本文专为小白打造，注意安装的每一步，特别是图片中选择的详细项目，有时错一步就失败了，图文并茂，相信都能看懂、学会，如果不懂或者遇到困难，消息留言，尽快回复，有效期自发布之日起365天！

一、菜单功能前台1、影院首页2、热门推荐3、账号详情4、账号充值5、查看购物车6、影片详情、下单后台1、反馈信息2、添加影片三、注意事项1、开发环境为VisualStudio2013，数据库为SQLServer2012，使用.net4.0开发。
2、默认数据库连接字符串在webconfig配置文件中修改3、DB文件夹中是数据库文件，附加即可

识别0-9十个数字，BP神经网络数字识别源代码使用说明第一步：训练网络。
使用训练样本进行训练。
（此程序中也可以不训练，因为笔者已经将训练好的网络参数保存起来了，读者使用时可以直接识别）第二步：识别。
首先，打开图像（256色）；
再次，进行归一化处理，点击“一次性处理”；
最后，点击“R”或者使用菜单找到相应项来进行识别。
识别的结果显示在屏幕上，同时也输出到文件result.txt中。
该系统的识别率一般情况下为90%。
此外，也可以单独对打开的图片一步一步进行图像预处理工作，但要注意，每一步工作只能执行一遍，而且要按顺序执行。
具体步骤为：“256色位图转为灰度图”－“灰度图二值化”－“去噪”－“倾斜校正”－“分割”－“标准化尺寸”－“紧缩重排”。
注意，待识别的图片要与win.dat和whi.dat位于同一目录，这两文件保存训练后网络的权值参数。
具体使用请参照书中说明。

代码已经上线并可靠运行，赠送java调用jar包百分百可用，想看源码自己反编译就好了，有时间我会发出来的；
注意区分jdk版本我已经标注了；

三肿C#实用编程速查宝典整理目的：为了让更多朋友加入学习C#的行列特别感谢：史莱姆(QQ：54488****)Rabbit(QQ：54487****)度娘谷哥注意：1：本文档内所有代码均在WIN764位平台下测试通过，如其他平台下发现异常，比如OS,Linux,UNIX,等等,说明你是个逗逼！如果在Windows其他平台下有异常,请自行解决。
2：本文档内所有代码均为C#语法，再有什么按键精灵，E语音，TC神马的来问为什么看不懂代码，第一次拉黑！第二次还是拉黑！第三次还是拉黑！你觉得我会加你第二次吗？逗逼。
3：本文档内所有代码均只在.net4.0环境下编译测试通过，其他.net版本没有测试结果。
声明：1：本文档内容概括面较广，条理性不强，代码组织不够到位，如果查看过后发现有什么不适（如字体模糊导致眼睛疼，代码写错导致无法编译之类的），请及时就医，不爽的话，你他妈来打我啊？2：本文档以纯学术交流使用，无针对任何公司，组织，或者个人，如果哪位高人利用此文档开发出造成了对国家，对人民，对他妈有损害的产品，请不要来找我！一切和本人没有半毛钱关系！3：本文档不含任何恶意捆绑程序，如发现有恶意捆绑程序，请自行处理，或者你可以再捆绑更厉害的东西都没有问题！一切和本人没有半毛钱关系！4：本文档不定期进行更新，如果有好的意见或者建议，请及时告知三肿本人，代码看不懂，问问题神马的，见一次打一次！。
5：本文档内容部分来自互联网，部分来自三肿自己编写整理，部分来自以上感谢过的码友或者组织所提供，如有侵犯某位大神的著作权或者利益，请及时告知三肿本人，我绝对不会妥协的！6：因使用本软件而引致的任何意外、疏忽、合约毁坏、诽谤、版权或知识产权侵犯及其所造成的任何损失，本人概不负责，亦概不承担任何民事或刑事法律责任。

使用时，将sms.rar解压，用eclipse导入项目，在mysql中导入cj.sql文件。
注意，要运行该项目，必须在user表中插入至少一条记录。

LI-COR6800冠层光合仪操作手册，中文版操作手册，详细介绍仪器操作以及注意事项。
（官方文档）侵权告知，随即删除。

此PHP-SDK是改进后版本(相对于本人之前上传的),改进有以下几点:1)新增部分外部联系人处理的SDK代码(截止到目前,企业微信官方SDK中没有关于外部联系人处理的SDK代码)2)新增外部联系人回调事件处理3)修改并纠正了部分语法问题4)修改了原SDK的回调类中的验证回调url有效性,加密方法,解密方法(根据企业微信官方修改记录所做的同步修改,并测试有效)5)具体可参照本人CSDN的两篇博客,博客中会着重说明本人在开发时遇到的问题及其解决方案,包括注意事项,一篇企业应用开发(已发表),一篇企业外部联系人回调事件(待发表/近期发表,注意更新)

该代码使用Tensorflowr1.7在Ubuntu14.04下使用Python2.7和Python3.5进行测试。
代码中包含测试用例。
模型使用固定图像标准化。
在中科院自动化所，WebFace数据集已经被用于训练。
该面部检测后，该训练集包括总共453453个图像，超过10575个身份。
如果在训练之前过滤了数据集，则可以看到一些性能改进。
有关如何完成此操作的更多信息将在稍后提供。
性能最佳的模型已经在VGGFace2数据集上进行了训练，该数据集由~3.3M面和~9000个类组成。
提供了几个预训练模型。
请注意，模型的输入图像需要使用固定图像标准化进行标准化

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。

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。