- 博客(1205)
- 资源 (231)
- 收藏
- 关注
RSS订阅原创 HY-MT1.5-7B模型实战指南｜从vLLM服务启动到前端API调用全解析
本文完整演示了如何从零开始，将模型集成到前端应用中，涵盖服务启动、接口验证、网页调用、异常处理等全流程。你不需要成为深度学习专家，也不必搭建复杂的后端系统——只要有一台预装镜像的GPU服务器，配合几行JavaScript代码，就能让普通网页拥有强大的翻译能力。模型即服务（Model-as-a-Service）。未来我们会看到更多“模型+界面+部署脚本”三位一体的开源项目，极大降低AI应用门槛。作为开发者，掌握这类现成智能服务的调用能力，将成为构建下一代智能化产品的基础技能。
2026-01-09 17:41:25
297
原创 Sambert-HifiGan在金融行业的应用：智能语音通知系统
Sambert-HifiGan 模型凭借其高质量语音输出与多情感表达能力，正在重塑金融行业的人机交互方式。结合 Flask 构建的双模服务架构，既保证了开发效率，又实现了生产环境的稳定性。💡 核心价值总结- ✅技术可行性：纯中文多情感合成已成熟，支持工业级部署- ✅业务增益：提升通知有效性、降低投诉率、增强客户满意度- ✅工程可维护性：依赖清晰、接口标准、易于扩展未来可进一步探索：- 结合 ASR 实现双向语音对话系统- 利用用户画像动态推荐最优发音人与情感策略。
2026-01-09 15:58:09
415
原创 如何判断模型已加载完成？访问地址何时可用？
不要仅凭“访问地址输出”判断可用性，这只是第一阶段。模型加载是最大瓶颈，通常耗时 45–70 秒，期间不可访问。最可靠的判断方式是/health接口轮询，其次是日志关键字匹配。建议封装智能启动脚本，实现自动检测与提醒。
2026-01-09 15:14:50
292
原创 AO3同人配音新玩法：AI生成带情感的中文朗读音频
通过本文介绍的Sambert-Hifigan 多情感中文语音合成系统🎭 为角色赋予真实情感色彩的语音表现💻 使用WebUI零代码完成音频制作🤖 通过API接入自动化工作流，批量生成内容🔐 在本地环境中安全处理敏感文本，避免上传第三方平台这不仅是一次技术应用的落地，更是创作形式的一次升维——从静态阅读走向多感官叙事。💡 核心价值总结低成本：无需聘请配音演员高效率：单次合成仅需几秒强可控：精准调节情感与语速易集成：Web + API双模式满足多样化需求。
2026-01-09 14:59:19
704
原创 用Sambert-HifiGan为电子门票添加语音验证功能
安全性提升：动态语音内容难以复制，有效防范截图转卖用户体验优化：语音播报更直观，尤其利于老年人和视障群体品牌温度增强：个性化问候让服务更有“人情味”
2026-01-09 14:41:23
532
原创 如何评估TTS效果？Sambert-Hifigan MOS测试方法与结果分析
负责从输入文本中提取语义、韵律和情感特征支持多情感控制标签（如[joy][sad][angry]），实现情感导向的声学建模输出高精度的梅尔频谱图（Mel-spectrogram）作为神经声码器，将梅尔频谱还原为高质量波形信号利用对抗训练机制增强语音细节，显著提升自然度和清晰度✅技术亮点总结- 端到端训练，避免中间表示误差累积- 多情感嵌入设计，支持细粒度情感控制- HiFi-GAN 声码器保证高保真输出，采样率可达 24kHz。
2026-01-09 12:38:54
374
原创 是否适合做有声书？Sambert-Hifigan长文本合成稳定性测试
Sambert-Hifigan 在经过适当优化后，完全具备承担中小型有声书项目的生产能力。Sambert-Hifigan 不仅是一个优秀的开源语音合成模型，更是推动中文语音技术平民化的重要力量。通过本次长文本稳定性测试，我们验证了其在有声书领域的实用潜力，并提供了可落地的工程优化方案。如果你正在寻找一款免费、可控、音质良好且支持情感表达的中文TTS解决方案，那么这个 Flask 封装版本无疑是一个值得尝试的选择。🔗项目获取方式。
2026-01-09 12:10:22
425
原创 语音合成在无障碍领域的应用：视障人群阅读辅助
