- 博客(243)
- 收藏
- 关注
RSS订阅原创 【原创报告+项目源码】基于YOLO11+Flask的柑橘果实检测系统
本文介绍了一个基于YOLO11算法的柑橘果实检测系统，旨在解决传统人工分拣效率低、误差率高的问题。该系统采用YOLO11目标检测网络，通过创新的C3k2模块、轻量化解耦检测头等技术，显著提升了检测精度和速度。数据集包含1210张标注图像，训练后模型达到95%以上的平均精度，可实时识别柑橘位置、数量及表面状态。系统支持嵌入式设备部署，适用于果园采摘机器人、分选流水线等场景，为智慧农业提供高效的技术解决方案。配套源码、模型权重和数据集已打包提供，便于复现与二次开发。
2026-06-17 18:01:08
36
原创 基于YOLOv8+Flask的茄子病害检测系统
YOLOv8 是由 Ultralytics 团队在 2023 年推出的新一代目标检测网络，它在保持实时性的同时进一步提升了检测精度与易用性，成为当前工业界和学术界广泛采用的主流框架之一。在骨干网络（Backbone）的演进上，YOLOv8 将此前 YOLOv5 中广泛使用的 C3 模块升级为 C2f 模块，这一变化看似微小却意义深远。
2026-06-17 17:41:22
13
原创 【原创文档+项目源码】基于YOLO11+Flask的玉米病害检测系统
本文介绍了一个基于YOLO11和Flask的玉米病害智能检测系统。该系统旨在解决传统人工巡检效率低、误差大、成本高的问题，通过深度学习技术实现田间病害的自动化实时识别。数据集包含3407张标注图像，涵盖7类主要玉米病虫害。YOLO11算法采用改进的C2f骨干网络、PAN-FPN特征融合和解耦检测头设计，在精度和速度上取得平衡。系统支持图片/视频上传检测，训练结果显示模型性能良好，为智慧农业提供了可行的技术方案。配套源码、模型和数据集已打包，便于复现开发。
2026-06-17 14:10:33
29
原创 交通事故数据集车辆事故检测数据集 YOLO格式
该数据集为车辆事故检测YOLO格式数据集，包含11,780张图片及对应标注文件。数据集包含2个类别：moderate（中度碰撞）和severe（重度碰撞），总标注框数12,259个。图片分辨率为640x640，已进行数据增强处理。数据集划分为训练集（9,758张）、验证集（1,347张）和测试集（675张）。经YOLOv8s模型验证，所有类别mAP50达到98.5%，标注准确性可靠。数据集下载地址已提供。
2026-05-21 18:54:15
59
原创 茶叶病害检测数据集 YOLO格式
该数据集为茶叶病害检测专用YOLO格式数据集，包含1153张640×640分辨率的JPG图像及对应YOLO格式标注文件。数据集涵盖3种病害类型：藻叶斑（780个标注框）、云纹叶枯病（521框）和灰枯病（509框），总标注框数1810个。已划分为训练集（954张）和验证集（199张），未设测试集。经YOLOv8n模型验证，平均精度（mAP50）达64.9%。数据集为原始图像未经增强，标注通过labelImg工具完成，确保标注准确性但不保证模型改进效果。下载地址见正文链接。
2026-05-21 18:42:33
67
原创 接打电话玩手机行为检测数据集 YOLO格式
摘要：该数据集为玩手机行为检测YOLO格式数据集，包含8201张图片及对应标注文件。数据集含1个类别"palymobile"(玩手机行为)，共8390个标注框，每张图片均有标注。图片分辨率多样，未进行数据增强。数据集已划分为训练集(6560张)和验证集(1641张)，未设测试集。经YOLOv8s模型验证，mAP50达98.0，标注准确性高。该数据集仅保证标注质量，不承诺模型改进效果。
2026-05-21 17:16:07
80
原创 茄子病害检测数据集 YOLO格式
