官网有时候打不开，里面是下好的存在百度云上了。
版本为glfw-3.2.1。
我直接解压了。

php-5.2.1-Win32.zip将其解压后再配置下环境变量就可以运行php网页或脚本

vb群发消息软件源码，本程序是用vb6在clswindow2.1基础上开发的，是对微信客户端进行自动化处理的，完全模拟手工操作，稳定且绝度安全，不会被封。
懂代码的可以稍微修改变成定时群发，批量指定目标人群群发。
绝对物超所值，代码浅显易懂。
这种非常实用的软件作者选择开源，不像一些同行，摸通了一点技术就藏着掖着，没有共享精神，作者再此完全开源，没有dll没有ocx，clswindow2.1库也是作者精心打造可以用于许多自动化操作方面，非常方便。
各位觉得好麻烦给5分好评。
下面附带一下clswindow2.1更新记录，算是2.1这版本的非正式发布吧。
'=============================================================================================='名称：windows窗体控制类v2.1'描述：一个操作windows窗口的类，可对窗口进行很多常用的操作(类名为clsWindow)'使用范例：DimwindowAsNewclsWindow'window.GetWindowByTitle("计算器").closeWindow'编程：sysdzw原创开发，如果有需要对模块扩充或更新的话请邮箱发我一份，共同维护'发布日期：2013/06/01'博客：http://blog.163.com/sysdzw'http://blog.csdn.net/sysdzw'Email：sysdzw@163.com'QQ：171977759'版本：V1.0初版2012/12/03'V1.1修正了几个正则相关的函数，调整了部分类结构2013/05/28'V1.2增加属性Caption，可以获取或设置当前标题栏2013/05/29'V1.3增加了方法Focus，可以激活当前窗口2013/06/01'增加了方法Left,Top,Width,Height,Move，处理窗口位置等'V1.4增加了窗口位置调整的几个函数2013/06/04'增加了得到应用程序路径的函数AppName'增加了得到应用程序启动参数的函数AppCommandLine'V1.5增加了窗口最大最小化，隐藏显示正常的几个函数2013/06/06'增加了获取控件相关函数是否使用正则的参数UseRegExp默认F'V1.6将Left，Top函数改为属性，可获得可设置2013/06/10'V1.7增加函数：CloseApp结束进程2013/06/13'修正了部分跟正则匹配相关的函数'增加函数：GetElementTextByText'增加函数：GetElementHwndByText'V1.8增加函数：GetWindowByClassName2013/06/26'增加函数：GetWindowByClassNameEx'增加函数：GetWindowByAppName'增加私有变量hWnd_'增加属性hWnd，可设置，单设置时候会检查，非法则设置为0'更新GetWindowByTitleEx函数，使之可以选择性支持正则'删除GetWindowByTitleRegExp函数，合并到上面函数'增加SetFocus函数，调用Focus实现，为了是兼容VB习惯

