估使用的npz，class_info.pickle文件、filenames.pickle文件。复现步骤请查看：https://blog.youkuaiyun.com/air__Heaven/article/details/125467190

2022-06-28

R分数复现 R-precision评估指标定量实验工程文件文本生成图像R分数定量评估实验代码

本压缩包是文本生成图像里的 R分数实验代码 R-precision评估指标定量工程文件，可以用来评估文本与图像的对齐性（即生成的图像是否符合文本），工程包括build_RPdata.py、config.py、encoder.py、eval_Rprecision.py、all_texts.txt。运行时： 1.先更改参数，将文件位置改成你已经生成好的图像的位置 2.运行build_RPdata.py，生成RPdata的数据，即每个数据是一个图像+n条句子 3.运行eval_Rprecision.py，评估图像与文本的对齐度 4.还可以更改R值，继续3进行各种实验

2022-06-12

FID预训练好的模型针对CUB-birds的FID预训练模型文本生成图像定量指标模型

这是FID预训练好的模型，针对CUB-birds的文本生成图像定量指标训练好的模型 FID分数用于根据预训练网络提取的特征，测量真实图像分布和生成图像分布之间的距离。真实图像在空间中是服从一个分布的（假设为正态分布），而GAN生成的特征也是一个分布，GAN做的事情就是不断训练使这两个分布尽可能的相同。FID就是计算这两个分布直接的距离，使用的距离算法叫做Frechet distance。

2022-05-13

文本生成图像 IS分数预训练模型 inception model预训练CUB-Bird模型

预训练好的inception model 是StackGAN 用来于鸟评估的inception score模型也可以用于AttnGAN、DF-GAN等等文本生成图像模型当中主要用于评估图像质量

2022-05-12

已经训练好的DF-GAN 600轮epoch生成器CUB-birds模型文本生成图像模型

这个是已经训练好的DFGAN，针对CUB的生成器模型，训练轮数601轮默认bird.yml： CONFIG_NAME: 'bird' DATASET_NAME: 'bird' DATA_DIR: '../data/bird' GPU_ID: 0 WORKERS: 1 B_VALIDATION: True # True # False loss: 'hinge' TREE: BRANCH_NUM: 1 BASE_SIZE: 256 TRAIN: NF: 32 # default 64 BATCH_SIZE: 24 MAX_EPOCH: 601 NET_G: '../test' TEXT: EMBEDDING_DIM: 256 CAPTIONS_PER_IMAGE: 10 DAMSM_NAME: '../DAMSMencoders/bird/inception/text_encoder200.pth'

2022-05-12

客户端+服务器实现网络版贪吃蛇

贪吃蛇游戏的网络版 C++实现使用到了多线程编程数据格式规定对象|动作|参数 1.对象–蛇，食物蛇:1 食物:2 2.动作–产生，移动，变长产生:1 移动:2 变长:3 3.参数–根据不同的对象，不同的动作有不同的参数产生蛇：长度，坐标

2022-05-09

出上联对下联 AI人工智能对春节对联（python+pytorch+Transformer+BiLSTM+ATTN+CNN）

介绍博文：https://blog.youkuaiyun.com/air__Heaven/article/details/122696876 使用了：python+pytorch+Transformer+BiLSTM+ATTN+CNN 自己出上联，AI可以对出下联运行 preprocess.py 进行数据预处理（已经训练好了，可选择忽略）运行 main.py [-m model type] 进行训练（已经训练好了，可选择忽略）运行 clidemo.py <-p model path> 可在控制台进行AI对对联运行 webdemo.py <model path> 可在Web端进行AI对对联命令行参数的详细说明见文件内，你也可以在 module/model.py 中定义你自己的模型。 Using Docker：docker pull wisedoge/coupletai