该数据集为茄子病害检测YOLO格式数据集，包含3478张640×640分辨率的图片及对应标注文件。数据集涵盖4类病害：果肉腐烂（1742框）、蛀虫（1854框）、健康（1783框）和黄斑病（2022框），总标注框数7401个。数据已划分为训练集（3107张）和验证集（371张），未划分测试集。经YOLOv8s模型验证，各类别平均精度（mAP50）达74.3%。数据集为原始图像，未进行数据增强，标注采用矩形框形式。下载地址：https://mbd.pub/o/bread/ZpuVmZhs
2026-05-21 13:20:09
253
原创 行人跌倒检测 老人摔倒检测 跌倒目标检测数据集YOLO
该跌倒行为检测数据集采用YOLO格式，包含6547张jpg图片及对应txt标注文件。数据集包含2个类别："standperson"(站立)和"falldown"(跌倒)，总标注框数24468个。图片为多分辨率原图，未进行数据增强。数据集已划分为训练集(6395张)和验证集(152张)，未设测试集。经YOLOv8s模型验证，所有类别mAP50达82.3%。该数据集仅保证标注准确性，不承诺模型改进效果。
2026-05-20 21:37:13
88
原创 打架斗殴行为检测数据集 YOLO格式
摘要：打架斗殴检测YOLO格式数据集包含2831张640×640分辨率图片及对应标注文件，标注3002个标注框。数据集经增强处理，划分为2291张训练集和540张验证集。使用labelImg工具标注，经yolov8s.pt模型验证获得86.3的mAP50指标。该数据集仅保证标注准确性，不承诺模型改进效果。下载地址：https://mbd.pub/o/bread/YZaTlJ5tag==
2026-05-20 17:32:43
45
原创 教室学生行为检测数据集 YOLO格式
摘要：该数据集为教室学生行为检测YOLO格式数据集，包含5879张jpg图片及对应txt标注文件。标注6类行为：举手(11206框)、阅读(18919框)、写作(6934框)、玩手机(8888框)、低头(2197框)和靠桌(1254框)，总标注框数49398。图片为多分辨率原图，未做增强。数据集已划分为训练集(4706张)和验证集(1173张)，经YOLO11s模型验证map50达86.6。标注准确合理，但不保证模型改进效果。下载地址：https://mbd.pub/o/bread/YZaTlJ5sbA==
2026-05-20 17:22:09
220
原创 工程机械重型车辆检测数据集 YOLO格式
该数据集为YOLO格式，包含6338张640x640分辨率的jpg图片及对应txt标注文件。涵盖7类工程车辆：推土机(1339框)、卡车(2626框)、挖掘机(2046框)、平地机(1145框)、转载机(641框)、起重机(766框)和压路机(1138框)，总标注框数9701个。数据集已划分为5067张训练集和1271张验证集，使用labelImg工具标注，经YOLOv11s模型验证达到95.6% mAP50。
2026-05-20 17:04:32
197
原创 苹果目标检测数据集
该苹果目标检测数据集包含4195张1920x1080分辨率的图片及对应YOLO格式标注文件，全部为原始图像（未增强）。数据集仅标注"apple"一个类别，共31103个标注框，覆盖4194张图片。已划分为3356张训练集和839张验证集，无测试集。使用labelImg工具标注，经yolov8m.pt模型验证，map50达到88.8。
2026-05-20 12:55:59
65
原创 电动车进电梯数据集电梯内电动车检测数据集
该数据集包含6938张电梯内电动车、自行车和行人的YOLO格式标注图片，分辨率640x640。包含3个类别：自行车(487框)、摩托车(5820框)和行人(7942框)，总计14249个标注框。数据集已划分为训练集(5118张)、验证集(1168张)和测试集(652张)。经YOLOv8s模型验证，所有类别mAP50达到98.4%，PR曲线和训练结果曲线显示良好性能。数据集未经增强处理，标注准确合理，但不保证模型改进后的性能提升。
