- 博客(2250)
- 资源 (284)
- 收藏
- 关注
RSS订阅
原创 [数据集汇总]智慧交通-铁路相关数据集汇总
此外，铁轨异物入侵检测数据集能够及时发现并预警潜在的安全隐患，铁轨及卡扣分割数据集、铁轨石枕裂纹缺陷检测数据集等则通过语义分割技术，为铁路维护提供精准的数据支持。智慧交通在铁路领域的应用日益广泛，其数据集汇总涵盖了多个关键方面，为轨道交通、自动化、计算机等专业的研究提供了丰富的资源。这些数据集主要包括铁路手势分类、铁路旁边电气设备检测、铁轨异物入侵检测、铁路铁轨分割、铁轨及卡扣分割、铁轨石枕裂纹缺陷检测等，涵盖了图像分类、目标检测、语义分割等多种技术需求。
2024-09-15 12:12:40
370
原创 电力行业电气领域相关数据集下载地址汇总输电线路变电站电网应用数据集汇总(全网最全)
例如，输电线路图像数据集通过无人机或直升机拍摄，包含了杆塔、绝缘子、导线等详细图像，为目标检测、分类和异常检测提供了丰富的素材。此外，还有针对变电站烟火检测、导线破损检测等特定任务的数据集，这些数据集通过收集实际场景中的图像和视频，帮助研究人员训练更加精准的算法。电力大数据不仅数据量庞大，类型也多种多样，包括结构化数据如交易电价、售电量等，以及非结构化数据如视频监控图像。通过深度学习和数据挖掘技术，研究人员能够从中发现潜在的模式和规律，为电力行业的决策和规划提供有力支持。
2024-08-23 21:42:27
1516
原创 C# OpenCvSharp DNN Onnx项目源码汇总
本项目涉及C#编程相关，包含深度学习、图像处理、opencvsharp操作等相关编程项目，现在将项目汇总如下：
2024-08-18 08:39:43
514
原创 2024年目标检测数据集大合集所有下载地址汇总
数据集名称下载地址瓷砖瑕疵检测数据集VOC+YOLO标注.zip点我下载道路路标交通标志检测数据集VOC+YOLO格式877张4类别.zip点我下载钢材缺陷检测数据集VOC+YOLO格式386张5类别.7z点我下载中国交通标志检测数据集VOC+YOLO格式5998张58类别.7z点我下载道路交通事故检测数据集VOC+YOLO格式11819张2类别.7z点我下载钢丝绳破损灼伤缺陷检测数据集VOC+YOLO格式1318张2类别.7z点我下载公共场所危险物品检测数据集VOC+YOLO格式1431
2024-04-30 07:30:19
3112
2
原创 [C++]使用C++部署yolov11目标检测的tensorrt模型支持图片视频推理windows测试通过
部署最费时间是安装环境。首先需要大家安装好VS2019或者VS2022，还有如下环境，由于安装包很多需要去官方搜素下载，需要自己安装，其中版本可以有区别，但是如果快速复现这个项目，最好安装位一致版本这样更快复现出项目。然后将pt模型放进项目里面，切换自己安装好的yolov8环境里面并切换到项目目录，执行python export.py即可转换得到onnx模型，当然你也可以使用下面命令直接转换。下面具体怎么部署，首先去yolov8官方仓库下载yolo11模型，这样下载yolo11n.pt。
2024-10-02 21:25:01
270
转载 Win10下安装CUDA10.1+CUDNN7.6
将将CUDNN文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录，如下图为CUDA的安装位置，粘贴过来直接覆盖即可。双击cuda_10.1.243_426.00_win10.exe文件。将Visual Studio Integration的勾去掉。将下载的CUDNN解压缩，如下图。打开cmd，输入如下命令，即可！根据自己需要更改安装路径。等待复制完成，即可！
2024-10-02 19:59:25
12
原创 基于yolov8的200鸟类智能检测与识别系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】基于YOLOv8的200种鸟类智能检测与识别系统是一款基于深度学习的目标检测系统，该系统利用YOLOv8框架，通过11788张图片训练出一个能够进行鸟类智能检测与识别的模型，可以识别200种不同的鸟类。该系统采用Python与PyQt5开发，拥有简洁的用户界面，支持图片、视频以及摄像头进行实时目标检测，并能够保存检测结果。用户可以通过点击图片、视频或摄像头图标，选择需要检测的内容，系统会自动显示检测结果，包括目标位置、目标总数、置信度以及检测用时等信息。
2024-10-02 07:51:01
515
原创 基于yolov8深度学习的120种犬类检测与识别系统python源码+onnx模型+评估指标曲线+精美GUI界面目标检测狗类检测犬类识别系统
【算法介绍】基于YOLOv8深度学习的120种犬类检测与识别系统是一款功能强大的工具，该系统利用YOLOv8深度学习框架，通过21583张图片的训练，实现了对120种犬类的精准检测与识别。该系统基于Python与PyQt5开发，具有简洁的UI界面，支持图片、视频以及摄像头三种方式进行目标检测，并能够将检测结果进行保存。在检测过程中，系统能够实时显示目标位置、目标总数、置信度以及用时等信息，为用户提供直观、清晰的检测结果。该系统在多个领域具有广泛的应用价值。
2024-10-02 06:54:46
372
原创 windows上安装mingw教程及mingw64国内下载地址汇总
