没有合适的资源?快使用搜索试试~ 我知道了~
资源推荐
资源详情
资源评论
Llama3
技
术
报
告
中
⽂
全
⽂
llama3
模
型
现
代
⼈
⼯
智
能
(
AI
)
系
统
由
基
础
模
型
驱
动
。
本
⽂
介
绍
了⼀
组
新
的
基
础
模
型
,
称
为
Llama3
。
它
是
⼀个
语
⾔
模
型
群
,
原
⽣
⽀
持
多
语
⾔
性
、
编
码
、
推
理
和
⼯
具
使
⽤
。
我
们
最
⼤
的
模
型
是
⼀个
密
集
变
换
器
,
有
405B
个
参
数
,
上下
⽂
窗
⼝
多
达
128K
个
词
组
。
本
⽂
对
Llama3
进
⾏
了
⼴
泛
的
实
证评
估
。
我
们
发
现
,
在
⼤
量
任
务
中
,
Llama3
的
质
量
可
与
GPT-4
等
领
先
语
⾔
模
型
相
媲
美
。
我
们
公
开
发
布
了
Llama3
,
包
括
405B
参
数
语
⾔
模
型
的
预
训
练
和后
训
练
版
本
,
以
及
⽤
于
输
⼊
和
输
出
安
全
的
LlamaGuard3
模
型
。
本
⽂
还
介
绍
了
我
们
通过
组
合
⽅
法
将
图
像
、
视
频
和
语
⾳
功
能
集
成
到
Llama3
中
的
实
验
结
果
。
我
们
观
察
到
这
种
⽅
法
在图
像
、
视
频
和
语
⾳
识
别
任
务
上
的
表
现
与
最
先
进
的
⽅
法
不
相
上下
。
由
于
模
型
仍
在
开
发
中
,
因
此
尚
未
⼴
泛
发
布
。
⽇
期
:July23,2024
⽹
站
:https://llama.meta.com/
1
引
⾔
基
础
模
型
是
语
⾔
、
视觉
、
语
⾳
和
/
或
其
他
模
式
的
通
⽤
模
型
,
旨
在
⽀
持
各
种
⼈
⼯
智
能
任
务
。
它
们
构
成
了
许
多
现
代
⼈
⼯
智
能
系
统
的
基
础
。
现
代
基
础
模
型
的
开
发包
括
两个主
要
阶
段
:
(1)
训
练
前
阶
段
,
在
这
⼀
阶
段
中
,
利
⽤
下⼀个
单
词
预
测
或
字
幕
等简
单
任
务
对
模
型
进
⾏
⼤
规
模
训
练
;
(2)
训
练
后
阶
段
,
在
这
⼀
阶
段
中
,
对
模
型
进
⾏
调
整
,
使
其
遵
循
指
令
、
符
合
⼈
类
偏
好
并
提
⾼
特
定
能
⼒
(
例
如
编
码
和
推
理
)
。
在
本
⽂
中
,
我
们
提
出
了⼀
套
新
的
语
⾔
基
础
模
型
,
称
为
“
Llama3
”
。
Llama3
模
型
群
原
⽣
⽀
持
多
语
⾔
性
、
编
码
、
推
理
和
⼯
具
使
⽤
。
我
们
最
⼤
的
模
型
是
拥
有
405B
个
参
数
的
密
集
变
换
器
(
Transformer
),
可
处
理
多
达
128K
标
记
的
上下
⽂
窗
⼝
中
的
信
息
。
表
1
列出
了
语
群
的
每
个
成
员
。
本
⽂
中介
绍
的
所
有
结
果
都
是
针
对
Llama3.1
模
型
的
,
为
简
洁
起
⻅
,
我
们
在
全
⽂
中
将
其
称
为
Llama3
。
我
们
认
为
,
在
开
发
⾼
质
量
基
础
模
型
的
过
程
中
有
三个
关
键
杠杆
:
数
据
、
规
模
和
复
杂
性
管
理
。
我
们
⼒
求
在
开
发
过
程
中
优
化
这
三个
杠杆
:
•
数
据
:
与之
前
版
本
的
Llama
(
Touvron
等
⼈
,
2023a,b
)
相
⽐
,
我
们
改
进
了
⽤
于
前
训
练
和后