2026-05-18 20:53:52
59
原创 麦穗数据集小麦目标检测数据集
数据集下载地址（浏览器打开）：https://mbd.pub/o/bread/mbd-YZWcmp1taw==数据集格式：YOLO格式(包含jpg图片以及对应的yolo格式的txt标注文件)wheat（麦穗） 占有图片数 = 4478。wheat（麦穗） 框数 = 193558。校验结果：所有类别map50 为 90.6。校验方式：使用yolo11s.pt训练。
2026-05-18 20:40:47
55
原创 罂粟目标检测数据集 1289张+YOLO格式
本文介绍了一个包含1289张罂粟检测图像的YOLO格式数据集。数据集包含jpg图像和对应的txt标注文件，标注类别为"poppy"，共2022个标注框。图像分辨率为640x640，使用labelImg工具标注，未进行数据增强。数据集已划分为1088张训练集和201张验证集。经YOLOv8n模型验证，mAP50达到80.6%。数据集下载地址已提供，但声明不保证模型改进后的性能提升。
2026-05-18 20:22:53
349
原创 圣女果成熟度检测数据集小番茄数据集
该数据集包含2251张416x416分辨率的番茄图片（jpg格式），采用YOLO格式标注，配套2251个txt标注文件。数据集标注了两个类别：成熟圣女果（Rippedtomato，10495个标注框）和未成熟圣女果（Unrippedtomato，2336个标注框），总标注框数12831个。数据集已划分为训练集（1948张）、验证集（202张）和测试集（101张）。经YOLOv8n模型验证，所有类别mAP50达到91.7%。数据集为原始图像，未进行数据增强，标注准确性已通过模型训练验证。
2026-05-18 20:07:30
311
原创 石榴果实成熟度检测数据集 石榴果实生长周期数据集 5855 张+YOLO 格式
本文介绍了一个包含5855张石榴果实图像的数据集，采用YOLO格式标注，包含5个生长阶段类别（成熟果、中期果、花期、萌芽期、早期果）。数据集总标注框数达11482个，图像分辨率为640x640，使用labelImg工具标注，未进行数据增强。数据集已划分为训练集（4099张）、验证集（1170张）和测试集（586张）。通过YOLO12s模型验证显示平均精度（mAP50）达到93.1%，并提供了PR曲线和训练结果曲线。特别说明数据集仅保证标注准确性，不保证模型改进效果。数据集下载地址已提供。
2026-05-18 16:08:12
566
1
原创 洋葱病害目标检测 2000 张+YOLO 格式
洋葱病害检测数据集摘要 本数据集包含2000张YOLO格式标注的洋葱病害图像，分辨率为640×640，涵盖4种病害类别：健康(healthy)、鸢尾黄斑病(iris yellow spot)、叶枯病(leaf blight)和紫斑病(purple blotch)。数据集共标注3809个目标框，各类别分布均衡。已划分为训练集(1400张)、验证集(400张)和测试集(200张)。使用YOLOv11s模型验证标注质量，获得86.6%的mAP50指标。数据集包含PR曲线和训练结果曲线，适用于目标检测任务开发。
2026-05-18 15:17:35
245
原创 【数据集+源码】基于yolov11+streamlit的玉米叶片病虫害检测系统
本文介绍了一个基于YOLOv11和Streamlit的玉米叶片病虫害检测系统。该系统通过深度学习技术实现自动化的玉米病害识别，解决了传统人工检测效率低、主观性强的问题。文章详细阐述了YOLOv11的架构改进，包括骨干网络、Neck结构和检测头优化，并展示了系统设计流程：从3407张图片的数据集处理，到模型训练与推理实现，最后基于Streamlit搭建交互式UI界面。该系统可高效检测7种常见玉米病害，验证集mAP@50达66.5%，为农业生产提供了智能化解决方案。
