Moteur de réseau social open source Elgg
Toutes les ressources de ce site proviennent d'internautes ou sont réimprimées par les principaux sites de téléchargement. Veuillez vérifier vous-même l'intégrité du logiciel ! Toutes les ressources de ce site sont uniquement à titre de référence d'apprentissage. Merci de ne pas les utiliser à des fins commerciales. Sinon, vous serez responsable de toutes les conséquences ! En cas d'infraction, veuillez nous contacter pour la supprimer. Coordonnées : admin@php.cn
Article connexe
01Mar2017
lufylegend est un moteur open source HTML5. Il implémente le développement HTML5 en utilisant une syntaxe de type ActionScript3.0. Il comprend LSprite, LBitmapData, LBitmap, LLoader, LURLLoader, LTextField, LEvent et de nombreuses autres classes familières aux développeurs AS. Firefox, Opera, IE9, IOS, Android et autres environnements populaires. Vous pouvez utiliser lufylegend pour utiliser facilement la programmation orientée objet et coopérer avec Box2dWeb pour créer des jeux de physique.
02May2023
Le modèle Transformer est issu de l'article « Attentionisallyouneed » publié par l'équipe de Google en 2017. Cet article proposait pour la première fois le concept d'utiliser Attention pour remplacer la structure cyclique du modèle Seq2Seq, ce qui a eu un grand impact dans le domaine de la PNL. Et avec les progrès continus de la recherche ces dernières années, les technologies liées à Transformer sont progressivement passées du traitement du langage naturel à d’autres domaines. Jusqu'à présent, les modèles de la série Transformer sont devenus des modèles courants dans les domaines de la PNL, du CV, de l'ASR et d'autres domaines. Par conséquent, la manière de former et de déduire des modèles de transformateur plus rapidement est devenue une direction de recherche importante dans l'industrie. Les techniques de quantification de faible précision peuvent
01Mar2017
La version 1.6.0 de Lufylegend a enfin été publiée, ajoutant de nouvelles fonctionnalités telles que des écrans et des filtres adaptatifs et mettant à jour la documentation de l'API. La nouvelle version de la documentation de l'API est plus pratique à interroger. Lien de téléchargement du moteur lufylegend.js http://lufylegend.com/lufylegendlufylegend.js moteur API en ligne lien vers le document http://lufylegend.com/lufylegend/api 1, version 1.6.0 mise à jour du contenu 1, navigation Firefox modifiée
02Mar2017
Expliquez que la version 1.5.0 de lufylegend a finalement été publiée. J'avais initialement prévu de l'améliorer avant de la publier, mais j'ai été trop occupé récemment. La version 1.5.0 a été retardée encore et encore, j'ai donc décidé de la publier en premier, et puis publiez la version 1.5.1 après une amélioration continue. L'API a également été relativement améliorée et ajoutée au package de téléchargement. Veuillez me pardonner le copier-coller... Pour télécharger la bibliothèque lufylegend.js et la documentation de l'API en ligne, veuillez cliquer sur le lien. ci-dessous http://lufylegend.com/lufylegend1. Le contenu de la mise à jour 1.5.0 sera 1.
01Mar2017
La version 1.7.1 du moteur open source HTML5 lufylegend a été publiée. Le package de téléchargement contient près de 30 exemples de développement et a été partagé sur github. Site officiel du moteur lufylegend.js http://lufylegend.com/lufylegendlufylegend.js Lien vers le document API en ligne du moteur http://lufylegend.com/lufylegend/api 1, version 1.7.1, mise à jour du contenu 1, LURLLoader modifié dans ie10 pour lire js b
08Apr2023
DeepRec (PAI-TF) est le moteur de recommandation open source unifié du groupe Alibaba (https://github.com/alibaba/DeepRec). Il est principalement utilisé pour la formation et la prévision de modèles clairsemés, et peut prendre en charge des centaines de milliards de dollars à très grande échelle. de fonctionnalités et des milliards d'échantillons. La formation clairsemée présente des avantages évidents en termes de performances et d'effet de formation ; actuellement, DeepRec prend en charge la recherche, la recommandation, la publicité et d'autres scénarios Taobao, et est largement utilisé dans Taobao, Tmall, Alimama, Amap et d'autres entreprises. Intel travaille en étroite collaboration avec l'équipe Alibaba PAI depuis 2019 pour appliquer la technologie Intel d'intelligence artificielle (IA) à DeepRec, ciblant
19Jun2023
Avec le développement rapide de l'industrie du commerce électronique et l'amélioration du niveau de vie des gens, le commerce électronique social est devenu une tendance incontournable. Les systèmes de centres sociaux sociaux open source deviennent progressivement le choix de nombreuses sociétés de commerce électronique, parmi lesquelles les systèmes de centres sociaux sociaux implémentés avec la technologie PHP sont très populaires. Cet article explique comment utiliser la technologie PHP pour implémenter un système de centre commercial social open source. 1. Qu'est-ce qu'un système de centre commercial social open source ? Le système open source de centre commercial social est une plateforme de commerce électronique qui intègre des éléments sociaux. Il est basé sur une technologie open source et peut être personnalisé pour répondre
18Mar2024
Les modèles de prédiction spatio-temporelles traditionnels nécessitent généralement une grande quantité de données pour obtenir de bons résultats. Cependant, les données spatio-temporelles (telles que les données sur le trafic et les flux de foule) sont limitées dans de nombreuses régions en raison des différences dans les niveaux de développement des différentes villes et des politiques de collecte de données incohérentes. La transférabilité des modèles devient donc particulièrement importante lorsque les données sont rares. La recherche actuelle s'appuie principalement sur les données des villes sources pour former des modèles et les appliquer aux données des villes cibles, mais cette approche nécessite souvent des conceptions d'appariement complexes. Comment parvenir à un transfert de connaissances plus large entre les villes sources et cibles reste une question difficile. Récemment, les modèles pré-entraînés ont fait des progrès significatifs dans les domaines du traitement du langage naturel et de la vision par ordinateur. L'introduction de la technologie rapide réduit les réglages fins et