2022-04-25

AttnGAN文本生成图像模型已预训练+训练好的模型 python3版本

已经配置好了预训练模型和训练好的模型已经配置好了下载为鸟类预处理的元数据除了没有CUB-birds的图像数据集，其他文件都已经下载并配置好了。 AttnGAN: Fine-Grained TexttoImage Generation with Attention（带有注意的生成对抗网络细化文本到图像生成）的代码复现下载后需要安装环境 >pip install python-dateutil > pip install easydict > pip install pandas > pip install torchfile nltk > pip install scikit-image 可能需要额外安装的环境，根据提示进行补充： > pip install torchvision

2022-04-02

51单片机实现围棋单片机围棋实验

2022-02-27

云计算应用实验报告武汉理工大学云计算应用 hadoop单机模式和伪分布式

1、hadoop单机模式和伪分布式 2、hadoop集群 3、hadoop运行WordCount程序 4、编码实践并在Hadoop上运行题目：输入两个文件，一个代表工厂表，包含工厂名列和地址编号列；另一个代表地址表，包含地址名列和地址编号列。要求从输入数据中找出工厂名和地址名的对应关系，输出“工厂名——地址名”表，按工厂名排序输出。数据文件自己设计样例。

2022-02-23

新年用Python与人工智能一起写春节对联

使用了：python+pytorch+Transformer+BiLSTM+ATTN+CNN 自己出上联，AI可以对出下联运行 preprocess.py 进行数据预处理（已经训练好了，可选择忽略）运行 main.py [-m model type] 进行训练（已经训练好了，可选择忽略）运行 clidemo.py <-p model path> 可在控制台进行AI对对联运行 webdemo.py <model path> 可在Web端进行AI对对联命令行参数的详细说明见文件内，你也可以在 module/model.py 中定义你自己的模型。 Using Docker：docker pull wisedoge/coupletai

2022-01-26

PyTorch-ResidualBlock GPU版本 B站刘二大人第11讲卷积神经网络(高级篇-2)GPU版本

原理是基于B站刘二大人：传送门PyTorch深度学习实践——卷积神经网络(高级篇) 这是ResidualBlock的pytorch实现，并且实现了在GPU上运行

2022-01-20

PyTorch-Inception Moudel GPU版本 B站刘二大人第11讲卷积神经网络(高级篇-1)GPU版本

原理是基于B站刘二大人：传送门PyTorch深度学习实践——卷积神经网络(高级篇) 这是Inception Moudel的pytorch实现，并且实现了在GPU上运行

2022-01-20

武汉理工大学计算机复试资料考研复试资料

包括历年大纲与细则、2021复试细则、历年面试的面试问题（专业、英语、其他）、离散数学书、武理离散数学PPT课件、导师联系方式

2021-11-17

C++课程设计报告家庭财务管理系统面对对象实验报告.docx

家庭财务管理系统C++课程设计报告，包括问题描述、需求分析，总体设计、详细设计和小结，报告共17页。问题描述：系统具有帐务处理的一般功能，包括家庭月收入管理、月支岀管理、并能按年、月统计家庭收入总和与支岀总和可按月支出费用进行降序排序同时系统提供收入或支出的添加、修改、删除操作。

2021-11-10

基于单片机的红绿黄灯设计（单片机实验交通灯设计）

利用单片机设计一个红绿灯，实现了数显倒计时与灯光变换，其中30秒红灯，25秒绿灯，5秒黄灯，实现东西与南北灯光变换，符合红绿灯逻辑。（所有时间也可以修改。）芯片采用：MSP430F249、74HC573 交通灯采用：trafficlight组件数显采用：两位数共阴极的数码管配套博文预览效果：https://blog.youkuaiyun.com/air__Heaven/article/details/120481520

2021-09-26

代码还原谷歌彩蛋小恐龙游戏免费下载（html+css+js）

代码还原谷歌彩蛋小恐龙游戏（html+css+js）谷歌的chrome浏览器有一个小彩蛋，在断网时打开chrome浏览器会出现一只小恐龙，按下空格键，就可以开始游戏了

2021-09-25

程序员浪漫--恋爱计时器（动画网页表白告白七夕礼物）

html++css+js 做的恋爱计时器网站网页点开后，效果如下第一部分用动画显示对她想说的话、表情符号与当前时间；第二部分显示恋爱了多久；第三部分引用一段台词或者情诗。