LINGO是用来求解线性和非线性优化问题的简易工具。
LINGO内置了一种建立最优化模型的语言，可以简便地表达大规模问题，利用LINGO高效的求解器可快速求解并分析结果。
§1LINGO快速入门当你在windows下开始运行LINGO系统时，会得到类似下面的一个窗口：外层是主框架窗口，包含了所有菜单命令和工具条，其它所有的窗口将被包含在主窗口之下。
在主窗口内的标题为LINGOModel–LINGO1的窗口是LINGO的默认模型窗口，建立的模型都都要在该窗口内编码实现。
下面举两个例子。
例1.1如何在LINGO中求解如下的LP问题：在模型窗口中输入如下代码：min=2*x1+3*x2;x1+x2＞=350;x1＞=100;2*x1+x2＜=600;然后点击工具条上的按钮即可。
例1.2使用LINGO软件计算6个发点8个收点的最小费用运输问题。
产销单位运价如下表。
单位销地运价产地 B1 B2 B3 B4 B5 B6 B7 B8 产量A1 6 2 6 7 4 2 5 9 60A2 4 9 5 3 8 5 8 2 55A3 5 2 1 9 7 4 3 3 51A4 7 6 7 3 9 2 7 1 43A5 2 3 9 5 7 2 6 5 41A6 5 5 2 2 8 1 4 3 52销量 35 37 22 32 41 32 43 38 使用LINGO软件，编制程序如下：model:!6发点8收点运输问题;sets:warehouses/wh1..wh6/:capacity;vendors/v1..v8/:demand;links(warehouses,vendors):cost,volume;endsets!目标函数;min=@sum(links:cost*volume);!需求约束;@for(vendors(J):@sum(warehouses(I):volume(I,J))=demand(J));!产量约束;@for(warehouses(I):@sum(vendors(J):volume(I,J))＜=capacity(I));!这里是数据;data:capacity=605551434152;demand=3537223241324338;cost=626742954953858252197433767392712395726555228143;enddataend然后点击工具条上的按钮即可。
为了能够使用LINGO的强大功能，接着第二节的学习吧。
§2LINGO中的集对实际问题建模的时候，总会遇到一群或多群相联系的对象，比如工厂、消费者群体、交通工具和雇工等等。
LINGO允许把这些相联系的对象聚合成集（sets）。
一旦把对象聚合成集，就可以利用集来最大限度的发挥LINGO建模语言的优势。
现在我们将深入介绍如何创建集，并用数据初始化集的属性。
学完本节后，你对基于建模技术的集如何引入模型会有一个基本的理解。
2.1为什么使用集集是LINGO建模语言的基础，是程序设计最强有力的基本构件。
借助于集，能够用一个单一的、长的、简明的复合公式表示一系列相似的约束，从而可以快速方便地表达规模较大的模型。
2.2什么是集集是一群相联系的对象，这些对象也称为集的成员。
一个集可能是一系列产品、卡车或雇员。
每个集成员可能有一个或多个与之有关联的特征，我们把这些特征称为属性。
属性值可以预先给定，也可以是未知的，有待于LINGO求解。
例如，产品集中的每个产品可以有一个价格属性；
卡车集中的每辆卡车可以有一个牵引力属性；
雇员集中的每位雇员可以有一个薪水属性，也可以有一个生日属性等等。
LINGO有两种类型的集：原始集(primitive　set)和派生集(derivedset)。
一个原始集是由一些最基本的对象组成的。
一个派生集是用一个或多个其它集来定义的，也就是说，它的成员来自于其它已存在的集。
2.3模型的集部分集部分是LINGO模型的一个可选部分。
在LINGO模型中使用集之前，必须在集部分事先定义。
集部分以关键字“sets:”开始，以“endsets”结束。
一个模型可以没有集部分，或有一个简单的集部分，或有多个集部分。
一个集部分可以放置于模型的任何地方，但是一个集及其属性

NER-LSTM-CRF一个易于使用的命名实体识别（NER）工具包，在张量流中实现了LSTM+[CNN]+CRF模型。
该项目短期内不再维护，PyTorch版本：:1.型号Bi-LSTM/Bi-GRU+[CNN]+CRF，其中CNN层针对英文，捕获字符特征，通过参数use_char_feature控制self.nil_vars.add（self.feature_weight_dict[feature_name].name）。
2.用法2.1数据准备训练数据处理成下列形式，特征之间用制表符（或空格）替换，每行共n列，1至n-1列为特征，最后一列为labe

第一章系统概述 1§1.1开发背景及意义 1§1.2课题任务要求 1第二章在线学习系统需求分析 3§2.1需求概述 3§2.2系统开发目标 3§2.3功能需求 3§2.4性能需求 4§2.5开发方案的比较与选择 5§2.6系统开发环境及工具 7§2.6.1开发/运行环境 7§2.6.2开发工具的选取 7第三章在线学习系统的设计 9§3.1系统数据流程描述 9§3.2系统总体结构设计 11§3.3功能模块设计 12§3.3.1课堂学习模块 12§3.3.2作业模块 13§3.3.3在线答疑模块 13§3.3.4练习测试模块 13§3.3.5公告模块 13§3.3.6答疑教室模块 14§3.4系统后台数据库设计 14§3.4.1数据库设计概述 14§3.4.2概念结构设计 14§3.4.3物理结构设计 19第四章在线学习系统的实现 22§4.1公共模块的实现 22§4.1.1配置IIS 22§4.1.2连接数据库 22§4.2系统公用页面的实现 22§4.3各功能模块的实现 23§4.3.1课堂学习模块 23§4.3.2作业模块 25§4.3.3在线答疑模块 28§4.3.4练习测试模块 31§4.3.5公告模块 33§4.3.6答疑教室模块 36第五章系统运行与测试 40§5.1测试概述 40§5.2系统部分单元测试实例 40§5.3测试总结 43