点击Downloads后，在右侧栏中找到Sources选项并点击，然后在出现的页面中点击SourceForge.Win+R打开命令提示符窗口，输入gcc -v按下回车，如果显示下面的界面，就说明配置成功了，即MinGW安装成功。此时需要新建环境变量，因此打开刚才解压的包，找到bin路径，然后复制路径，这里就存放了gcc.exe文件。点击新建，然后粘贴刚才的路径，点击确定，然后剩下的窗口也点击确定即可。在此电脑单击鼠标右键，点击属性，点击高级系统设置，点击环境变量。在系统变量中点击Path，然后点击编辑。
2024-10-01 18:00:26
230
原创 基于yolov8的100种中草药智能识别系统python源码+pt模型+训练日志+精美GUI界面
【算法介绍】基于YOLOv8的100种中草药智能识别系统是一款利用最新的YOLOv8算法开发的高效、准确的识别工具。该系统能够精准快速地识别100种不同的中草药类别，对于传统中药行业是一次重要的革新。该系统通过搜集不同中草药的相关数据图片，并基于YOLOv8的深度学习技术进行训练，构建了一个强大的识别模型。该模型可以支持图片、批量图片、视频以及摄像头等多种输入方式进行检测，能够实时显示识别结果、置信度以及用时等信息。在实际应用中，该系统具有广泛的应用前景。
2024-10-01 10:15:18
519
原创 基于yolov8的100种蝴蝶智能识别系统python源码+pt模型+训练日志+精美GUI界面
【算法介绍】基于YOLOv8的100种蝴蝶智能识别系统是一个结合了深度学习和人工智能技术的先进工具，旨在提高生物多样性监测和保护领域的效率和精确度。该系统利用YOLOv8深度学习算法，通过9955张图片的训练，能够准确识别100种不同的蝴蝶类型，准确率高达94.8%。该系统具备多项核心功能，包括支持图片、批量图片、视频以及摄像头的实时检测，并能在界面上实时显示识别结果、置信度以及用时等信息。
2024-09-30 14:09:20
708
1
原创 [数据集][目标检测]电力场景防震锤缺陷检测数据集VOC+YOLO格式705张1类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)重要说明：防震锤缺陷图片太难找，数据集里面存在大量单一场景图片，请仔细查看图片预览谨慎下载，此外数据集均为小目标检测，如果训练map偏低属于正常现象。特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：705。标注数量(xml文件个数)：705。标注数量(txt文件个数)：705。
2024-09-30 07:40:05
293
原创 基于mediapipe深度学习算法的手势数字0-9识别系统python源码+精美GUI界面
以大拇指为例，系统首先识别出大拇指上的四个关键点（假设这些点按手指的自然顺序标记为点1至点4）。接着，利用这些关键点的坐标，计算两组相邻关键点之间的角度：一组是点4与点3之间的角度a，另一组是点2与点1之间的角度b。一旦我们掌握了每根手指的弯曲状态，接下来的步骤就是将这些信息整合起来，以识别出用户所做出的具体手势及其对应的数字。总的来说，我的这一手势识别方法充分利用了MediaPipe在手掌关键点识别方面的优势，通过精细分析手指的弯曲状态，实现了对手势的准确识别和数字的对应判断。
2024-09-29 15:02:36
502
原创 运行tensorflow报错InternalError: libdevice not found at ./libdevice.10.bc解决方法
解压cudatoolkit-11.2.0-h608a323_8.tar.bz2，然后复制"C:\Users\anaconda3\pkgs\cudatoolkit-11.2.2-h933977f_10\DLLs" 里面文件 libdevice.10.bc and nvvm64_40_0.dll" 放入libdevice文件夹里面即可，再次运行项目即可正常运行。在项目目录下面新建2层文件夹nvvm/libdevice。运行tensorflow2.9.0的GPU报错。
2024-09-29 11:43:58
256
原创 [数据集][目标检测]猪数据集VOC-2856张
数据集格式：Pascal VOC格式(不包含分割的txt文件，仅仅包含jpg图片和对应的xml)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2856。标注数量(xml文件个数)：2856。使用标注工具：labelImg。标注类别名称:["pig"]标注规则：对类别进行画矩形框。
2024-09-28 14:29:09
372
原创 基于yolov8的辣椒缺陷检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
阅读本文请注意该系统设计是针对单个辣椒进行缺陷检测，具体可以在训练数据集查看数据集具体情况【算法介绍】基于YOLOv8的辣椒缺陷检测系统是一种利用深度学习技术，特别是YOLOv8算法，来自动识别和检测辣椒表面缺陷的先进系统。YOLOv8作为Ultralytics公司开发的最新一代目标检测算法，以其高效、准确和灵活性著称。该系统通过训练一个包含大量辣椒图像的数据集，这些图像涵盖了各种常见的辣椒缺陷，如病斑、虫洞、破损等。
2024-09-28 08:03:38
1199