2025-11-09 23:25:32
1076
原创 【数据集+源码+文章】基于yolov8+streamlit的12种水果品质、成熟度检测系统
本文介绍了一个基于YOLOv8的水果品质与成熟度智能检测系统。该系统通过结合YOLOv8目标检测算法和Streamlit框架，实现对12种常见水果（如苹果、香蕉、芒果等）的品质、成熟度及表面缺陷的自动识别。系统采用自建数据集，包含3种状态标签（成熟、未成熟、腐烂），共5851张训练图像。YOLOv8模型通过优化的骨干网络和检测头设计，在保持高速推理的同时提高了检测精度。系统支持图像上传、实时检测和结果分析，为水果产业链提供了一种高效、标准化的智能质检解决方案，有助于提升农产品附加值和促进智慧农业发展。
2025-11-04 22:34:14
1048
原创 【源码+数据集+训练教程】基于YOLOv8+Flask+Layui的智能垃圾分类检测系统
本文介绍了一个基于YOLOv8的智能垃圾分类检测系统。该系统整合了YOLOv8目标检测算法、Flask后端框架和Layui前端技术，旨在解决传统垃圾分类中人工分拣效率低、分类准确率不高的问题。YOLOv8算法通过改进的CSPDarknet53骨干网络、PAN-FPN特征融合和Anchor-Free检测头等创新设计，显著提升了检测精度和速度。系统可实现垃圾的自动识别分类，应用于社区宣传、校园教育等场景，降低人工干预需求，推动智慧环保建设。文章还详细对比了YOLOv8与前代版本的技术差异，突出了其在特征重用、A
2025-10-30 23:44:39
1528
1
原创 MobileNet V1: 轻量化卷积神经网络的开山之作
2017年提出的MobileNet V1革命性地解决了CNN在移动端的部署难题。其核心创新是深度可分离卷积，将标准卷积分解为深度卷积和点卷积，计算量降至1/8-1/9。网络采用13层深度可分离卷积结构，配合宽度乘数(0.25-1.0)和分辨率乘数(224-192)实现模型灵活缩放。在ImageNet上达到70.6%准确率的同时，模型仅4.2MB大小，计算量仅569M FLOPs（α=1.0时）。实验证明，该架构在保持精度的前提下，显著提升了计算效率，为移
2025-09-26 13:52:50
158
1
原创 基于YOLO8+flask+layui的行人跌倒行为检测系统【源码+模型+数据集】
文章摘要： 本文介绍了一种基于YOLOv8算法的行人跌倒行为智能识别系统，旨在解决公共场所因人工监控不足导致的跌倒事件响应滞后问题。系统采用YOLOv8作为核心检测模型，对比分析了YOLOv8相较于前代版本在骨干网络、Neck结构和检测头设计上的创新优化，包括CSPDarknet骨干网络、改进的PANet特征融合以及Anchor-Free解耦检测头等关键技术。通过专业标注的数据集（包含6,395张训练图像）进行模型训练，实现了81.5%的mAP@0.5检测精度。系统结合Flask后端与Layui前端构建轻量
2025-09-26 11:46:32
2324
1
原创 基于YOLO8的打架斗殴行为检测系统【源码+数据集+文章】
摘要： 本文介绍了基于YOLOv8的打架斗殴行为检测系统，针对公共场所暴力事件频发问题，提出智能化解决方案。YOLOv8优化了骨干网络、Neck结构和检测头设计，采用Anchor-Free范式，显著提升检测精度与速度。系统使用2291张标注图像训练，实测mAP@50达86.3%，支持实时预警。通过数据增强和超参数调优，模型在复杂场景下表现稳定。该系统可降低人工监控成本，为智慧安防提供关键技术支撑，具有重要应用价值。 关键词： YOLOv8、打架检测、公共安全、目标检测、智能监控
2025-09-15 21:35:24
1708
1
原创 基于YOLO8的棉花成熟度检测系统【数据集+源码+训练教程】