语音合成技术不应只是炫技的AI玩具，更应成为连接数字世界与特殊群体之间的桥梁。本次基于Sambert-Hifigan 中文多情感模型构建的服务系统，不仅实现了高质量、低门槛的语音生成能力，更重要的是——它为视障人群的信息平权提供了切实可行的技术方案。通过稳定的 Flask 接口封装、友好的 WebUI 设计以及精准的情感控制，我们让每一个人都能“听见文字”，感受语言背后的情绪与温度。🌟 技术的价值不在于多先进，而在于能否点亮更多人的生活。
2026-01-09 12:07:50
435
原创 CRNN OCR图像预处理技巧：让模糊图片也能清晰识别
CRNN（Convolutional Recurrent Neural Network）是一种专为序列识别任务设计的端到端深度学习模型，广泛应用于手写体识别、街景文字识别等场景。卷积层（CNN）：提取图像局部特征，生成特征图（Feature Map）循环层（RNN/LSTM）：对特征序列进行时序建模，捕捉上下文依赖关系CTC 损失层（Connectionist Temporal Classification）：实现不定长字符输出，无需字符分割。
2026-01-09 10:03:09
340
原创 开源OCR安全性分析：数据本地化处理避免泄露风险
本镜像基于 ModelScope 经典的模型构建，专为注重隐私保护和离线可用性的场景而优化。更强的语言支持：支持中英文混合识别，尤其对中文印刷体与部分手写体具备良好鲁棒性；更低的硬件依赖：完全适配CPU环境运行，无需GPU即可实现平均响应时间 < 1秒；更优的用户体验：集成Flask开发的WebUI界面 + 标准RESTful API接口，满足可视化操作与程序调用双重需求；更高的识别稳定性：内置OpenCV驱动的图像预处理流水线，自动完成灰度化、对比度增强、尺寸归一化等操作。💡 核心亮点总结1.
2026-01-09 09:58:08
406
原创 印刷体与手写体混合识别：CRNN模型的实际表现测试
维度 | CRNN（本项目） | EasyOCR | PaddleOCR | Tesseract || 中文识别准确率 | ★★★★☆ | ★★★★ | ★★★★★ | ★★★ |
2026-01-09 09:33:51
411
原创 开源OCR部署卡显存？CPU版CRNN镜像完美解决
随着AI落地需求日益增长，我们不能再默认“每个服务器都有GPU”。尤其是在国产化替代、信创适配、边缘计算等趋势下，能在CPU上高效运行的高质量OCR模型将成为刚需。本文介绍的CPU版CRNN OCR镜像，正是针对这一痛点打造的实用解决方案：- 基于经典CRNN架构，保障中文识别质量- 深度优化CPU推理性能，平均响应<1秒- 提供WebUI + API双模式，降低使用门槛- Docker一键部署，真正实现“拿来即用”🚀 下一步行动建议1. 下载镜像并在本地测试典型业务图片。
2026-01-09 08:28:14
467
原创 AI翻译技术解析：CSANMT模型的创新架构设计
从“通用大模型”向“垂直场景专用模型”的演进。精准性：针对中英语言特点设计架构，译文自然流畅；高效性：轻量化+CPU优化，适合边缘设备与中小企业；稳定性：版本锁定+智能解析，减少运维负担；可扩展性：API+WebUI双模式，易于集成到现有系统。
2026-01-09 06:39:41
429
原创 开源社区新星：CSANMT获ModelScope官方重点推荐
本镜像基于 ModelScope 的模型构建，旨在提供开箱即用的高质量中英翻译解决方案。该模型采用先进的编码-解码结构，融合条件化注意力机制，在保持语义完整性的同时，显著提升译文的自然度与可读性。语义连贯性强：通过结构化注意力机制捕捉长距离依赖关系，避免断句错乱。表达地道化：训练数据涵盖新闻、科技、商务等多领域真实语料，输出更符合英语母语者表达习惯。上下文感知：支持短文本段落级翻译，兼顾句子间逻辑衔接。项目已集成Flask 轻量级 Web 服务框架。
2026-01-09 06:00:21
221
原创 疑问引导：你的AI翻译服务真的稳定吗？这几个指标要查
当我们说一个AI翻译服务“稳定”，并不仅仅指它能正常启动或偶尔运行良好。服务可用性：能否7×24小时持续运行？响应一致性：相同输入是否总能得到一致输出？资源占用可控性：CPU/内存是否随时间增长而失控？错误恢复能力：异常中断后能否自动重启或降级处理？版本兼容性：依赖库更新是否会导致服务崩溃？这些问题的答案，决定了你部署的服务是“玩具项目”还是“生产级系统”。📌 核心观点稳定性 ≠ 功能完整。一个功能齐全但三天两头报错的服务，远不如一个功能简单但长期无故障运行的系统有价值。
