[其它] ITmmediately-源码

说明：立即 该项目是使用版本11.0.7生成的。 开发服务器 为开发服务器运行ng serve 。 导航到http://localhost:4200/ 。 如果您更改任何源文件，该应用程序将自动重新加载。 代码脚手架 运行ng generate component component-name生成一个新的组件。 您还可以使用ng generate directive|pipe|service|class|guard|interface|enum|module 。 建造 运行ng build来构建项目。
<weixin_42131352> 上传 | 大小：34mb

[其它] trelloExport-源码

说明：trelloExport 将trello从JSON导出为Excel格式的基本代码
<weixin_42131414> 上传 | 大小：23kb

[其它] raspberrypi-kernel-源码

说明：树莓派内核 介绍 适用于树莓派的4.19.90版本的内核源码，主开发分支为master分支。 本仓库基于openEuler 20.3 LTS的版本的内核，合并了上游的分支代码。 支持硬件 树莓派3B / 3B + / 4B 架构：AArch64 编译 编译内核和内核模块。 准备编译环境 操作系统：openEuler或CentOS 7/8 架构：AArch64 交叉编译请参照： 下载源码 git clone gitgitee.com:openeuler/raspberrypi-kernel.gi
<weixin_42128988> 上传 | 大小：196mb

[其它] Fruit-catcher-源码

说明：Fruit-catcher
<weixin_42109639> 上传 | 大小：796kb

[其它] lab21-源码

说明：姓名：Benyapa Khiaotai 学生编号：630610747
<weixin_42107165> 上传 | 大小：1kb

[其它] lab21-源码

说明：姓名： 学生卡：
<weixin_42100188> 上传 | 大小：1kb

[其它] image-源码

说明：图像 令牌：31cd1039ba0b2c8b5883469e19d377f8bd51b6a3 解决无法显示图片的问题 挂代理 路径C：\ Windows \ System32 \ drivers \ etc \ hosts文件末尾加上 # GitHub Start 192.30.253.119 gist.github.com 151.101.184.133 assets-cdn.github.com 151.101.184.133 raw.githubusercontent.
<weixin_42170064> 上传 | 大小：42kb

[其它] laravel-8-boilerplate-源码

说明：laravel-api-样板 这是使用Laravel编写RESTful API项目的样板，Laravel是一个“入门工具包”，您可以在几秒钟内使用它来构建API。 包装方式： JWT-Auth- Laravel-CORS 要求： PHP的：^ 7.2 特征 JWT认证 基本功能：注册，登录，更新配置文件和密码 JSON API格式响应。 单元/功能测试。 前端Vue.js入门工具包就绪示例（ ）。 安装 composer create-project kennethtomagan
<weixin_42168555> 上传 | 大小：100kb

[其它] github-actions-learning:学习github动作-源码

说明：github-actions-learning 学习github动作
<weixin_42146274> 上传 | 大小：2kb

[其它] class25-源码

说明：AngryBirdsStage2StudentActivity 愤怒的小鸟第二阶段的学生活动链接
<weixin_42138716> 上传 | 大小：233kb

[其它] Searching-for-Gravitational-Waves-Using-Convolutional-Neural-Networks-源码

说明：Searching-for-Gravitational-Waves-Using-Convolutional-Neural-Networks
<weixin_42100188> 上传 | 大小：13mb

[其它] 基于几何图像的逼真的网格压缩

说明：为了在基于几何图像的3D网格压缩中显示逼真的3D网格，除了对几何图像进行编码外，通常还需要法线贴图图像进行编码。 但是法线贴图图像难以压缩，因为它捕获了原始网格的更多细节，并且像素之间的空间相关性比几何图像小。 本文提出了一个新颖的编码框架来解决这个问题，我们基于几何图像和法线图图像之间的相关性有效地预测了法线图图像，并且还利用法线图图像的三个分量之间的强相关性来进行改进预测准确性。 在此框架中，我们只需要对从法线贴图图像及其预测生成的几何图像和残差图像进行编码。 实验结果表明，与直接使用JPE
<weixin_38560768> 上传 | 大小：2mb