摘要： 本文介绍了基于YOLOv8的棉花成熟度智能检测系统，旨在解决传统人工判别效率低、主观性强的问题。系统采用改进的CSPDarknet53骨干网络、双向特征融合的PANet结构及解耦检测头，实现对未开铃、初开铃、充分成熟和过熟棉花的精准分类与定位。数据集包含13,771张标注图像，经数据增强后训练模型，mAP@50达94%。YOLOv8在YOLOv5和YOLOv7基础上优化了结构简洁性、激活函数统一性和训练策略，显著提升检测性能。该系统为棉花精准采收提供技术支持，推动农业智能化转型。
2025-09-15 10:08:55
1080
原创 公网IP采用自签名证书配置https并消除浏览器不安全告警
本文详细介绍了Nginx的安装配置及HTTPS证书部署流程。主要内容包括：1）通过yum安装Nginx依赖组件，并编译安装包含状态监控和SSL模块的Nginx；2）使用mkcert工具生成本地自签名证书，支持多域名/IP地址；3）配置Nginx启用HTTPS服务，指定证书路径；4）通过安装CA根证书消除浏览器安全警告。文章提供了完整的命令行操作指南，涵盖从环境准备到最终验证的全过程，适用于开发环境快速搭建安全的HTTPS服务。
2025-09-12 16:07:05
1686
原创 基于YOLO8和Streamlit的学生课堂行为检测系统【源码+数据集+训练教程+文章】
摘要 本文介绍了一个基于YOLOv8和Streamlit的学生课堂行为智能识别系统。系统采用YOLOv8目标检测算法，能够精准识别6种典型课堂行为（如举手、玩手机等），并通过Streamlit实现可视化交互。文章详细解析了YOLOv8的网络架构创新，包括C2f模块、优化Neck结构和解耦检测头等改进。系统使用包含5686张标注图像的真实课堂数据集，经测试mAP@50达87.4%。该系统实现了课堂教学的智能化监管，为教育研究提供数据支持，推动了AI在智慧教育中的应用。
2025-09-08 22:18:44
1188
原创 基于YOLOv8的苹果叶片病虫害检测系统【数据集+源码】
本文介绍了一种基于YOLOv8的苹果叶片病虫害智能检测系统。该系统针对苹果种植中的常见病害（如褐纹病、褐斑病等）和虫害，采用YOLOv8目标检测算法进行高效识别。系统使用包含946张标注图像的真实果园数据集，通过改进的C2f骨干网络、PAN-FPN特征融合和解耦检测头等技术，在检测精度和速度上较前代YOLO模型有显著提升。结合Streamlit框架构建的交互式Web应用，该系统实现了图像上传、实时分析和结果展示功能，为果园管理者提供科学决策支持，助力智慧农业发展。实验表明，该系统mAP@50达到85.5%，
2025-09-08 21:18:15
1709
原创 基于YOLO8的汽车碰撞事故检测系统【数据集+源码+文章】
本文介绍了一种基于YOLOv8和Streamlit的汽车碰撞事故检测系统。该系统利用YOLOv8目标检测模型识别交通事故特征，结合Streamlit框架构建可视化交互界面，实现实时视频分析和事故预警。系统采用专门标注的车辆碰撞数据集进行训练，包含1万余张图像，划分为中度碰撞和重度碰撞两类。YOLOv8模型通过改进的C2f模块、解耦检测头等创新设计，在精度和速度上优于前代版本。实验表明，该系统能有效检测事故场景，mAP@50达到0.985，可辅助交通管理部门快速响应，提升道路安全治理效率。
2025-09-06 14:51:03
1402
原创 SqueezeNet：轻量化卷积神经网络探索的先行者
SqueezeNet是一种轻量化卷积神经网络，通过创新设计在保持AlexNet精度的同时大幅减少参数。核心创新包括：使用1×1卷积替代3×3卷积减少90%参数，采用Fire模块（Squeeze+Expand结构）实现参数高效利用，以及延迟下采样保留更多空间信息。该模型仅4.8MB大小（压缩后<0.5MB），在ImageNet上达到与AlexNet相当的57.5% Top-1精度。适用于移动端部署等资源受限场景。
2025-09-03 14:58:41