第1章绪论第2章SAR成像原理2.1引言2.2SAR系统参数2.3单脉冲距离向处理2.4线性调频脉冲与脉冲压缩2.5SAR方位向处理2.6SAR线性测量系统2.7辐射定标2.8小结参考文献附录2A星载SAR的方位向处理第3章图像缺陷及其校正3.1引言3.2SAR成像散焦3.2.1自聚焦方法3.2.2自聚焦技术的精确性3.2.3散射体性质对自聚焦的影响3.3几何失真与辐射失真3.3.1物理原因及关联的失真3.3.2基于信号的MOCO方法3.3.3天线稳定性3.4残留SAR成像误差3.4.1残留的几何与辐射失真3.4.2旁瓣水平3.5基于信号的MOCO方法的改进3.5.1包含相位补偿的迭代自聚焦3.5.2较小失真的高频跟踪3.5.3常规方法与基于信号方法相结合的MOC0方法3.6小结参考文献第4章SAR图像的基本特性4.1引言4.2SAR图像信息的特质4.3单通道图像类型与相干斑4.4多视处理估计RCS4.5相干斑的乘性噪声模型4.6RCS估计——成像与噪声的影响4.7SAR成像模型的结果4.8空间相关性对多视处理的影响4.9系统引入空间相关性的补偿4.9.1子采样4.9.2预平均4.9.3插值4.10空间相关性估计：平稳性与空间平均4.11相干斑模型的局限性4.12多维SAR图像4.13小结参考文献第5章数据模型5.1引言5.2数据特征5.3经验数据分布5.4乘积模型5.4.1RCS模型5.4.2强度概率密度函数5.5概率分布模型的比较5.6基于有限分辨率成像的目标RCS起伏5.7数据模型的局限性5.8计算机仿真5.9小结参考文献第6章RCS重建滤波器6.1引言6.2相干斑模型和图像质量度量6.3贝叶斯重建6.4基于相干斑模型的重建6.4.1多视处理相干斑抑制6.4.2最小均方误差相干斑抑制……第7章RCS分类与分割第8章纹理信息提取第9章相关纹理第10章目标信息第11章多通道SAR数据的信息处理第12章多维SAR图像分析技术第13章SAR图像的分类第14章现状与前景分析

北京航空航天大学出版社嵌入式系统设计（美）瓦伊德，（美）吉瓦尔吉斯著，骆丽译第1章绪论1.1嵌入式系统综述1.2设计上的挑战——设计指标的最佳化1.2.1常用设计指标1.2.2上市时间1.2.3NRE与单位成本1.2.4性能1.3处理器技术1.3.1通用处理器——软件1.3.2单用途处理器——硬件1.3.3专用处理器1.4IC技术1.4.1全定制/VLSI1.4.2半定制ASIC(逻辑门阵列和标准单元)1.4.3PLD1.4.4发展趋势1.5设计技术1.5.1编译/综合1.5.2库/IP1.5.3测试/验证1.5.4其他提高效率的方法1.5.5发展趋势1.6设计方法的取舍1.7小结与本书概要1.8参考文献1.9习题第2章定制单用途处理器——硬件2.1引言2.2组合逻辑2.2.1晶体管与逻辑门2.2.2基本组合逻辑设计2.2.3RTL组合元件2.3时序逻辑2.3.1触发器2.3.2RTL时序元件2.3.3时序逻辑设计2.4定制单用途处理器的设计2.5RTL定制单用途处理器设计2.6定制单用途处理器的最佳化2.6.1原始程序的最佳化2.6.2FSMD的最佳化2.6.3数据路径的最佳化2.6.4FSM的最佳化2.7小结2.8参考文献2.9习题第3章通用处理器——软件3.1引言3.2基本结构3.2.1数据路径3.2.2控制单元3.2.3存储器3.3运算3.3.1指令执行3.3.2流水线技术3.3.3超标量和超长指令字结构3.4程序员的观点3.4.1指令集3.4.2程序和数据存储器空间3.4.3寄存器3.4.4输入/输出3.4.5中断3.4.6实例：设备驱动程序的汇编语言编程3.4.7操作系统3.5开发环境3.5.1设计流程和工具3.5.2实例：一个简单处理器的指令集仿真程序3.5.3测试和调试3.6专用指令集处理器3.6.1单片机3.6.2数字信号处理器3.6.3较不通用的ASIP环境3.7微处理器的选择3.8通用处理器设计3.9小结3.10参考文献3.11习题第4章标准单用途处理器——外部设备第5章存储器第6章接口第7章数码相机实例第8章状态机与并发进程模型第9章控制系统第10章IC技术第11章设计技术附录A相关资源附录B有关术语的中英文对照表

matlab-BGL工具箱及使用说明。
包含matlab-BGL工具箱（版本4.0.1）以及工具箱的使用说明（版本2.1）matlab图论BGL工具箱使用说明

自己测试用的一个小案列，涉及到VR的瞬移、抓取、UI触发，插件是VRTK3.2.1、steamvrplugin1.1.1，可以参考我的博客学习

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。