2026-01-09 05:22:15
558
原创 如何用CSANMT构建多语言聊天机器人
本镜像基于ModelScope平台提供的模型构建，专为中文到英文翻译任务优化。该模型由阿里达摩院研发，在多个中英翻译基准测试中表现优异，尤其擅长处理口语化表达、长句结构重组和语义连贯性保持。项目已集成Flask Web服务框架，提供直观易用的双栏式Web界面，左侧输入原文，右侧实时输出译文，支持段落级批量翻译。同时开放了标准化的HTTP API 接口，便于集成至聊天机器人后端系统。💡 核心亮点高精度翻译：基于达摩院 CSANMT 架构，专注于中英翻译任务，准确率高。极速响应。
2026-01-09 05:13:55
654
原创 如何用CSANMT构建支持历史记录的翻译应用？
本项目基于ModelScope 平台提供的 CSANMT 中英翻译模型，结合 Flask 构建了一个完整的本地化翻译服务系统。该模型由达摩院研发，采用上下文感知机制（Context-Aware），显著提升了长句连贯性与语义准确性，在中文到英文翻译任务上表现优异。✅ 高质量中英互译：专注于中→英方向，输出自然流畅、符合英语语法习惯✅ 双栏对照WebUI：左侧输入原文，右侧实时展示译文，支持复制与清空操作✅ 轻量级CPU优化：无需GPU即可运行，适合边缘设备或资源受限场景。
2026-01-09 05:10:30
507
原创 AI翻译避坑指南：这些版本冲突你一定遇到过
本镜像基于 ModelScope 的CSANMT（Conditional Structured Attention Network for Machine Translation）神经网络翻译模型构建，专为中文到英文翻译任务优化。相比传统统计机器翻译或早期RNN架构模型，CSANMT采用先进的Transformer结构，在语义连贯性和句式自然度方面表现优异。系统集成了Flask WebUI + RESTful API 双模式服务，支持：- 实时双栏对照翻译界面- 批量文本API调用。
2026-01-09 04:29:10
299
原创 深度学习入门：用M2FP理解语义分割基本原理
M2FP 是基于Mask2Former 架构改进而来的人体解析专用模型，专为解决“多人、多部件、复杂背景”下的精细化分割而设计。面部、眼睛、鼻子、嘴巴头发、耳朵上衣、内衣、外套、袖子裤子、裙子、鞋子手臂、腿部、躯干等更关键的是，M2FP 不仅提供原始分割结果，还通过内置的可视化拼图算法将离散的二值 Mask 合成为一张色彩丰富的语义图，极大提升了可读性和实用性。💡 技术定位。
2026-01-08 18:23:17
377
原创 实战案例：M2FP助力智能健身动作分析系统
本文详细介绍了基于 M2FP 模型构建的多人人体解析系统，并展示了其在智能健身动作分析中的完整落地路径。感知维度升级：从“点”到“面”，实现对人体结构的全面理解；复杂场景适应：有效应对多人共练、遮挡、光照变化等现实挑战；工程可落地性：通过环境锁定与 CPU 优化，真正实现“零显卡可用”。未来，我们计划在此基础上引入时序建模（如 LSTM 或 Temporal Conv），实现连续动作流识别，并结合语音反馈打造闭环交互体验。🚀 下一步行动建议1. 下载镜像尝试真实场景测试。
2026-01-08 17:11:15
493
原创 开源VS商业人体解析：M2FP免费且可私有化部署优势明显
M2FP 支持以下典型身体部位的精确分割（共19类）：| 类别编号 | 部位名称 | 应用意义 || 0 | 背景 | 分割边界判断 || 1 | 头发 | 发型分析、美颜应用 || 2 | 面部 | 表情识别、身份验证 |
2026-01-08 14:14:25
696
原创 Z-Image-Turbo元宇宙数字人形象设计实践
Z-Image-Turbo WebUI 凭借其快速推理、高画质输出与易用性，已成为构建元宇宙数字人形象的理想工具之一。通过本次实践，我们验证了以下核心价值：✅低成本快速原型设计：无需专业美术团队即可产出高质量角色概念图✅高度可定制化：通过提示词精确控制外貌、服饰、风格等维度✅支持规模化生产：结合Python API可实现自动化角色库构建未来可进一步探索方向包括：- 结合LoRA微调技术训练专属角色模型- 与姿态估计模型联动生成多角度视图- 集成语音驱动口型同步系统，打造完整虚拟人解决方案。