训
练
的
数
据
的
数
量
和
质
量
。
这
些
改
进
包
括
为
预
训
练
数
据
开
发
了
更
细
致
的
预
处
理
和
整
理
管
道
,
为
后
训
练
数
据
开
发
了
更
严
格
的
质
量
保
证
和
过
滤
⽅
法
。
我
们
在
⼀个
包
含
约
15T
多
语
⾔
词
库
的
语
料
库
上
对
Llama3
进
⾏
了
预
训
练
,
⽽
Llama2
只
包
含
1.8T
词
库
。
•
规
模
:
我
们
训
练
模
型
的
规
模
远
⼤
于之
前
的
Llama
模
型
:
我
们
的
旗
舰
语
⾔
模
型在
预
训
练
时
使
⽤
了
3.8
×1025FLOPs
,
⼏
乎
是
最
⼤
版
本
Llama2
的
50
倍
。
具
体
来
说
,
我
们
在
15.6T
⽂
本
标
记
上
预
训
练
了
⼀个
拥
有
405B
可
训
练
参
数
的
旗
舰
模
型
。
正
如
基
础
模
型
的
缩
放
规
律
所
预
期
的
那
样
,
我
们
的
旗
舰
模
型
优
于
使
⽤
相
同
程
序
训
练
的
较
⼩
模
型
。
虽
然
我
们
的
缩
放
定
律
表
明
,
对
于
我
们
的
训
练
预
算
来
说
,
旗
舰
模
型
的
⼤
⼩
近
似
于
最
佳
计
算
规
模
,
但
我
们
对
较
⼩
模
型
的
训
练
时
间
也
⽐
最
佳
计
算
时
间
要
⻓
得
多
。
在
推
理
预
算
相
同
的
情
况
下
,
最
终
模
型
的
性
能
⽐
计
算
最
优
模
型
更
好
。
在
后
期
训
练
中
,
我
们会使
⽤
旗
舰
模
型
来
进
⼀
步
提
⾼
这
些
较
⼩
模
型
的
质
量
。
•
管
理
复
杂
性
:
我
们
所
做
的
设计
选
择
旨
在
最
⼤
限
度
地
提
⾼
模
型
开
发
过
程
的
扩
展
能
⼒
。
例
如
,
我
们
选
择
了
标
准
的
密
集
变
形
模
型
架构
(
Vaswani
等
⼈
,
2017
年
)
并
稍
作
调
整
,
⽽
不
是
专
家
混
合
模
型
(
Shazeer
等
⼈
,
2017
年
),
以
最
⼤
限
度
地
提
⾼
训
练
的
稳
定
性
。
同
样
,
我
们
采
⽤
了
基
于
监督
微
调
(
SFT
)
、
拒
绝
采
样
(
RS
)
和
直
接
偏
好
优
化
(
DPO
;
Rafailov
等
⼈
,
2023
年
)
的
相
对
简
单
的
后
训
练
程
序
,
⽽
不
是
更
复
杂
的
强
化
学
习
算
法
(
欧
阳
等
⼈
,
2022
年
;
Schulman
等
⼈
,
2017
年
),
后
者
往往
稳
定
性
较
差
且
难
以
扩
展
。
我
们
的
⼯
作
成
果
是
Llama3
:
由
三个
多
语
⾔
1
语
⾔
模
型
组
成
,
参
数
分别
为
8B
、
70B
和
405B
。
我
们
在
⼤
量
基
准
数
据
集
上
评
估
了
Llama3
的
性
能
,
这
些
数
据
集
涵
盖
了
⼴
泛
的
语
⾔
理
解
任
务
。
此
外
,
我
们
还进
⾏
了
⼴
泛
的
⼈
⼯
评
估
,
将
Llama3
与
竞
争
对
⼿
的
模
型
进
⾏
了
⽐
较
。
表
2
列出
了
旗
舰
模
型
Llama
3
在
主
要
基
准
上
的
性
能
概
览
。
我
们
的
实
验
评
估
表
明
,
我
们
的
旗
舰
模
型在
各
种
任
务
中
的
表
现
与
GPT-4
(
OpenAI,2023a
)
等
领
先
语
⾔
模
型
相
当
,
并
接
近
最
