社区
C语言
帖子详情
有谁知道那儿能下载 Lex和Yacc的源代码(Dos/Windowsg下的)
baibaichen
2001-09-17 11:19:39
最好不要在教育网上。
谢谢!!
...全文
196
2
打赏
收藏
有谁知道那儿能下载 Lex和Yacc的源代码(Dos/Windowsg下的)
最好不要在教育网上。 谢谢!!
复制链接
扫一扫
分享
举报
写回复
配置赞助广告
用AI写文章
2 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
qqchen79
2001-09-17
打赏
举报
回复
Search Bison & FLex on Google, you can find them.
Bison = Yacc for windows
Flex = Lex for windows
lostit
2001-09-17
打赏
举报
回复
到http://www.google.com上搜一下吧我就就是在那搜的.
几M 的文件.
[Jakarta Commons笔记] Commons Collections - Closure组
接下来看Closure组。 Closure ChainedClosure IfClosure WhileClosure ClosureUtils Closure这一组接口和类提供一个操作对象的execute方法,为我们在处理一系列对象时可以将处理逻辑分离出来。理论上讲,使用Transformer也可以达到类似的效果,只要输出对象和输入对象是同一个对象就好,但是Closure接口定义的ex...
Commons-Collections简介
如果你不熟悉Jakarta Commons话,那么很有可能你已经重新发明了好几个轮子。在你编写更多的普通的框架或工具之前,体验一下Commons吧。它将会大大地节约你的时间。太多的人自己写一个,其实是与Commons Lang中的StringUtils重复的StringUtils类,或者,开发者不
知道
从Commons Collections中重新创建工具,哪怕commons-collections
Jakarta Commons Cookbook读书笔记--Commons Collections(函子篇)
《Jakarta Commons cookbook读书笔记》系列文章 3 Commons Collections v3.0 功能说明:增强java的泛型框架,引入函子的概念。 主要功能:增加了一些函子的接口以及一些实现。包括一些实现了 Comparator的类 ,封装了条件和判别式的Predica...
挖掘Jakarta Commons中隐藏的宝贝(二)[转载]
(文章转自CSDN) 2.Commons Collections中的算子 算子成为Commons Collections 3.1中的有趣的部分有两个原因:它们没有得到应得的重视并且它们有改变你编程的方式的潜力。算子只是一个奇特的名字,它代表了一个包装了函数的对象—一个“函数对象”。当然,它们不是一回事。如果你曾经使用过C和C++的方法指针,你就会理解算子的威力。 一个算子是一个对象—一个Predi...
YOLO26算法城市建筑入口坡道目标检测+训练好的模型+302张数据集+pyqt可视化界面.zip
附训练好的 YOLO 权重与 PyQt 可视化检测界面,页面底部含可视化效果预览,毕设/课设开箱即用。 【数据集概况】 · 检测类别(中文):[坡道(ramp)] · 训练集:275 张 · 验证集:27 张 · 测试集:0 张 · 总计:302 张 该数据集聚焦于城市环境中各类建筑入口处的坡道设施,涵盖住宅、商铺、公共设施等多种场景,真实反映了无障碍通行设施在实际应用中的多样化形态。数据集中包含金属、橡胶、塑料等多种材质的坡道,以及不同尺寸、结构和安装方式的实例,充分体现了坡道在城市基础设施中的广泛部署与重要性。该数据集为城市智慧化管理、无障碍环境建设及公共安全监控提供了高质量的视觉基础支持。... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 33 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.6372** mAP50-95 | 0.3401 Precision | 0.6603 Recall | 0.6190 train/box_loss | 1.0569 train/cls_loss | 0.7307 val/box_loss | 1.6084 val/cls_loss | 1.9323 【训练过程分析】 33 轮训练后 mAP50 仅 0.6372,模型收敛不充分。Loss 曲线前期下降后进入平台期,mAP 提升缓慢。mAP50-95 为 0.3401,定位精度同样偏低。 【模型性能评估】 Precision 0.6603、Recall 0.6190,精度高于召回,存在一... 使用场景:毕业设计、课程设计、深度学习入门、工业场景落地验证。
C语言
70,040
社区成员
243,237
社区内容
发帖
与我相关
我的任务
C语言
C语言相关问题讨论
复制链接
扫一扫
分享
社区描述
C语言相关问题讨论
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章