网卡88E1111的卡发资料，里面有相关网卡寄存器的配置，非常详细，可供学习

leetcode中国 爬取 LeetCode中国 题目 简介 爬取 LeetCode 题目描述，并存储为 markdown 或 txt 文件。支持指定状态、难度和语言的题目描述。（后续还会更新对爬取指定标签的题目的支持，以及题目点赞、通过人数等数据的爬取） 环境 基于 Python3 运行，依赖库： requests html2text argparse 可以通过执行以下指令来安装所需模块。 pip install -r requirement.txt 说明 python main.py [-h] [-d {1,2,3}] [-l {zh-CN,en}] [-s {ac,notac,null}] [-f {md,txt}] path 必选参数: path 输出文件夹 可选参数: -h, --help 显示此帮助并退出 -d {1,2,3}, --difficulty {1,2,3} 选择题目的难度, 否则所有难度的题目都会被爬取, "1"为简单难度, "2"为中等难度 以及"3"为困难难度. -l {zh-CN,en}, --language {zh-CN,en} 选择题目描述的语言,

GC0308 DataSheet（侵删）

这个是自己收藏的一个leetcode刷题记录，分享给需要的亲。非原创，自己也正在学习中。

numpy, pandas, matplotlib, scipy, sklearnd等cheatsheets集锦

Broadcom BCM5380M Datasheet Integrated 10/100/1000BASE-T/TX 9+2 Switch

颜色分类leetcode 使用 YOLOv3 对象检测器的汽车颜色分类示例 介绍 使用 . 它由用于查找汽车的目标检测器和用于识别检测到的汽车颜色的分类器组成。 对象检测器是 YOLOv3（OpenCV DNN 后端）的实现。 它不使用 GPU，在 Intel Core i5-7600 CPU 上处理一帧需要 1 秒。 YOLOv3 权重是从 . 分类器基于 Mobilenet v2（TensorFlow 后端）。 在 Intel Core i5-7600 CPU 上进行单一分类需要 35 毫秒。 它可以通过在 GPU 上运行和使用批处理来进一步加速。 这个分类器还不够准确，用作概念验证演示。 图像中的物体检测和分类 此示例将图像作为输入，使用 YOLOv3 对象检测器检测汽车，裁剪汽车图像，在保持纵横比的情况下使它们成为正方形，将它们调整为分类器的输入大小，并识别每辆车的颜色。 结果显示在显示屏上并保存为 output.jpg 图像文件。 用法 使用 --help 查看 car_color_classifier_yolo3.py 的用法： $ python car_color_cla

Features • Output voltage ranges: Fixed range of 1.8V, 2.5V, 2.7V, 3.0V, 3.3V, 5.0V type. • Highly accuracy: ±2% • Low voltage drop: 360mV (typ.), VOUT=5.0V at 500mA • Guaranteed output current: 500mA • Low quiescent current: 4mA (typ.) • Current limiting • Over-temperature shutdown • SOT23-5 and SOT89 Packages

cfa quicksheet level 1

钰泰ETA6002充电管理+路径管理芯片datasheet，是扫描件图片格式，找不到原件，没办法，凑合看吧。。。。