stranger_38914

ToxicAvenger-in-Allegro:Allegro游戏开发框架示例，以及对Troma Films传奇的颂歌

Toxic Avenger启发了街机游戏这颗小宝石是在大约2004年的大学时代制作的。要编译main.c，建议使用原始的“Bloodshed Dev”IDE。使用Allegro框架构建。感谢特罗马娱乐。 Avenger英文字体在这个游戏中扮演了一个重要角色。通过下载和使用这些字体，可以使游戏的视觉效果更加吸引人。你可以从这里下载Avenger英文字体。 著名的游戏开发库Allegro4.2.0也是游戏开发过程中不可或缺的一部分。使用Allegro框架，不仅能够简化开发流程，还能提高游戏的运行效率。你可以从这里获取Allegro4.2.0的相关资源。 为了进一步提高游戏的娱乐性和音效效果，你还可以参考直特音效娱乐直播搞笑音效。适当的音效能够增加游戏的沉浸感和玩家的参与度。你可以从这里获取相关的音效资源。 这些资源不仅可以帮助你在开发过程中解决实际问题，还能丰富游戏的内容和效果，让玩家获得更好的体验。

zip

427.47KB

2024-07-15 18:24

HeaDDaCHe:凸包的动态决定因素-开源

描述：我们提出并在C ++中实现哈希动态决定因素方案。这由动态行列式算法的有效实现和存储中间结果（矩阵和行列式）的哈希表组成，以便在算法的后续步骤中使用。相关论文：V.Fisikopoulos，L.Peñaranda。通过动态行列式计算实现更快的几何算法。在算法– ESA 2012中，计算机科学讲座笔记7501卷，2012年，第443-454页。

bz2

138.75KB

2024-07-07 15:26

react native macos reminders使用react native macos编写的macOS提醒应用程序克隆源码

:construction: PoC /在制品 :construction: React本机macos提醒 使用编写的macOS“提醒”应用程序克隆。

ZIP

142.03KB

2021-05-22 11:29

sooho审核和修补智能合约中漏洞的工具箱源码

苏豪 有问题吗? 给我发 目录 介绍 Sooho过去从命令行与Sooho服务进行交互。 它是使用oclif构建的。 有关Sooho的更多信息,请参见 发展 安装 这个项目是用。 核心插件位于./packages中。 $ git clone https://github.com/soohoio/sooho $ lerna bootstrap $ lerna run build $ lerna run prepack 测试 $ lerna run test 跑步 审核智能合约 USAGE $ lerna run audit -- INPUT_PATH ARGUMENTS INPUT_PATH entry path EXAMPLE $ lerna run audit -- ./test/commands/Vulnerable.sol 执照 版权所有(c)2018 SOOH

ZIP

511.82KB

2021-05-22 00:17

DecrapifyWindows Powershell脚本可撤消Windows内的遥测废话源码

废除Windows Powershell脚本可撤销Windows内部的遥测废话。 在运行之前,请先阅读Powershell编辑器中的脚本,因为它可能会禁用您可能使用的功能。 脚本需要管理员权限

ZIP

11KB

2021-05-20 12:16

Skillbox_SQLite_Webinar源码

Skillbox_SQLite_Webinar

ZIP

32.23MB

2021-05-13 21:19

Pytorch Unet源码

UNet:使用PyTorch进行语义分割 在PyTorch中自定义实施以应对Kaggle的高清图像。 该模型从头开始使用5000张图像进行了训练(无数据增强),并且在超过100k张测试图像上获得了0.988423的(735中的511分)。可以通过更多的培训,数据增强,微调,使用CRF后处理以及在蒙版的边缘上施加更多的权重来提高此分数。 Carvana数据可在上。 用法 注意:使用Python 3.6或更高版本 预言 训练好模型并将其保存到MODEL.pth后,您可以通过CLI轻松测试图像上的输出蒙版。 要预测单个图像并保存,请执行以下操作: python predict.py -i image.jpg -o output.jpg 要预测多幅图像并显示它们而不保存它们,请执行以下操作: python predict.py -i image1.jpg image2.jpg --viz -

ZIP

21.76MB

2021-05-13 20:46

TTNet Real time Analysis System for Table Tennis Pytorch TTNet的非正式实施源码

TTNet-Pytorch 论文“ TTNet:乒乓球的实时时空视频分析”的实现可以在找到该项目的简介 演示版 1.特点 球检测全球舞台 检球局部阶段(细化) 事件发现检测(跳动和净匹配) 语义细分(人,表和记分板) 启用/禁用TTNet模型中的模块 平滑标记事件发现 TensorboardX (更新2020.06.23) :训练更快,在单个GPU(GTX1080Ti)的推理阶段达到> 120 FPS 。 (更新2020.07.03) :该实现可以与TTNet论文中报告的结果取得比较结果。 (更新2020.07.06) :TTNet Paper有几个限制(提示:损失函数,输入大小以及另外2个)。 我已经用新方法和新模型实施了该任务。 现在,新模型可以实现: > 130FPS推论, 细分任务的IoU得分约为0.96 球检测任务的均方根误差(RMSE) < 4像

ZIP

21.98MB

2021-05-13 14:51

arduino_sandbox用于各种arduino项目的沙盒源码

arduino_sandbox 用于各种arduino项目的沙盒

ZIP

1.15KB

2021-05-12 13:46

sockets具有线程的简单客户端服务器Python示例源码

sockets:具有线程的简单客户端服务器Python示例

ZIP

1.27KB

2021-05-12 12:40