您好,欢迎光临本网站![请登录][注册会员]  

搜索资源列表

  1. NSIS用户手册(中文版)

  2. NSIS 用户手册 新闻、信息、支持、例子、指南等可以到 http://nsis.sf.net 查看。 快速链接: FAQ - 常见问题列表 NSIS Wiki - 例子、函数、指南、插件、软件等等 Forum - 发表你的问题或进行 NSIS 相关讨论 版权所有 (C) 1999-2009 贡献者 第一章: 介绍 NSIS 关于 NSIS 主要特性 特性列表 第二章: 教程: 基础知识 介绍 脚本文件 脚本结构 安装程序属性 页面 区段 函数 脚本的工作方式 逻辑代码结构 变量 调试脚本 脚
  3. 所属分类:其它

    • 发布日期:2013-05-29
    • 文件大小:386kb
    • 提供者:lijunyan_0000
  1. 统统秒杀目前主流的net 加密 de4dot-2.0.3(反编译.net) .net通用脱壳

  2. 在开始分享之前,还是要说明一点,说是神器到目前为止也仅仅是对我自己而言,至于这四大神器会不会成为对各位而言的神器就不得而言了,因此当有哪位亲拿到这四大神器后仍然感到破解NET程序存在很大困难,请拍砖。 先介绍一下我眼中的四大神器:De4Dot、Reflector、Reflexil以及DILE.其中 De4Dot是一个开源的脱壳/反混淆工具,结识到神器工具我要感谢论坛里的朋友wan,他在我的处女新手贴” [原创]新手破解.NET程序”中提到了这个工具,而这款工具被我奉为了神器级工具。因为它的脱壳
  3. 所属分类:C#

    • 发布日期:2013-09-29
    • 文件大小:1mb
    • 提供者:xy87537111
  1. QTP11.5入门与实践

  2. 使用本指南 本指南描述如何使用 QuickTest 测试应用程序。它提供的逐步说明可以帮助用户 创建、调试和运行测试及组件,并在测试过程中报告检测到的缺陷。 它包括下列部分: =第f 部分启动测试流程 概述 QuickTest 和测试流程的主要阶段。 =第ff 部分使用测试对象 介绍 QuickTest 如何标识应用程序中的对象以及如何使用对象库。 =第fff 部分创建测试或组件 描述如何创建测试及组件、插入检查点和参数以及输出值、使用正则表达式、使 用操作以及处理运行会话期间发生的异常事件。
  3. 所属分类:软件测试

    • 发布日期:2013-12-28
    • 文件大小:6mb
    • 提供者:u012669644
  1. ST SF流程说明

  2. ST SF流程说明
  3. 所属分类:制造

    • 发布日期:2016-01-09
    • 文件大小:2kb
    • 提供者:qq_22194575
  1. 从零开始学C语言(三).pdf.pdf

  2. 从零开始学C语言(三).pdfpdf,从零开始学C语言(三).pdf第7章顺序结构与选择结构‖93 编写程序如下: #inc1ude #include /*添加数学函数所需头文件* void main() float a,b, c,lhl s printf("请输入能组成三角形的三条边:n"); /*输出提示文字* canf("sf, f, sf"r&a,&b,&c) /*输入a、b、c的值* /*输出a、b、c的值*/ 计算三条边的和* h1=1/2; /*为h赋值* s=sqrt(h1*(
  3. 所属分类:其它

  1. JetBookingApp:SF开发人员课程主页任务的存储库-源码

  2. Salesforce应用 本指南可使用VS Code和Salesforce CLI的Salesforce Extensions帮助不熟悉Visual Studio Code的Salesforce开发人员从零迁移到已部署的应用程序。 第1部分:选择开发模型 Salesforce Extensions for VS Code和Salesforce CLI支持两种类型的开发人员流程或模型。这些模型在下面说明。每种型号都各有利弊,并受到完全支持。 包装开发模型 程序包开发模型允许您创建独立的应用程序或库
  3. 所属分类:其它

    • 发布日期:2021-03-18
    • 文件大小:162kb
    • 提供者:weixin_42097533
  1. sits:R中的卫星图像时间序列-源码

  2. SITS-用于地球观测数据多维数据集的卫星图像时间序列分析 概述 sits R软件包提供了一组用于分析,可视化和分类卫星图像时间序列的工具。 SITS的主要目的是支持使用机器学习方法对图像数据立方体进行土地覆盖和土地变化分类。 SITS中的基本工作流程是: 使用云或本地计算机中可用的图像集合创建数据多维数据集。 从数据多维数据集中提取用作训练数据的时间序列。 对样品进行质量控制和过滤。 使用提取的样本训练机器学习模型。 使用训练有素的模型对数据立方体进行分类。 对分类图像进行后处理。
  3. 所属分类:其它