先
进
⽔
平
。
我
们
的
⼩
型
模
型在
同
类
产
品
中
表
现
最
佳
,
优
于
参
数数
量
相
似
的
其
他
模
型
(
Bai
等
⼈
,
2023
;
Jiang
等
⼈
,
2023
)
。
Llama3
在
有
⽤
性
和
⽆
害
性
之
间
的
平
衡
也
⽐
其
前
⾝
好
得
多
(
Touvron
等
⼈
,
2023b
)
。
我
们
将
在
第
5.4
节
详
细
分
析
Llama3
的
安
全
性
。
我
们
将
根
据
更
新
版
的
Llama3
社
区
许
可
证
公
开
发
布
所
有
三个
Llama3
模
型
;
⻅
https://llama.meta.com
。
这
包
括
我
们
的
405B
参
数
语
⾔
模
型
的
预
训
练
和后
训
练
版
本
,
以
及
⽤
于
输
⼊
和
输
出
安
全
的
新
版
LlamaGuard
模
型
(
Inan
等
,
2023
年
)
。
我
们
希
望
旗
舰
模
型
的
公
开
发
布
能
推
动
研
究
界
的
创
新
浪
潮
,
并
加
速
⼈
⼯
通
⽤
智
能
(
AGI
)
的
发
展
。
作
为
Llama3
开
发
过
程
的
⼀
部
分
,
我
们
还
对
模
型
进
⾏
了
多
模
态
扩
展
,
实
现
了
图
像
识
别
、
视
频
识
别
和
语
⾳
理
解
功
能
。
这
些
模
型
仍
在
积
极
开
发
中
,
尚
未
准
备好
发
布
。
除
了
语
⾔
建
模
结
果
,
本
⽂
还
介
绍
了
我
们
对
这
些
多
模
态
模
型
的
初
步
实
验
结
果
。
2
总
体
概
述
Llama3
的
模
型
架构
如
图
1
所
⽰
。
Llama3
语
⾔
模
型
的
开
发
主
要
分
为两个
阶
段
:
•
语
⾔
模
型
预
训
练
。
我
们
⾸
先
将
⼀个
⼤
型
多
语
⾔
⽂
本
语
料
库
转
换
为
离
散
的
标
记
,
然
后
在
由
此
产
⽣
的
数
据
上
预
训
练
⼀个
⼤
型
语
⾔
模
型
(LLM)
,
以
执
⾏
下⼀个
标
记
的
预
测
。
在
语
⾔
模
型
预
训
练
阶
段
,
模
型
会
学
习
语
⾔
结
构
,
并
从
“
阅
读
”
的
⽂
本
中
获
取
⼤
量
有
关
世
界
的
知
识
。
为了
有
效
地
做
到
这
⼀
点
,
我
们
进
⾏
了
⼤
规
模
的
预
训
练
:
我
们使
⽤
8K
标
记
的
上下
⽂
窗
⼝
,
在
15.6T
标
记
上
预
训
练
了⼀个
拥
有
405B
参
数
的
模
型
。
在
这
⼀
标
准
预
训
练
阶
段
之
后
,
我
们
将
继续
进
⾏
预
训
练
,
将
⽀
持
的
上下
⽂
窗
⼝
增
加到
128Kkkens
。
详
⻅
第
3
节
。
•
语
⾔
模
型
后
训
练
。
预
训
练
后
的
语
⾔
模
型
对
语
⾔
有
丰
富
的
理
解
,
但
还
不
能
按
照
我
们
期望
的
助
⼿
⽅
式
来
执
⾏
指
令
或
⾏
为
。
我
们
将
分⼏
轮
根
据
⼈
类
反
馈
调
整
模
型
,
每
⼀
轮
都
包
括
在
指
令
调
整数
据
基
础
上
进
⾏
监督
微
调
(
SFT
)
。
(SFT
)
和
直
接
偏
好
优
化
(
DPO
;
Rafailov
等
⼈
,
2024
年
)
。
在
训
练
后
阶
段
,
我
们
还
整
合
了
⼯
具
使
⽤
等
新
功
能
,
并
观
察
到
在
编
码
和
推
理
等
其
他
⽅
⾯
的
显
著
改
进
。
详
⻅
第
4
节
。
最