原创 [数据集][目标检测]辣椒缺陷检测数据集VOC+YOLO格式695张5类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:[“Defect”,“Fly-bites”,“Grade-A”,“Grade-B”,“striped”]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：698。标注数量(xml文件个数)：698。标注数量(txt文件个数)：698。标注规则：对类别进行画矩形框。
2024-09-28 07:48:37
407
原创 [数据集][目标检测]海上红外目标检测检测数据集VOC+YOLO格式8402张7类别
标注类别名称:[“bulk carrier”,“canoe”,“container ship”,“fishing boat”,“liner”,“sailboat”,“warship”]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(xml文件个数)：8402。标注数量(txt文件个数)：8402。
2024-09-27 14:35:03
429
原创 [数据集][图像分类]水果分类数据集22万张262类别
特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放。数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片。数据集类型：图像分类用，不可用于目标检测无标注文件。图片数量(jpg文件个数)：225639。
2024-09-27 14:29:03
438
原创 基于yolov8的海上红外目标系统python源码+onnx模型+评估指标曲线+精美GUI界面
【算法介绍】基于YOLOv8的海上红外目标系统是一项集成了前沿技术的创新解决方案，专为复杂海洋环境下的目标检测而设计。该系统利用YOLOv8深度学习模型的强大目标检测能力，结合红外成像技术，实现了对海上小型船只、浮标、甚至水下潜器等目标的快速、准确检测。YOLOv8作为YOLO系列的最新版本，在检测精度和速度上均有显著提升，尤其适用于高动态和复杂场景。通过红外成像，该系统能够在夜间或低能见度条件下有效捕捉目标，克服了传统可见光相机的局限性。
2024-09-27 09:06:58
1083
原创 [python-pdal]python-pdal安装后测试代码
会在目录下面生成一个result.pcd文件。我们用PCDViewer打开查看pcd文件。
2024-09-25 08:28:49
204
原创 [数据集][目标检测]基于yolov5增强数据集算法mosaic来扩充自己的数据集自动生成增强图片和对应标注无需重新标注
思路：首先，从数据集中随机选择四张图像，然后将它们缩放、随机裁剪，并按马赛克模式拼接在一起。这种方式允许模型看到多尺度的目标，并且增强了目标的背景多样性。安装好opencv-python和piilow模块后，执行python main.py即可，main.py里面路径需要提前盖好。YOLOv5最引人注目的增强技术之一是马赛克增强，它将四张不同的图像拼接成一张图像。【完整实现源码下载】
2024-09-24 09:16:59
560
原创 [数据集][目标检测]Udacity交通目标检测数据集VOC+YOLO格式13063张11类别
标注类别名称:[“biker”,“car”,“pedestrian”,“trafficLight”,“trafficLight-Green”,“trafficLight-GreenLeft”,“trafficLight-Red”,“trafficLight-RedLeft”,“trafficLight-Yellow”,“trafficLight-YellowLeft”,“truck”]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注规则：对类别进行画矩形框。
2024-09-24 07:06:35
412
原创 基于yolov5的中国交通标志TT100K检测系统python源码+onnx模型+评估指标曲线+精美GUI界面
TT100K数据集作为该系统的训练基础，包含大量从中国多个城市收集的交通标志图像，覆盖了城市道路、乡村道路及高速公路等多种场景，确保了模型的泛化能力。训练完成的模型能够实时识别道路上的交通标志，如停车标志、限速标志、警告标志等，为自动驾驶和智能交通系统提供关键信息支持，确保行车安全。基于YOLOv5的中国交通标志TT100K检测系统不仅提升了交通标志识别的效率和准确性，也为智能交通领域的发展注入了新的动力。在训练过程中，系统利用反向传播算法不断优化网络参数，提高模型对各类交通标志的识别精度。
2024-09-23 07:17:11
1722
1
原创 [数据集][目标检测]中国交通标志TT100K检测数据集VOC+YOLO格式7962张45类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：7962。标注数量(xml文件个数)：7962。标注数量(txt文件个数)：7962。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
2024-09-23 07:06:40
457
原创 安国U盘量产工具系列下载地址
现在，对于新的闪存驱动器（比该日期更新），您应该使用上述经典版本。我们将其用于采用 Alcor、Sandisk 和 Toshiba 闪存芯片的闪存驱动器，这些芯片采用 eD3 和 X3 技术制造。闪存驱动器的主要生产实用程序。在每个版本的大括号中，我指出了发行版中包含的固件目录。在为您的闪存驱动器选择一个驱动器时，请使用它们作为指南。在它的帮助下，您既可以访问受密码保护的部分，也可以格式化闪存驱动器或将其划分为常规的。第二个版本具有相同的编号，因为这是一个带有一组额外的闪存二进制文件的程序集。
