《定时执行专家V5.0》一款制作精良、功能全面、使用简单的专业定时执行工具软件。
在《PC定时执行专家V4.0》的基础上，做了重大升级和更新。
支持18种任务类型，10种任务触发方式（包含Cron方式）。
本软件无需安装，无使用时间限制，欢迎下载使用。
本软件开发使用Unicode编码格式，支持中、日、英多国语言界面，可以在英文、日文等外文Windows系统下能正常使用。

仿淘宝移动端的静态html5页面，还是比较全的，共有27个页面。
注意只有移动端的网页，没有pc端的。

参考博客：https://blog.csdn.net/qq_30155503/article/details/102764838文件内含：源码+论文本设计基于linux操作系统，由客户端（门禁设备）和服务器（后台处理中心）组成，通过以太网形成组网，实现一个人脸识别门禁系统。
客户端为嵌入式Linux设备，采用QT库显示界面，通过摄像头采集图像。
服务器为PC上Ubuntu系统，采用QT库显示界面，以OpenCV库为基础进行图像处理，采用基于Haar特征的人脸检测及LBPH人脸识别算法。
客户端负责采集图像并上传服务器，以及控制门禁设备；
服务器负责对图像进行人脸识别，以及增删人脸等的用户管理，是整个系统的处理中心。

该程序是Labview与单片机串口通讯的实例，包括了串口初始化，下位机单片机进行数采，然后将数据不停的发送给上位机，也就是PC，labview读取这些数据，进行显示。
该实例是最简单的Labview与单片机通讯实例，希望对初学者有些帮助。

微智体解码说明书

参考《16位5级流水无cache实验CPU课程设计实验要求》文档及其VHDL代码，在理解其思想和方法的基础上，将其改造成8位的5级流水无cache的实验CPU，包括对指令系统、数据通路、各流水段模块、内存模块等方面的改造。
利用VHDL语言编程实现，并在TEC-CA平台上进行仿真测试。
为方便起见，后续16位5级流水无cache实验CPU简记为ExpCPU-16，而8位的则记为ExpCPU-8。
对于内存模块的改造，参考《计算机组成原理》课程综合实验的方法，独立设计一块8位的RAM。
（1）利用TEC-CA平台上的16位RAM来存放8位的指令和数据；
（2）实现一条JRS指令，以便在符号标志位S=1时跳转。
需要改写ID段的控制信息，并改写IF段；
（3）实现一条CMPJDR,SR,offset指令，当比较的两个数相等时，跳转到目标地址PC+1+offset；
（4）可以探索从外部输入指令，而不是初始化时将指令“写死”在RAM中；
（5）此5段流水模块之间，并没有明显地加上流水寄存器，可以考虑在不同模块间加上流水寄存器；
（6）探索5段流水带cache的CPU的设计。

将所有系统数据进行集成，并与商业运营数据进行碰撞，改变传统人为主观判断的决策方式，可以对关键指标实时管控，通过数据分析平台对分析指标运行情况一目了然。
通过PC端/移动端等与集团业务的结合展现及处理常规的业务，量化工作提升管理效率，通过权限控制与运营的结合科通过APP/微信/小程序等连接业务激发业务活力

1、无需设置由于它是一个便携式工具，它不需要您将其安装在目标计算机上，因为只需拆包其存档并启动可执行文件即可完全访问其功能。
您还可以从可移动存储介质（如USB闪存驱动器或外部HDD）运行它。
此外，它不会修改系统中的注册表项，也不会在您的PC上生成其他文件或文件夹，但未经您的明确许可。
2、综合界面dnSpy配备了一个时尚，全面的用户界面，包含广泛的有用功能，它们整齐地组织在主窗口的标准菜单中。
更重要的是，它具有标准配置窗口，您可以在其中调整各种组件的设置，如其反编译器，调试器或十六进制编辑器，但也可以修改显示或其他参数。
3、.NET反汇编程序如果您需要一个高效的工具，可以通过为您提供各种有用的工具来帮助您反编译.NET程序集，您可以转到dnSpy。
它配有一个反编译器，一个调试器，一个十六进制编辑器和一个程序集编辑器，让你以有效的方式处理程序集。
主窗口附带了一个AssemblyExplorer窗格，您可以在其中访问所需程序集的树视图。
您可以通过从计算机指定适当的文件或使用“从GAC打开”选项打开程序集，该选项为您提供全局程序集缓存中可用的条目列表。
4、.NET程序集的可靠反向工程工具所有考虑的事情，dnSpy是一个方便的应用程序，使您能够以有效的方式逆向工程.NET程序集，为您提供广泛的有用工具，包括反编译器，程序集编辑器和调试器。
它不需要安装，具有全面，平滑的用户界面，并为您提供了一个标准配置窗口，您可以在其中调整各种组件的设置。

目标检测（ObjectDetection）是计算机视觉领域的基本任务之一，学术界已有将近二十年的研究历史。
近些年随着深度学习技术的火热发展，目标检测算法也从基于手工特征的传统算法转向了基于深度神经网络的检测技术。
从最初2013年提出的R-CNN、OverFeat，到后面的Fast/FasterR-CNN，SSD，YOLO系列，再到2018年最近的Pelee。
短短不到五年时间，基于深度学习的目标检测技术，在网络结构上，从twostage到onestage，从bottom-uponly到Top-Down，从singlescalenetwork到featurepyramidnetwork，从面向PC端到面向手机端，都涌现出许多好的算法技术，这些算法在开放目标检测数据集上的检测效果和性能都很出色。

PC版本不知道存在哪里了，今天都捣鼓出了这个，当时写好后发在群里，而且已经在网上泛滥了。
不过结构思路都是不错的，可以拿去参考学习。

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。