RationalRoseEnt2003支持vs.net2003吗？

Kain 2003-08-30 02:56:34

在新建的时候没看到vs.net的项目阿？

...全文

157 5 打赏收藏转发到动态举报

写回复

用AI写文章

5 条回复

切换为时间正序

请发表友善的回复…

发表回复

youyous 2003-09-08

打赏
举报

找呀找！

caiyi0903 2003-09-01

打赏
举报

我也在找

Kain 2003-09-01

打赏
举报

snof(雪狼)

我就是在那里下载的
但是我安装好了以后
新建的时候没看到.net阿
由vb6的

（刚学不久）

心雨楼 2003-08-30

打赏
举报

当然！我就在用

雪狼1234567 2003-08-30

打赏
举报

目前已经有支持c#的rose啦,我从这儿下了一个就可以
http://www.playicq.com/dispdocnew.php?id=8140&PHPSESSID=aced0ccf6837d59e28f5e902b9b4da12

本文介绍了如何使用FFmpeg将m3u8格式的视频文件转换为常见的mp4格式。首先解释了m3u8文件的基本概念，随后详细说明了FFmpeg的下载、安装和配置步骤，包括如何选择适合Windows平台的版本以及如何设置环境变量。文章还提供了基础的FFmpeg命令行操作示例，解释了常用参数的作用，如输入源指定(-i)、直接复制原始流(-c copy)等。此外，作者还探讨了转换后视频分辨率较低的可能原因，并尝试通过调整参数（如CRF值、编码预设和分辨率缩放）来提升画质，同时邀请有经验的读者提供建议。最后，文章列出了相关参考资料和作者的社交媒体账号，方便读者进一步交流。

项目资源包含：可运行源码+sql文件源码都是精心调试，可以有偿支持部署，谢谢支持。适用人群：学习不同技术领域的小白或进阶学习者；可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。项目具有较高的学习借鉴价值，也可拿来修改、二次开发。有任何使用上的问题，欢迎随时与博主沟通，博主看到后会第一时间及时解答。开发语言：Java 框架：SSM 技术：JSP JDK版本：JDK1.8 服务器：tomcat7 数据库：mysql 5.7 数据库工具：Navicat11 开发软件：eclipse/myeclipse/idea Maven包：Maven3.3.9 系统是一个很好的项目，结合了后端SSM（Spring + Spring MVC + MyBatis）和前端 JSP 技术。

内容概要：本文研究并实现了一种基于GPT微调技术的法律文书智能生成系统，旨在提升法律文书生成的效率、准确性和规范性。系统采用分层架构设计，涵盖数据层、模型层、应用层和服务层，利用LoRA等参数高效微调技术对Qwen2.5-7B等大模型进行法律领域适配，结合法律知识图谱增强专业理解能力。通过构建高质量法律语料库，实施有监督微调，并集成模板引擎与校验机制，系统可自动生成合同、诉讼文书、法律意见书和裁判文书等多类文档。实验结果显示，法条引用准确率达98%，平均响应时间2.3秒，支持10并发用户，具备良好的实用性与性能表现。; 适合人群：具备一定自然语言处理和深度学习基础，从事法律科技、人工智能应用研发或软件工程工作的技术人员，以及关注AI在垂直领域落地的研究人员和开发者。; 使用场景及目标：①辅助律师和法务人员快速生成标准化法律文书，减少重复劳动；②为法律科技公司提供可复用的技术方案，推动智能合同、智能诉状等产品开发；③探索大模型在专业领域的微调策略与系统集成方法，提升AI在复杂逻辑任务中的表现；阅读建议：此资源以实际系统构建为主线，融合了模型微调、知识图谱、系统架构与工程部署等多方面内容，建议读者结合代码实现与实验数据分析，深入理解LoRA配置、提示词工程及性能优化策略，并可在本地环境中复现实验以加深掌握。

内容概要：本文介绍了基于Q-learning的三维无人机动态避障导航算法的设计与实现，重点利用强化学习中的Q-learning方法解决无人机在复杂动态环境下的路径规划与避障问题。通过构建三维空间的状态-动作空间，结合奖励机制引导无人机自主学习最优飞行路径，有效规避静态与动态障碍物，最终实现安全、高效的导航。文中提供了完整的Matlab代码实现方案，涵盖环境建模、算法训练、路径生成与可视化等关键环节，便于科研人员复现与优化。; 适合人群：具备一定机器学习与强化学习基础，熟悉Matlab编程，从事无人机导航、智能控制、路径规划等相关领域的科研人员及研究生。; 使用场景及目标：①研究强化学习在无人机自主导航中的应用；②实现三维动态环境下的实时避障路径规划；③为智能无人系统决策控制算法的开发与验证提供技术参考与代码支持。; 阅读建议：建议读者结合Matlab代码逐步调试运行，深入理解Q-learning在连续空间离散化处理、状态转移与奖励函数设计中的关键技术细节，并可根据实际需求扩展为深度Q网络（DQN）以提升算法性能。

111,124

社区成员

642,539

社区内容

发帖

与我相关

我的任务

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

让您成为最强悍的C#开发者

试试用AI创作助手写篇文章吧

+ 用AI写文章