2026-01-08 14:14:18
818
原创 M2FP技术详解：Mask2Former架构如何实现像素级身体部位分类
标准 Mask2Former 多用于通用场景分割，而 M2FP 针对人体解析任务重新设计了细粒度语义标签体系头部相关：头发、面部、左耳、右耳、脖子上半身：左肩、右肩、上衣、内搭、腰带下半身：裤子、裙子、左腿、右腿、鞋子肢体：左臂、右臂、左手、右手训练时采用focal loss + dice loss 联合损失函数，有效缓解类别不平衡问题（如小面积的手部 vs 大面积的躯干）。M2FP（Mask2Former-Parsing）代表了当前人体解析领域的先进水平，其背后融合了。
2026-01-08 13:28:39
717
原创 创新应用：Z-Image-Turbo生成NFT艺术作品初探
Z-Image-Turbo 的出现，标志着AI图像生成进入了“高速+高质量”的新时代。通过科哥的二次开发WebUI，普通创作者也能轻松驾驭这一强大工具，实现从灵感到成品的快速转化。在NFT艺术领域，该技术的价值体现在：✅降低创作门槛：无需专业绘画技能即可产出高水平视觉作品✅提升生产效率：单日可生成数百张候选作品，加速IP孵化✅增强创意边界：突破人类想象力局限，探索前所未有的视觉语言。
2026-01-08 11:52:58
390
原创 自媒体配图神器：Z-Image-Turbo一键生成公众号封面实战
Z-Image-Turbo WebUI 不只是一个AI绘图工具，更是自媒体人的视觉生产力引擎。效率跃迁：从“找图→修图→排版”数小时工作流，变为“一句话描述→一键生成→直接发布”的分钟级响应。成本归零：无需购买图库会员或外包设计，个人创作者也能拥有专业级视觉表现。创意解放：通过不断尝试提示词组合，激发新的内容灵感，形成“图文互促”的正向循环。一句话总结：Z-Image-Turbo 让每一个好内容，都不再缺少一张好封面。
2026-01-08 11:45:27
847
原创 为何科哥二次开发版更受欢迎？功能增强点全面解析
科哥的 Z-Image-Turbo WebUI 二次开发版本之所以广受好评，根本原因在于它完成了从“技术原型”到“可用工具”的关键跃迁。“让AI真正服务于人” —— 技术的价值在于降低门槛，而非增加复杂度。用户体验优先通过 WebUI 实现零代码操作，覆盖更广泛的非技术人群。知识内嵌于系统将提示词技巧、参数调优经验转化为 UI 提示，实现“边用边教”。工程化思维驱动模块化架构、日志系统、异常处理机制齐全，具备企业级稳定性。开放生态意识。
2026-01-08 11:33:27
385
原创 MGeo模型在海洋渔业船舶停靠点记录中的创新用法
MGeo模型的开源为中文地址理解任务带来了里程碑式的进步。在海洋渔业场景中，其高精度的地址相似度匹配能力使得跨系统、跨区域、跨时间的停靠数据整合成为可能，为后续的渔船行为分析、捕捞强度评估和伏季休渔监管提供了坚实的数据基础。
2026-01-08 11:33:19
575
原创 一文说清OTG如何实现移动设备数据扩展
通过OTG功能，移动设备可直连U盘、键盘等外设，极大拓展数据交互能力。深入解析OTG的工作机制与实际应用场景，帮助用户更好利用otg提升手机或平板的实用性。
2026-01-08 09:52:33
455
原创 MGeo模型训练数据来源与质量分析
MGeo 之所以能在中文地址匹配任务中表现出色，根本原因不在于模型结构有多复杂，而在于其背后高质量、大规模、真实场景驱动的训练数据体系。MGeo 的成功 = 高质量数据 × 专业领域建模 × 工程化落地能力对于开发者而言，理解其数据来源与质量控制机制，有助于：- 更合理地评估模型在自身业务中的适用性- 设计有效的数据预处理与后处理策略- 在必要时开展微调或定制化训练未来，随着更多开放数据集的发布和联邦学习技术的应用，地址匹配模型有望在保护隐私的前提下实现跨企业协同优化。
2026-01-08 07:17:03
706
原创 如何监控MGeo运行状态？Prometheus指标暴露配置指南