262
原创 DenseNet详解：连接一切，深度高效
结合DenseNet与分组卷积学习特征图之间的连接模式进一步减少计算量和内存消耗瓶颈+压缩优化版本更激进的通道压缩（θ=0.5）在保持性能的同时大幅减少参数融合ResNet和DenseNet优点双路径结构：一路残差连接，一路密集连接在ImageNet上达到SOTA性能。
2025-09-03 14:56:44
147
原创 SENet：通道注意力机制的革新
SENet提出了一种创新的通道注意力机制Squeeze-and-Excitation(SE)模块，通过全局信息压缩和通道相关性建模动态调整特征响应。该模块可无缝集成到现有CNN架构中，以极小计算代价（约0.5%参数量增加）显著提升性能（ImageNet上top-5错误率降低25%）。核心设计包括：1）Squeeze阶段通过全局平均池化压缩空间信息；2）Excitation阶段通过全连接层学习通道权重；3）特征重标定实现自适应特征校准。实战中，SE模块可插入ResNet等网络的每个残差块后，通过重标定通道特征
2025-09-03 14:54:23
105
原创 ResNet：深度残差网络详解
ResNet通过残差学习和跳跃连接解决了深度网络退化问题，其核心创新是让网络层学习输入与输出之间的残差映射而非直接映射。标准ResNet34包含34个参数层，使用BasicBlock残差块结构，通过7×7初始卷积、4组残差块（3/4/6/3个块）和全局平均池化组成。PyTorch实现展示了基础残差块和瓶颈结构的关键代码，其中残差连接通过恒等映射或1×1卷积调整尺寸。该网络在ImageNet上首次超越人类识别水平，其设计思想对深度学习发展具有里程碑意义。
2025-09-03 14:52:52
389
原创 VGGNet详解：深度学习中的经典卷积神经网络
VGGNet是牛津大学团队2014年提出的深度卷积神经网络，通过系统性增加网络深度显著提升了图像识别性能。其创新在于：1) 全部使用3×3小卷积核堆叠，减少参数并增加非线性；2) 探索11-19层不同深度对性能的影响；3) 采用简洁统一的架构设计。典型VGG19包含16个卷积层和3个全连接层，通过ReLU激活和最大池化有效提取特征。该网络为后续深度网络设计提供了重要参考，证明了深度对性能的关键作用。
2025-09-03 14:51:52
108
原创 GoogleNet：更深的网络与更高的效率
GoogleNet（Inception v1）通过创新的Inception模块解决了深度神经网络的计算效率和梯度消失问题。其核心创新包括：并行多尺度卷积（1x1、3x3、5x5）的特征融合、1x1卷积降维、辅助分类器缓解梯度消失，以及全局平均池化替代全连接层。网络仅500万参数，比AlexNet减少12倍，在ImageNet上实现6.67% top-5错误率。代码实现展示了Inception模块的并行结构和特征拼接方式，适用于图像分类等任务。通过辅助分类器和多尺度特征提取，GoogleNet在保持高效计算的
2025-09-03 14:50:14
83
原创 AlexNet:计算机视觉的革命性之作
AlexNet是2012年ImageNet竞赛的冠军模型，通过多项创新大幅提升了计算机视觉任务的性能。其核心贡献包括：采用ReLU激活函数解决梯度消失问题，训练速度比tanh快6倍；首次使用GPU并行训练，使大规模网络训练成为可能；引入Dropout和局部响应归一化(LRN)等正则化方法防止过拟合。网络结构包含5个卷积层和3个全连接层，通过重叠池化等技术提升特征丰富性。这些创新使AlexNet在ImageNet上的top-5错误率降至15.3%，远超第二名26.2%的成绩，奠定了现代深度学习在计算机视觉领域
2025-09-03 14:46:00
176
原创 LeNet-5：卷积神经网络的奠基之作