2021-09-14

编译原理词法分析语法分析课程设计报告（C++实现）.doc

包括：设计目的、设计要求、开发环境、分析器模型图、设计原理、框架图、分析过程、主要函数、运行结果 (1)词法分析：创建一个词法分析程序，它支持对正规文法的分析。必须使用DFA（确定性有限自动机）或NFA（非确定性有限自动机）来实现这一项目。该程序的输入是一个文本文件，包括一组由该正规文法产生的产生式以及待识别源代码字符串。该程序的输出是一个符号表（二元式），它由5种类型符号：关键词，识别符，常量，界符和操作符。 (2)语法分析：创建一个语法分析程序，它采用LL（1）方法或LR（1）方法。该程序的输入是一个文本文档，包括一组2型文法（上下文无关文法）的产生式和任务1程序输出的符号表。任务2的输出是一个YES或NO，即源代码字符串是否符合本2型文法。

2021-09-08

语法分析编译原理实验/课程设计（C++实现）

本资源为编译原理语法分析C++代码实现，使用codeblocks或者vs即可运行设计要求：创建一个语法分析程序，它采用LL（1）方法或LR（1）方法。该程序的输入是一个文本文档，包括一组2型文法（上下文无关文法）的产生式和任务1程序输出的符号表。任务2的输出是一个YES或NO，即源代码字符串是否符合本2型文法。

2021-09-08

词法分析编译原理实验/课程设计（C++实现）

本资源是编译原理实验-词法分析，用c++语言实现，包括mysource.txt 、mytext.txt、output.txt和词法分析.cpp文件，能够实现词法分析功能设计要求：创建一个词法分析程序，它支持对正规文法的分析。必须使用DFA（确定性有限自动机）或NFA（非确定性有限自动机）来实现这一项目。该程序的输入是一个文本文件，包括一组由该正规文法产生的产生式以及待识别源代码字符串。该程序的输出是一个符号表（二元式），它由5种类型符号：关键词，识别符，常量，界符和操作符。用子集法将NFA转化为DFA。配套博文：https://blog.youkuaiyun.com/air__Heaven/article/details/120181471