核心收获1. 利用以极低代价实现关键指标暴露2. 通过多维度指标（QPS、延迟、资源）建立全面监控视图3. GPU显存监控帮助提前发现潜在内存泄漏风险最佳实践建议- 所有生产级AI服务都应默认开启Prometheus指标暴露- 指标命名遵循规范，便于聚合查询- 定期审查指标有效性，避免“僵尸指标”堆积下一步可拓展方向：- 集成OpenTelemetry实现分布式追踪- 基于指标设置自动告警规则（如延迟P99 > 3s触发PagerDuty）
2026-01-08 07:16:16
838
原创 MGeo模型灰度发布策略：逐步上线保障稳定性
MGeo作为阿里开源的高质量中文地址相似度模型，在实际落地过程中，技术能力只是基础，发布策略才是决定成败的关键。通过科学的灰度发布流程，我们实现了：✅风险可控：从影子模式到全量上线，每一步都有数据支撑✅体验保障：用户无感知迁移，关键指标持续优化✅快速响应：异常情况下5分钟内完成回滚操作核心经验总结1. 永远不要跳过影子验证阶段——它是连接离线与在线的桥梁；2. 监控指标要覆盖“准确性、性能、稳定性”三位一体；3. 灰度不仅是技术动作，更是产品与运营协同的过程。
2026-01-08 06:03:07
606
原创 MGeo模型压缩实验：量化后体积缩小60%仍保持95%精度
MGeo 是阿里巴巴推出的面向中文地址语义理解的预训练模型，核心任务是判断两个地址字符串是否指向同一地理位置（即“实体对齐”）。它基于 BERT 架构进行领域适配优化，采用对比学习和地址结构感知机制，在千万级真实地址对上完成训练。本次 MGeo 模型压缩实验充分验证了动态量化技术在中文地址匹配场景下的可行性与高效性。总结核心成果如下：🔍三大核心收获体积压缩显著：通过 INT8 量化，模型从 382MB 缩减至 153MB，降幅达60.1%，节省存储与传输成本；精度高度保留：在标准测试集上仍保持。
2026-01-08 05:48:01
584
原创 地址时间维度建模：MGeo结合时空数据库应用前景
MGeo的开源标志着中文地址语义理解迈入工业化新阶段。它不仅解决了长期困扰企业的地址匹配难题，更为后续的时空数据分析奠定了坚实基础。通过将其与PostGIS、MobilityDB等时空数据库结合，我们可以构建出真正意义上的“时空智能系统”。核心结论：地址匹配是起点，时空建模才是终点。MGeo的价值不在于单次相似度计算，而在于为每一条地址赋予可计算、可追溯、可关联的时空身份。
2026-01-08 04:42:59
723
原创 MGeo在医疗数据治理中的应用：患者住址隐私脱敏对齐
MGeo 是阿里巴巴达摩院推出的一款面向中文地址语义理解的深度学习模型，专注于解决地址标准化、去重、归一化与相似度计算等问题。其核心目标是实现“语义层面”的地址匹配，即：即使两个地址写法不同（如缩写、错别字、顺序调换），只要指向同一地理位置，就应被识别为高相似度。✅ 支持非精确匹配（模糊匹配）✅ 对地址结构具有强鲁棒性（支持缺省、颠倒、别名）✅ 内置中文分词与地名词典增强✅ 可处理脱敏/部分缺失地址（如“XX市XX区XXX路”）
2026-01-08 04:32:42
608
原创 避免IP被封：自建MGeo服务替代频繁调用百度API
在面对大规模中文地址匹配需求时，过度依赖百度等商业API已不再是可持续的选择。IP封禁、成本攀升、数据外泄三大风险时刻威胁着系统的稳定性与合规性。通过自建MGeo服务，你可以获得：✅零调用成本：一次部署，终身使用✅无限QPS：性能仅受限于自身硬件✅绝对安全：数据不出内网，符合GDPR/等保要求✅灵活扩展：可微调模型、接入新场景、定制阈值策略更重要的是，MGeo代表了一种趋势——将AI能力下沉至边缘与私有环境，让企业真正掌握核心技术主权。
2026-01-08 04:27:22
739
原创 机械零件图像检索：以图搜图查找标准件型号
本文围绕“以图搜图查找机械标准件型号”的实际需求，基于阿里开源的“万物识别-中文-通用领域”模型，构建了一套完整的图像检索解决方案。✅核心收获总结1. 利用预训练视觉模型提取高维特征，避免从零训练；2. 中文语义对齐使输出更贴合国内工业场景；3. 通过特征向量+余弦相似度实现灵活检索；4. 提供可复用的代码框架与工程部署建议。🛠️最佳实践建议- 始终保持特征库的持续更新与清洗- 在真实场景中收集误检案例，针对性补充训练样本- 对关键部件建立多角度特征模板库。
2026-01-07 13:37:09
262
原创 高效图像识别方案：阿里万物识别模型本地部署指南