后
,
在
训
练
后
阶
段
还
将
安
全
缓
解
措
施
纳
⼊
模
型
中
,
具
体
细
节
将
在
第
5.4
节
中介
绍
。
由
此
产
⽣
的
模
型
具
有
丰
富
的
功
能
。
它
们
⾄
少
能
⽤
⼋
种
语
⾔
回
答
问
题
、
编
写
⾼
质
量
的
代
码
、
解
决
复
杂
的
推
理
问
题
,
并
能
以
开
箱
即
⽤
或
“
零
”
使
⽤
的
⽅
式
使
⽤
⼯
具
。
我
们
还进
⾏
了
实
验
,
采
⽤
组
合
⽅
法
为
Llama3
添
加
图
像
、
视
频
和
语
⾳
功
能
。
我
们
研
究
的
⽅
法
包
括
图
28
所
⽰
的
三个
附
加
阶
段
:
•
多
模
态
编
码
器
预
训
练
。
我
们
为
图
像
和
语
⾳
分别
训
练编
码
器
。
我
们
在
⼤
量
图
像
-
⽂
本
对
上
训
练
图
像
编
码
器
。
这
可
以
让
模
型
了
解视觉
内
容
与
⾃
然
语
⾔
描
述
之
间
的
关
系
。
我
们
的
语
⾳
编
码
器
采
⽤
⾃
监督
⽅
法
进
⾏
训
练
,
这
种
⽅
法
会
屏
蔽
掉
语
⾳
输
⼊
的
部
分
内
容
,
并
尝
试
通过
离
散
标
记
表
⽰
法
重
建
屏
蔽
掉
的
部
分
内
容
。
因
此
,
该
模
型
可
以
学
习
语
⾳
信
号
的
结
构
。
有
关
图
像
编
码
器
的
详
细
信
息
,
请
参
⻅
第
7
节
;
有
关
语
⾳
编
码
器
的
详
细
信
息
,
请
参
⻅
第
8
节
。
Llama3
是
⼀个
经
过
训
练
的
Transformer
语
⾔
模
型
,
⽤
于
预
测
⽂
本
序
列
的
下⼀个
标
记
。
详
⻅
正
⽂
。
•
视觉
适
配
器
训
练
。
我
们会
训
练
⼀个
适
配
器
,
将
预
先
训
练
好
的
图
像
编
码
器
集
成
到
预
先
训
练
好
的
语
⾔
模
型
中
。
适
配
器
由
⼀
系
列
交
叉
注
意
层
组
成
,
可
将
图
像
编
码
器
表
征
输
⼊
语
⾔
模
型
。
适
配
器
根
据
⽂
本
-
图
像
对
进
⾏
训
练
。
这
就
使
图
像
表
征
与
语
⾔
表
征
保
持
⼀
致
。
在
适
配
器
训
练
过
程
中
,
我
们
也
会
更
新
图
像
编
码
器
的
参
数
,
但
有
意
不
更
新
语
⾔
模
型
参
数
。
在图
像
适
配
器
的
基
础
上
,
我
们
还
在
成
对
的
视
频
-
⽂
本
数
据
上
训
练
视
频
适
配
器
。
这
使
模
型
能
够
汇
总
各
帧
的
信
息
。
详
⻅
第
7
节
。
•
语
⾳
适
配
器
训
练
。
最
后
,
我
们
通过
⼀个
适
配
器
将
语
⾳
编
码
器
集
成
到
模
型
中
,
该
适
配
器
可
将
语
⾳
编
码
转
换
为
标
记
表
⽰
,
然
后
直
接
输
⼊
经
过
微
调
的
语
⾔
模
型
。
适
配
器
和
编
码
器
的
参
数
在
有
监督
的
微
调
阶
段
共
同
更
新
,
以
实
现
⾼
质
量
的
语
⾳
理
解
。
在
语
⾳
适
配
器
训
练
过
程
中
,
我
们
不
会
改
变
语
⾔
模
型
。
我
们
还
集
成
了
⽂
本
到
语
⾳
系
统
。
详
⻅
第
8
节
。
通过
多
模
态
实
验
,
我
们
建
⽴
了
能
够
识
别
图
像
和
视
频
内
容
并
⽀
持
通过
语
⾳
界
⾯
进
⾏
交互
的
模
型
。
这
些
模
型
仍
在
开
发
中
,
尚
未
准
备好
发
布