2021-09-08

layui-progress+element+jquery+js设计一个动态进度条

众所周知，进度条是一种烦人的东西╭(╯^╰)╮，本文件使用layui-progress+element+js写了一个糊弄人的进度条，供大家学习。

2021-09-04

计算机网络课设模拟邮件系统模块设计图

计算机网络课设模拟邮件系统模块设计图图像用visio制作，展示一款模拟邮件系统的模块设计

2021-08-11

计算机网络课程设计任务书（计算机，软件）

《计算机网络》课程设计任务书一、课程设计要求通过本课程设计，使学生对计算机网络的基本概念的理解，通过相关的设计学习网络协议和网络工具的开发，从而充分掌握计算机网络体系结构和应用。学生必须仔细阅读《计算机网络》课程设计任务书，认真主动完成课程设计的要求。有问题及时主动通过各种方式与教师联系沟通。学生要发挥自主学习的能力，充分利用时间，安排好课设的时间计划，并在课程设计过程中不断检测自己的计划完成情况，及时的向教师汇报。按照教学要求务必在1.5周内完成课程设计并提交所有文档。二、设计和调试过程的规范化要求报告除了在封面（封面格式有统一规定）中应有专业、班级、姓名、学号和课程设计日期以外，其正文一般有如下几个方面的内容： 1）对每个题目要有设计思想在设计思想中，将题目中要求的功能进行叙述分析，并且设计或叙述解决此问题的算法，描述算法建议使用流程图，进行算法分析指明关键语句的时间复杂度。给出实现功能的一组或多组测试数据，程序调试后，将按照此测试数据进行测试的结果列出来。对有些题目提出算法改进方案，比较不同算法的优缺点。如果程序不能正常运行，写出实现此算法中遇到的问题，和改进方法； 2）对每个题目要有相应的源程序（可以是一组源程序，即详细设计部分）：源程序要按照写程序的规则来编写。要结构清晰，重点函数的重点变量，重点功能部分要加上清晰的程序注释。程序能够运行，要有基本的容错功能。尽量避免出现操作错误时出现死循环； 3）最后提供的主程序可以象一个应用系统一样有主窗口，通过主菜单和分级菜单调用课程设计中要求完成的各个功能模块，调用后可以返回到主菜单，继续选择其他功能进行其他功能的选择。三、课程设计的成绩评定 1、由指导教师根据检查学生程序的情况、课程设计报告的质量和课程设计过程中的工作态度等综合打分。成绩评定实行等级制评分（A：90~100分 A-：85~89分 B+：82~84分 B：78~81分 B-：75~77分 C+：72~74分 C：68~71分 C-：64~67分 D：60~63分 F：<60分）。 2、设计程序的检查由指导教师当面在计算机上检查测试，并同时对程序运行中的问题至少提出三个问题，学生当面回答，教师根据以上检查做好记载； 3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。发现课程设计报告基本雷同，一律不及格。四、课程设计报告内容 1)需求分析：在该部分中叙述，每个模块的功能要求 2)概要设计：在此说明每个部分的算法设计说明（可以是描述算法的流程图），每个程序中使用的存储结构设计说明（如果指定存储结构请写出该存储结构的定义。 3）详细设计：各个算法实现的源程序，对每个题目要有相应的源程序（可以是一组源程序，每个功能模块采用不同的函数实现）。源程序要按照写程序的规则来编写。要结构清晰，重点函数的重点变量，重点功能部分要加上清晰的程序注释。 4）调试分析：测试数据，测试输出的结果，时间复杂度分析，和每个模块设计和调试时存在问题的思考（问题是哪些？问题如何解决？），算法的改进设想。 5）课设总结：总结可以包括：课程设计过程的收获、遇到问题、遇到问题解决问题过程的思考、程序调试能力的思考、对计算机网络这门课程的思考、在课程设计过程中对《计算机网络》课程的认识等内容。

2021-08-09

计算机网络课程设计报告：基于SMTP协议的模拟邮件系统

本文是基于SMTP协议的模拟邮件系统的课程设计报告全文包括：设计内容、需求分析、系统总体设计（系统功能模块设计、系统数据库总体设计、）、数据库设计、系统功能设计与实现、总结与反思（问题及解决问题、收获、不足与反思、思考与认识）如：二、系统总体设计 2.1 系统功能模块设计本模拟邮箱系统主要分为注册、登录、查看和更改个人注册信息、发送邮件、查看收件箱五大模块。用户注册并登录后，可查看个人注册信息、修改个人信息、绑定自己的公网邮箱后，可以向任意邮箱发送邮件、可以查看自己的收件箱等等。 2.2 系统数据库总体设计本系统的总体目标是为了实现邮件的发送与收取。其中主要是用户登录并与公网邮箱绑定后，使用SMTP协议向其他邮箱发送邮件、查看收件箱并对收件进行回复，系统所涉及到的数据存储表配套博文：https://blog.youkuaiyun.com/air__Heaven/article/details/119872245

