[其它] docker-environment-源码

说明：使用docker为项目构建开发环境的项目 首次配置项目 警告此存储库必须位于用户家中 Windows： C:/User/USER_NAME linux： /home/USER_NAME 为了使一切正常，请确保配置git及其ssh ir_rsa和id_rsa.pub凭据，并让团队在服务器上允许它 1-下载并安装docker Windows / Mac：根据您的PC链接安装docker toolbox或docker descktop： ://docs.docker.com/toolbox/o
<weixin_42138716> 上传 | 大小：28kb

[其它] mediawiki-extensions-Graph:MediaWiki扩展图的Github镜像-我们的实际代码由Gerrit托管（请参见https-源码

说明：Graph是一个MediaWiki扩展，它使用Vega JS以几乎任意方式可视化几乎任意数据。 参见
<weixin_42128015> 上传 | 大小：500kb

[其它] Day-1-Challenge-Countdown-Timer-:这是一个倒数计时器，显示挑战的剩余天数，小时数，分钟数和秒数！-源码

说明：Day-1-Challenge-Countdown-Timer-:这是一个倒数计时器，显示挑战的剩余天数，小时数，分钟数和秒数！
<weixin_42160376> 上传 | 大小：4mb

[其它] launch-school-javascript-120:发射学校JS120的练习-源码

说明：Launch-school-javascr ipt-120 Launch School JS120的练习：使用Javascr ipt进行面向对象的编程
<weixin_42134554> 上传 | 大小：45kb

[其它] 用于神经文本生成的差异化分布恢复

说明：基于递归神经网络（RNNLM）的神经语言模型极大地提高了文本生成的性能，但是以图灵测试通过率表示的生成文本的质量仍然远远不能令人满意。 一些研究人员建议使用对抗训练或强化学习来提高质量，但是，这种方法通常会在训练和参数调整过程中带来巨大挑战。 通过我们的分析，我们发现RNNLM的问题来自最大似然估计（MLE）作为目标函数的使用，这需要生成的分布来精确地恢复真实分布。 这种要求有利于高世代多样性，这限制了世代质量。 当整体质量较低时，这是不合适的，因为高世代多样性通常表示很多错误，而不是多样化的好
<weixin_38607088> 上传 | 大小：692kb

[其它] SAMDNet:SAMDNet的代码-源码

说明：#SAMDNet 作者：李圣武（ ）在SUST 该存储库仍在开发中 介绍 SAMDNet的PyTorch实现，以单个CPU内核和单个GPU（TITAN XP 12GB）运行于〜2fps。 先决条件 python 3.6+ opencv 3.0+ 及其依赖 用于GPU支持：具有〜3G内存的GPU 用法 追踪 python tracking/run_tracker.py -s DragonBaby [-d (display fig)] [-f (save fig)] 您可以通过两种方式
<weixin_42097450> 上传 | 大小：2mb

[其它] MoBikes-源码

说明：MoBikes
<weixin_42164685> 上传 | 大小：2mb

[其它] MelynLyu.Github.io-源码

说明：MelynLyu.Github.io
<weixin_42109598> 上传 | 大小：1kb

[其它] Study-Case-源码

说明：娜玛：伊曼纽尔·约菲·扎卡里亚斯·马纳夫（Immanuel Yofi Zakarias Manafe） 尼姆：19.11.2737 研究出纳 UAS的Aplikasi kasir sesuai yang diberikan服役。 Apikasi ini mempunyai fungsi seperti melihat daftar makanan，彭布里亚马卡南serta彭卡马卡代金券pada彭布里亚马卡南 范围和功能 用户dapat melihat daftar makanan yang di
<weixin_42122988> 上传 | 大小：17kb

[其它] base-minprogram:小程序基础版本-源码

说明：小程序项目配置流程 新增单独定制化项目 模仿添加新增saas项目项目并上传到svn 新增saas项目 微信公众平台配置 索要小程序开发者权限 开发->开发管理->开发设置->服务器域名配置需要从别的项目复制过来直接粘贴即可 开发->开发管理->开发设置->业务域名配置 扫描二维码之后添加两个域名 yxf1.juzhouyun.com yxftest.juzhouyun.com 下载校验文件，上传至服务器直接粘贴即可 107,108正式环境服务器/usr/lo
<weixin_42110533> 上传 | 大小：1mb

[其它] 学习控制神经React产生的特异性

说明：在对话中，一般的回应（例如``我不知道''）可能对应于各种各样的输入话语。 以前的生成式会话模型通常采用单个模型来学习不同话语-应答对之间的关​​系，因此倾向于倾向于频繁出现的一般和琐碎的应答。 为了解决这个问题，我们提出了一种新颖的受控React产生机制，以根据特异性处理不同的发声-React关系。 具体来说，我们将明确的特异性控制变量引入到序列到序列模型中，该模型通过高斯内核层与单词的用法表示进行交互，以指导模型生成不同特异性级别的响应。 我们描述了两种方法来获取学习中的特异性控制变量的远距
<weixin_38745859> 上传 | 大小：854kb

[其它] 通过k个最近邻图进行快速近似最近邻搜索

说明：近似最近邻搜索是一个基本问题，并且已经研究了几十年。 最近基于图的索引方法已经证明了它们的高效率，其主要思想是离线构造邻域图并从在线图的一些采样点开始执行贪婪搜索。 现有的大多数基于图的方法都集中于具有良好开发能力的精确k近邻（k-NN）图或具有良好勘探能力的多元图。 在本文中，我们提出了k多样性最近邻（k-DNN）图，它平衡了图的精度和多样性，从而同时具有良好的开发和勘探能力。 我们引入了一种高效的索引算法，用于构造k-DNN图，该算法的灵感来自于信息检索（IR）中的一种知名的多样化排序算法。
<weixin_38750406> 上传 | 大小：444kb