。
3
预
训
练
语
⾔
模
型
的
预
训
练
包
括
:
(1)
⼤
规
模
训
练
语
料
的
整
理
和
筛
选
,
(2)
模
型
结
构
的
开
发
和
确
定
模
型
⼤
⼩
的
相
应
⽐
例
法
则
,
(3)
⼤
规
模
⾼
效
预
训
练
技
术
的
开
发
,
以
及
(4)
预
训
练
配
⽅
的
开
发
。
下
⾯
我
们
将
分别
介
绍
这
些
组
成
部
分
。
3.1
预
训
练
数
据
我
们
从
包
含
2023
年底
之
前
知
识
的
各
种
数
据
源
中
创
建
了
⽤
于
语
⾔
模
型
预
训
练
的
数
据
集
。
我
们
对
每
个
数
据
源
采
⽤
了
多
种
去
重
⽅
法
和
数
据
清
理
机
制
,
以
获
得
⾼
质
量
的
标
记
。
我
们
删
除
了
包
含
⼤
量
个⼈
⾝
份
信
息
(
PII
)
的
域
和
已
知
有
成
⼈
内
容
的
域
。
3.1.1
⽹络
数
据
整
理
我
们使
⽤
的
⼤
部
分
数
据
都
来
⾃
⽹络
,
下
⽂
将
介
绍
我
们
的
清
理
过
程
。
PII
和
安
全
过
滤
。
除
其
他
缓
解
措
施
外
,
我
们
还
实
施
了
过
滤
器
,
旨
在
从
可
能
包
含
不
安
全内
容
或
⼤
量
PII
的
⽹
站
、
根
据
各
种
Meta
安
全
标
准
被
列
为
有
害
的
域
以
及
已
知
包
含
成
⼈
内
容
的
域
中
删
除
数
据
。
⽂
本
提
取
和
清
理
。
我
们
对
⾮
截
断
⽹
⻚
⽂
档
的
原
始
HTML
内
容
进
⾏
处
理
,
以
提
取
⾼
质
量
的
多
样
化
⽂
本
。
为
此
,
我
们
构
建
了⼀个
⾃
定
义
解
析
器
,
⽤
于
提
取
HTML
内
容
,
并
优
化
模
板
去
除
和
内
容
召
回
的
精
度
。
我
们
在
⼈
⼯
评
估
中
评
估
了
我
们
的
解
析
器
的
质
量
,
并
将
其
与
针
对
⽂
章
类
内
容
进
⾏
优
化
的
流
⾏
第
三
⽅
HTML
解
析
器
进
⾏
了
⽐
较
,
结
果
发
现
我
们
的
解
析
器
表
现
良
好
。
我
们
对
包
含
数
学
和
代
码
内
容
的
HTML
⻚
⾯
进
⾏
了仔
细
处
理
,
以
保
留
这
些
内
容
的
结
构
。
我
们
保
留
了
图
⽚
的
alt
属
性
⽂
本
,
因
为
数
学
内
容
通
常
以
预
渲
染
图
⽚
的
形式
呈
现
,
⽽
数
学
内
容
也
在
alt
属
性
中
提
供
。
我
们
对
不
同
的
清
理
配
置
进
⾏
了
实
验
性
评
估
。
与
纯
⽂
本
相
⽐
,
我
们
发
现
标
记
符
对
主
要
在
⽹络
数
据
上
训
练
的
模
型
的
性
能
有
害
,
因
此
我
们
删
除
了
所
有
标
记
符
。
去
重
。
我
们
在
URL
、
⽂
档
和
⾏
级
应
⽤
了
多
轮
重
复
数
据
删
除
:
•
URL
级
重
复
数
据
删
除
。
我
们
对
整
个
数
据
集
进
⾏
URL
级
重
复
数
据
删
除
。
我
们
保
留
每
个
URL
对
应
⻚
⾯
的
最
新
版
本
。
•
⽂
档
级
重
复
数
据
删
除
。
我
们
对
整
个
数
据
集
进
⾏
全
局
MinHash
(
Broder
,
1997
年
)
重
复
数
据
删
除
,
以
删
除
近
乎
重
复
的
⽂
档
。
•
⾏
级
重
复
数
据
删
除
我
们
执
⾏
与
ccNet
(
Wenzeketal.