2024-09-22 19:58:19
1143
原创 module ‘radiomics.featureextractor‘ has no attribute ‘RadiomicsFeaturesExtractor‘
遇到这样的错误通常意味着你尝试从模块中访问一个不存在的属性或类。在 PyRadiomics 库中，这通常是因为使用了错误的模块路径或类名。PyRadiomics 是一个用于从医学影像中提取定量特征的 Python 库，它主要用于放射组学研究。在 PyRadiomics 的较新版本中，提取特征的类通常位于模块下，但这个模块的结构可能因版本而异。
2024-09-22 18:34:17
270
原创 [数据集][目标检测]DOTAv2.0遥感航拍目标检测数据集VOC+YOLO格式4840张16类别
标注类别名称:["baseball-diamond","basketball-court","bridge","container-crane","ground-track-field","harbor","helicopter","large-vehicle","plane","roundabout","ship","small-vehicle","soccer-ball-field","storage-tank","swimming-pool","tennis-court"]
2024-09-22 13:56:48
528
原创 [数据集][目标检测]DOTAv1.0遥感航拍目标检测数据集VOC+YOLO格式1713张16类别
标注类别名称:[“baseball-diamond”,“basketball-court”,“bridge”,“container-crane”,“ground-track-field”,“harbor”,“helicopter”,“large-vehicle”,“plane”,“roundabout”,“ship”,“small-vehicle”,“soccer-ball-field”,“storage-tank”,“swimming-pool”,“tennis-court”]
2024-09-22 11:50:08
436
原创 引入pytorch 报错 Error loading\\Lib\\site-packages\\torch\\lib\\fbgemm.dll\ or one of its dependences
我在安装pytorch2.4.0之后会报错Error loading\\Lib\\site-packages\\torch\\lib\\fbgemm.dll\ or one of its dependences，然后我到python环境查看对应位置发现fbgemm.dll是存在的，那么只有一种可能就是fbgemm.dll缺少依赖文件。模块时，出现了Error loading “c:\Users\Noor\anaconda3\envs\DL\Lib\site-packages\。
2024-09-21 20:36:15
501
原创 [数据集][目标检测]外部墙体损伤缺陷检测外墙损坏等级检测数据集VOC+YOLO格式4629张4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["Heavy Damage","Minor Damage","Moderate Damage","Undamage"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：4629。标注数量(xml文件个数)：4629。标注数量(txt文件个数)：4629。
2024-09-21 17:45:22
343
原创 [数据集][目标检测]水泥外墙缺陷检测数据集VOC+YOLO格式2947张4类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)标注类别名称:["crack","discoloration","exposed bricks","spalling"]特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。图片数量(jpg文件个数)：2947。标注数量(xml文件个数)：2947。标注数量(txt文件个数)：2947。标注规则：对类别进行画矩形框。
2024-09-21 17:32:59
398
原创 [数据集][目标检测]PCB电路板元件检测数据集VOC+YOLO格式3948张29类别
数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。重要说明：数据集有增强，请仔细查看图片预览确认符合要求在下载。图片数量(jpg文件个数)：3948。标注数量(xml文件个数)：3948。标注数量(txt文件个数)：3948。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
2024-09-21 13:46:45
825
原创 基于yolov8和openpose人体骨骼关键点实现的摔倒姿态识别检测系统实现