LeNet-5是Yann LeCun于1998年提出的首个成功商业应用的卷积神经网络，专为手写字符识别设计。该网络通过卷积层（5×5小核）、下采样层（平均池化）和tanh激活函数构建，显著减少参数并增强特征不变性。在MNIST数据集上实现99%+准确率，其创新包括局部感受野、权值共享和端到端训练，为现代CNN奠定基础。实战代码展示了PyTorch实现的完整流程，包含数据准备、网络架构（3层卷积+2层全连接）、训练测试及评估指标跟踪。
2025-09-03 14:44:31
232
原创 基于YOLO8的番茄成熟度检测系统（数据集+源码+文章）
随着科技的不断进步，人工智能和深度学习技术已广泛应用于各行各业，尤其是在智慧农业方面。传统的番茄成熟度检测方法依赖于人工观察，但这种方法不仅耗时耗力，而且容易因人为因素导致误判或漏判。因此，开发一种能够自动、准确、快速地检测番茄成熟度的系统显得尤为重要
2025-09-02 21:25:21
1279
原创 基于YOLO8的垃圾识别检测系统（数据集+源码+文章）
本系统通过先进的视觉识别技术（涵盖静态图片分析、动态视频流解析及实时摄像头监控），构建了全方位、多层次的智能垃圾检测与分类体系。系统依托深度学习领域的YOLOv8图像识别算法，能够精准识别各类垃圾特征，对公共场所、社区环境中的垃圾违规堆放实现毫秒级响应与智能分类提示，有效提升环境监管效率。这一技术解决方案不仅为破解"垃圾识别与分类"难题提供了智能化路径，更通过自动化监管显著降低了人工分拣成本，推动环境治理从被动清理转向主动防控。
2025-08-30 22:07:36
2452
1
原创 手把手教会apt源配置
本文会详细介绍 apt 源的配置内容，说明不同架构、不同源、不同系统版本需要怎么填写apt源。认真读完本文，你将会：1. 准确无误的配置好国内apt源地址2. 彻底解答你心中的疑问:“为什么自己按照网上某些教程配置的apt源，不可用，报错，下载不了软件等情况?由于 apt-get 命令默认的软件源位于国外，在国内往往下载速度极慢，因此部分公司、学校将部分或所有软件的更新同步到自己的服务器，这些软件包下载来源就是国内的apt源。使用国内的apt源下载软件将会快很多。
2025-08-27 12:11:25
1628
minist数据集原始图片 压缩包中是minist数据集的图片文件，包含60000张图片，标签为0-9
2023-08-09
Byzer-lang：byzer-lang-all-in-one-linux-amd64
2023-07-25
byzer-llm-3.3-2.12-0.1.0-SNAPSHOT.jar
2023-07-25
c语言商品销售系统源码
2023-06-28
基于c语言实现的中国象棋源码
2023-06-28
c语言实现的汉诺塔演示程序
2023-06-28
基于c语言实现的UDP通信系统
2023-06-28
JAVA生命游戏多线程模式(使用n个线程并行读取初始pgm文件,把图像分割为n份，分别计算出下一轮的细胞状态，然后重新整合)
2023-06-28
JAVA多线程实现2个producer和一个Consumer把整数放入到一个环形缓冲Circle Buffer中
2023-06-28
c语言实现的力学相关的流体源码
2023-06-28
基于c语言实现的火车票订票管理系统
2023-06-28
基于Java Swing组件的实验展示系统
2023-06-02
基于C语言实现的俄罗斯方块小游戏
2023-06-02
c语言教工工资管理系统
2023-05-24
java swing mysql实现的员工工资管理系统项目
2023-05-24
glove.6B.100d.tx t词向量文件
2023-03-28
NLTK下载停用词（stopwords）
2023-03-28
IMDb Large Movie Review-数据集
2023-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人