2021-08-09

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

物品使用成本计算器小工具 基于React+Typescript

diffusers-0.30.0.dev0-py3-none-any.whl

配置好的Oxford-102 Flower数据集 花卉数据集-DFGAN

Oxford-102 Flower配置数据包

我的三合一游戏站项目（AI虚拟女友、文字版王者荣耀、女儿养成类游戏）-基于文心千帆ERINE-Bot4的三合一游戏站

一键文生图-本地SD文本生成图像应用

类肯德基自助点餐系统03 - 商品与购物车逻辑设计

类肯德基自助点餐系统02 - 页面布局(Vue3.2 + Vite + TS + Vant + Pinia + MongoDB）

类肯德基自助点餐系统01(Vue3.2 + Vite + TS + Vant + Pinia + MongDB）Vue H5项目

FID预训练好的模型 针对COCO的FID预训练模型 文本生成图像定量指标模型

web端云监工系统（Vue3+Element plus+TS+Pinia）

数据挖掘——移动平均预测道琼斯、纳斯达克、标准普尔指数

琼斯、纳斯达克、标准普尔指数-数据挖掘数据集包

SSAGAN预训练的 DAMSM 模型

文本生成图像SSA-GAN -CUB鸟元处理数据包

文本生成图像DF-GAN -CUB鸟元处理数据包

R分数复现 R-precision评估指标定量实验工程文件 文本生成图像R分数定量评估实验代码

FID预训练好的模型 针对CUB-birds的FID预训练模型 文本生成图像定量指标模型

文本生成图像 IS分数预训练模型 inception model预训练CUB-Bird模型

已经训练好的DF-GAN 600轮epoch生成器CUB-birds模型 文本生成图像模型

客户端+服务器实现 网络版贪吃蛇

出上联对下联 AI人工智能对春节对联 （python+pytorch+Transformer+BiLSTM+ATTN+CNN）

AttnGAN文本生成图像模型 已预训练+训练好的模型 python3版本

51单片机实现围棋 单片机围棋实验

云计算应用实验报告 武汉理工大学云计算应用 hadoop单机模式和伪分布式

新年用Python与人工智能一起写春节对联

PyTorch-ResidualBlock GPU版本 B站 刘二大人第11讲卷积神经网络(高级篇-2)GPU版本

PyTorch-Inception Moudel GPU版本 B站 刘二大人第11讲卷积神经网络(高级篇-1)GPU版本

武汉理工大学计算机复试资料 考研复试资料

C++课程设计报告 家庭财务管理系统 面对对象实验报告.docx

基于单片机的红绿黄灯设计（单片机实验交通灯设计）

代码还原谷歌彩蛋小恐龙游戏 免费下载（html+css+js）

程序员浪漫--恋爱计时器（动画网页 表白 告白七夕礼物）

编译原理 词法分析语法分析课程设计报告（C++实现）.doc

语法分析 编译原理实验/课程设计（C++实现）

词法分析 编译原理实验/课程设计（C++实现）

layui-progress+element+jquery+js设计一个动态进度条

计算机网络课设 模拟邮件系统模块设计图

计算机网络课程设计任务书（计算机，软件）

计算机网络课程设计报告：基于SMTP协议的模拟邮件系统

空空如也

物品使用成本计算器小工具基于React+Typescript

配置好的Oxford-102 Flower数据集花卉数据集-DFGAN

FID预训练好的模型针对COCO的FID预训练模型文本生成图像定量指标模型

R分数复现 R-precision评估指标定量实验工程文件文本生成图像R分数定量评估实验代码

FID预训练好的模型针对CUB-birds的FID预训练模型文本生成图像定量指标模型

已经训练好的DF-GAN 600轮epoch生成器CUB-birds模型文本生成图像模型

客户端+服务器实现网络版贪吃蛇

出上联对下联 AI人工智能对春节对联（python+pytorch+Transformer+BiLSTM+ATTN+CNN）

AttnGAN文本生成图像模型已预训练+训练好的模型 python3版本

51单片机实现围棋单片机围棋实验

云计算应用实验报告武汉理工大学云计算应用 hadoop单机模式和伪分布式

PyTorch-ResidualBlock GPU版本 B站刘二大人第11讲卷积神经网络(高级篇-2)GPU版本

PyTorch-Inception Moudel GPU版本 B站刘二大人第11讲卷积神经网络(高级篇-1)GPU版本

武汉理工大学计算机复试资料考研复试资料

C++课程设计报告家庭财务管理系统面对对象实验报告.docx

代码还原谷歌彩蛋小恐龙游戏免费下载（html+css+js）

程序员浪漫--恋爱计时器（动画网页表白告白七夕礼物）

编译原理词法分析语法分析课程设计报告（C++实现）.doc

语法分析编译原理实验/课程设计（C++实现）

词法分析编译原理实验/课程设计（C++实现）

计算机网络课设模拟邮件系统模块设计图