如果想要检测其他姿势： 1.收集图片，跑runOpenpose.py 文件获得人体的关键点图 2.对人体的关键点图根据自己想要的进行分类放在data/train 和 data/test 3.跑 action_detect/train.py。只跑了open pose 可以获得人体的关键点图，用于后续的.jit模型训练 人体的关键点图会保存在data/test中 pose.py中draw方法的最下面可以控制保存关键点图的位置。代码提供有requirments.txt，但是环境其实比较宽松，比如我的环境是。
2024-09-21 11:06:31
632
原创 基于yolov5和openpose人体骨骼关键点实现的摔倒姿态识别检测系统实现
本项目由于使用了3个模型，所以实时性能较差，建议采用GPU推理加快推理速度，同时尽量不要使用cv2.imshow去实时显示窗口，而是采用写出视频结果方式。（1）封装YOLOv5检测类，这样可以加强阅读便利性，模块设计方便嵌入其他框架，后面我会换成yolov8模型进行该项目移植。（3）检测流程简化，使得人体骨骼关键点实现的摔倒姿态识别代码十分简单，实际只要40多行代码就实现整个检测流程。代码提供有requirments.txt，但是环境其实比较宽松，比如我的环境是。【完整源码下载地址】
2024-09-21 10:25:41
352
原创 VS2019配置C++版本的GDAL
双击后点击新建，将GDAL的bin路径，添加进来即可。可以参考如下，我添加的路径（E:\projects\gdal332\gdal_install\bin）。选链接器---输入--附加依赖项，加入lib文件，就是E:\projects\gdal332\gdal_install\lib文件夹里面所有lib文件名字。使用GDAL读写图片，该图片本身像素为641*606，读写进入后，获取其x、y轴像素，代码如下。在VS上配置前，需要将GDAL文件路径添加到环境变量中，右击我的电脑，在。【编译好的文件下载】
2024-09-20 18:10:28
397
原创 [C#]winform 使用opencvsharp实现玉米粒计数
这段代码是使用OpenCvSharp库（OpenCV的C#封装）对图像进行处理，主要流程包括图像的二值化、腐蚀操作、距离变换、轮廓检测，并在原图上标出检测到的轮廓位置及数量。
2024-09-20 11:34:58
670
BDPoisson1D-0.3.4-cp37-cp37m-manylinux_2_5_x86_64.whl.zip
2024-09-28
BDPoisson1D-0.3.4-cp38-cp38-macosx_10_14_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp310-cp310-manylinux_2_5_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp310-cp310-macosx_10_15_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp39-cp39-manylinux_2_5_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp39-cp39-macosx_10_15_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp38-cp38-manylinux_2_5_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp37-cp37m-manylinux_2_5_x86_64.whl.zip
2024-09-28
BDMesh-0.2.18-cp38-cp38-macosx_10_15_x86_64.whl.zip
2024-09-28
使用C++部署yolov11目标检测的tensorrt模型支持图片视频推理演示源码+项目说明
2024-10-02
ultralytics-yolov11官方所有n和s号的pt模型文件
2024-10-02
基于yolov8的200鸟类智能检测与识别系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip
2024-10-02
基于yolov8深度学习的120种犬类检测与识别系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip
2024-10-02
基于yolov8的100种中草药智能识别系统python源码+pt模型+训练日志+精美GUI界面.zip
2024-10-01
基于yolov8的100种蝴蝶智能识别系统python源码+onnx模型+评估指标曲线+精美GUI界面.zip
2024-09-30
电力场景防震锤缺陷检测数据集VOC+YOLO格式705张1类别.zip
2024-09-30
基于mediapipe深度学习算法的手势数字0-9识别系统python源码+精美GUI界面.zip
2024-09-29
城市道路井盖破损丢失数据集VOC+YOLO格式1377张4类别.zip
2024-09-29
BDPoisson1D-0.3.4-cp37-cp37m-win_amd64.whl.zip
2024-09-28
BDPoisson1D-0.3.4-cp37-cp37m-macosx_10_14_x86_64.whl.zip
2024-09-28
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人