http://iunbug.appspot.com/ExtJS相关资源中文化（2007年初起）1.备忘1.此版本为ExtJS3.3正式版API的翻译，大体完成了翻译的工作。
我们把当前已完成汉化的公开。
另有基于源码的翻译版本，请到项目站点下载；
2.翻译小组的汉化工作业已暂告一段落了，但接受任何提交的BUG或建议以持续改进。
请点击这里转到Wiki提交BUG或建议。
3.版权协议为CreativeCommons署名-非商业性使用2.5。
2.翻译团队JS堂翻译小组名单：第一期：Frank、甲壳、Nightmare（健坤）、BubbleBeast、虎头虎脑、下一道彩虹（明球）、阿雄、拥抱未来、小骏、夜色温柔、建峰、skywolf、野鹤、端阳、果连、旺财勇士（按QQ群顺序）。
第二期：Frank、Jacky、hahaman、Hibernate3.当前总体进度1.x的文档翻译初完成（2007年中）；
2.x的文档翻译初完成（2008年10月）；
3.x的文档翻译初完成（2009年5月）。
希望有兴趣参与文档翻译质量审核的朋友加入我们。
EXTAPI2Chinese相关事宜具体在论坛帖子。

XilinxArtix-7Kintex-7Virtex-7Spartan-6Spartan-6L全系列Altium原理图库PCB库集成封装库,.IntLib后缀文件，拆分后文件为PcbLib+SchLib格式，AltiumDesigner原理图库+PCB封装库，可以直接应用到你的项目开发加快项目开发进度。

采用VisualC++6.0开发的一个TCP文件传输系统，采用多线程的传输方式，支持断点续传，利用配置文件设置基本的初始化信息。
文件包括源代码和安装包，源代码里包括自定义的文件传输通信协议。
程序采用分层的设计方案，将底层的配置文件和文件操作封装成基本模型组件，并定义了文件传输模型，提供视图和底层模型进行交互的外观；
视图层分离为视图和控制两块，视图信息的更新由控制层进行控制。
新版本利用内存文件映射的技术重写了文件模型，使得程序支持大文件的传输（最大16EB），提高了文件操作效率；
此外，改善了视图的显示方式，更加方便了传输进度信息的查看。

2.54mm3,96mm间距VH3.96XH2.54连接器2P-10P原理图PCB封装库3D库（AD集成库），拆分后文件为PcbLib+SchLib格式，AltiumDesigner原理图库+PCB封装库3D视图库，AD库均经测试，可以直接应用到你的项目开发提供项目进度。

AlteraMAX3000A全系列AltiumAD原理图库PCB封装库集成库（AD库），拆分后文件为PcbLib+SchLib格式，AltiumDesigner原理图库+PCB封装库，可以直接应用到你的项目开发加快项目开发进度。

用matlabGUI设计一个音乐播放器，添加歌单列表，播放暂停，切歌，时间进度条

DeepLearningToolbox™提供了一个框架，用于设计和实现具有算法，预训练模型和应用程序的深度神经网络。
您可以使用卷积神经网络（ConvNets，CNN）和长期短期记忆（LSTM）网络对图像，时间序列和文本数据进行分类和回归。
应用程序和图表可帮助您可视化激活，编辑网络体系结构以及监控培训进度。
对于小型训练集，您可以使用预训练的深层网络模型（包括SqueezeNet，Inception-v3，ResNet-101，GoogLeNet和VGG-19）以及从TensorFlow™-Keras和Caffe导入的模型执行传输学习。
了解深度学习工具箱的基础知识深度学习图像从头开始训练卷积神经网络或使用预训练网络快速学习新任务使用时间序列，序列和文本进行深度学习为时间序列分类，回归和预测任务创建和训练网络深度学习调整和可视化绘制培训进度，评估准确性，进行预测，调整培训选项以及可视化网络学习的功能并行和云中的深度学习通过本地或云中的多个GPU扩展深度学习，并以交互方式或批量作业培训多个网络深度学习应用通过计算机视觉，图像处理，自动驾驶，信号和音频扩展深度学习工作流程深度学习导入，导出和自定义导入和导出网络，定义自定义深度学习图层以及自定义数据存储深度学习代码生成生成MATLAB代码或CUDA®和C++代码和部署深学习网络函数逼近和聚类使用浅层神经网络执行回归，分类和聚类时间序列和控制系统基于浅网络的模型非线性动态系统;使用顺序数据进行预测。

因为想弄个基于ffmpeg和alsa的音频播放器，但是网上找了很久都没有这方面的，有也是有些问题的，要不是不能播，就是播出来的声音不对，总之很多限制。
所以自己网上找资料，东拼西凑。
终于把这个播放器给弄出来了，功能：可以播（ape,wav,mp3,flac(多声道也可以)）。
播放进度没弄。

QT5简易多媒体播放器，支持进度拖拽、快进等功能。

在使用fpga设计sdram控制器时，可以通过官方的sdram仿真模型对verilogHDL设计的sdram控制器进行仿真，仿真可以得到相应的输出信息，比如初始化进度。
本资源为镁光官方的仿真模型，需要修改.vh文件为.h，然后在sdr文件中也把.vh修改成.h，最后在新的.h文件中加入你的sdram的型号，比如`definesg6a`defineden128Mb`definex16将sdr文件添加到仿真模型，下面是仿真的初始化部分的运行结果。
#Note:CycloneIVEPLLlockedtoincomingclock#Time:60.0nsInstance:top_tb.top.PLL.altpll_component.cycloneiii_pll.pll3#top_tb.sdr:attime200465.0nsAREF:AutoRefresh#top_tb.sdr:attime200565.0nsAREF:AutoRefresh#top_tb.sdr:attime200665.0nsLMR:LoadModeRegister#top_tb.sdr:CASLatency=2#top_tb.sdr:BurstLength=8#top_tb.sdr:BurstType=Sequential#top_tb.sdr:WriteBurstMode=ProgrammedBurstLength

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。