打开推理.py文件，查找图像加载部分。# 原始路径（可能引发问题）# 修改为工作区内的路径import oscurrent_dir = os.path.dirname(__file__) # 获取脚本所在目录这样即使脚本被移动，也能自动定位资源文件。本文详细讲解了阿里“万物识别-中文-通用领域”模型的本地部署全过程，涵盖环境配置、脚本运行、路径修改、代码优化等多个实用环节。你已经掌握了如何在一个受限环境下成功运行一个中文专用图像识别模型，并具备了进一步定制和扩展的能力。
2026-01-07 12:45:18
500
原创 Docker容器化部署：提升模型可移植性与一致性
通过本次实践，我们成功将“万物识别-中文-通用领域”模型从手工部署模式升级为标准化Docker容器化方案，实现了三大跃迁：🔁一致性跃迁：开发、测试、生产环境完全一致，消除“环境bug”🚀效率跃迁：一键部署，新成员10分钟内完成环境搭建🧩扩展性跃迁：可轻松接入Kubernetes、Serverless等云原生架构。
2026-01-07 11:37:39
335
原创 零基础也能用！Hunyuan-MT-7B-WEBUI浏览器端翻译操作全记录
腾讯混元推出的Hunyuan-MT-7B-WEBUI将70亿参数翻译模型封装成浏览器可访问的网页工具，无需编程基础，一条脚本即可部署。支持33种语言及多民族语言互译，数据本地化、隐私安全，显著降低AI翻译使用门槛，让非技术用户也能轻松上手。
2026-01-06 15:48:19
649
原创 Hunyuan-MT-7B-WEBUI能否用于在线会议同声传译辅助？
腾讯推出的Hunyuan-MT-7B-WEBUI将大模型翻译能力封装成一键部署的网页工具，支持多语言尤其是少数民族语言互译，在低延迟、数据隐私和本地化部署方面表现突出。结合ASR与前端渲染，可构建实时双语字幕系统，适用于跨国会议、政务沟通等场景，为国产化同声传译辅助提供了可行路径。
2026-01-06 12:56:19
890
171491413王宇Linux大作业报告书1
2022-08-08
蒋秋霞-辅导员1
2022-08-08
Linux程序设计实验报告1
2022-08-08
15.技术论文1
2022-08-08
基于OpenCV的图像序列的运动目标检测1
2022-08-08
83-连接第二个 insance 到 first_local_net1
2022-08-08
service3.0与SpringMVC整合1
2022-08-08
银行维修系统后台子系统说明书1
2022-08-08
17.Modbus主机1
2022-08-08
整体认识mybatis和mybatis的体系结构1
2022-08-08
3.1、spring boot redis注解缓存Cacheable (value) 1
2022-08-08
3.操作进阶篇1
2022-08-08
fq597.com系统技术检测报告1
2022-08-08
互评-team19-软件需求规格说明书-评审检查单1
2022-08-08
7天精通二叉树算法
2025-04-25
Python与ArcGIS的GIS编程入门
2025-03-18
数字信号处理大作业1
2022-08-08
计算机基础提高资料：C C++ 篇1
2022-08-08
2014年上半年 程序员 基础知识1
2022-08-08
3-2019051098-张景曦-Internet应用与应用层协议分析1
2022-08-08
2019-autumn-java-project-exp07-18030031014-刘路1
2022-08-08
3-2019051106-许铭燊-internet与应用层协议分析1
2022-08-08
软工1503-Javaer 集-信息盾-用户需求说明书-V1-201909281
2022-08-08
wamp.xamppp配置1
2022-08-08
linux下发布运行SSMPic1
2022-08-08
0x01-01tetin.bin驱动程序分析1
2022-08-08
13-14-1-软件工程A卷答案1
2022-08-08
果汁饮料质量的研究模型评价1
2022-08-08
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人