)
我
们
删
除
了
在
每
个
3000
万
⽂
档桶
中
出
现
6
次
以
上
的
⾏
。
虽
然
我
们
的
⼈
⼯
定
性
分
析
显
⽰
,
⾏
级
重
复
数
据
删
除
不仅
会
删
除
各
种
⽹
站
上
的
残
留
模
板
(
如
导
航
菜
单
、
cookie
警
告
),
还
会
删
除
频
繁
出
现
的
⾼
质
量
⽂
本
,
但
我
们
的
实
证评
估
结
果
表
明
,
⾏
级
重
复
数
据
删
除
有
很
⼤
的
改
进
。
启
发
式
过
滤
:
我
们
开
发
了
启
发
式
⽅
法
来
去
除
额
外
的
低
质
量
⽂
档
、
异
常
值
和
重
复
过
多
的
⽂
档
。
启
发
式
过
滤
的
⼀些
例
⼦
包
括
:
•
我
们使
⽤
重
复
n-gram
覆
盖
率
(
Rae
等
⼈
,
2021
年
)
来
删
除
由
重
复
内
容
(
如
⽇
志
或
错
误
信
息
)
组
成
的
⾏
。
这
些
⾏
可
能
很
⻓
,
⽽
且
是
独
⼀
⽆
⼆
的
,
因
此
⽆
法
⽤
⾏
内
删
除
法
进
⾏
过
滤
。
•
我
们使
⽤
“
脏
字
”
计
数
(
Raffel
等
⼈
,
2020
年
)
来
过
滤
域
名
封
锁
列
表
未
覆
盖
的
成
⼈
⽹
站
。
•
我
们使
⽤
标
记
分
布
Kullback-Leibler
发
散
来
过
滤
掉
与
训
练
语
料
库
分
布
相
⽐
含
有
过
多
离
群
标
记
的
⽂
档
。
基
于
模
型
的
质
量
筛
选
。
此
外
,
我
们
还
尝
试
应
⽤
各
种
基
于
模
型
的
质
量
分
类
器
来
分
选
⾼
质
量
的
标
记
。
其
中
包
括
使
⽤
快
速
分
类
器
,
如
fasttext
(
Joulin
等
⼈
,
2017
年
),
训
练
其
识
别
给
定
⽂
本
是
否
会
被
维
基
百
科
引
⽤
(
Touvron
等
⼈
,
2023a
),
以
及
基
于
Llama2
预
测
训
练
的
计
算
密
集
型
Roberta
分
类
器
(
Liu
等
⼈
,
2019a
)
。
为了
训
练
基
于
Llama2
的
质
量
分
类
器
,
我
们
创
建
了⼀个
经
过
清
理
的
⽹络
⽂
档
训
练
集
,
描
述
了
质
量
要
求
,
并
指
⽰
Llama2
的
聊
天
模
型
确
定
⽂
档
是
否
符
合
这
些
要
求
。
出
于
效
率
考
虑
,
我
们使
⽤
DistilRoberta
(
Sanh
等
⼈
,
2019
年
)
为
每
份
⽂
档
⽣
成
质
量
分
数
。
我
们
通过
实
验
评
估
了
各
种
质
量
过
滤
配
置
的
功
效
。
代
码
和
推
理
数
据
。
与
DeepSeek-AI
等
⼈
(
2024
年
)
类
似
,
我
们
建
⽴
了
特
定
领
域
的
管
道
来
提
取
代
码
和
数
学
相
关
⽹
⻚
。
具
体
来
说
,
代
码
和
推
理
分
类
器
都
是
在
由
Llama2
标
注
的
⽹
⻚
数
据
上
训
练
出
来
的
DistilledRoberta
模
型
。
与上
述
⼀
般
质
量
分
类
器
不
同
的
是
,
我
们
针
对
包
含
数
学
推
导
、
STEM
领
域
推
理
以
及
代
码
与
⾃
然
语
⾔
交
错
的
⽹
⻚
进
⾏
了
及
时
调
整
。
由
于
代
码
和
数
学
的
标
记
分
布
与
⾃
然
语
⾔
的
标
记
分
布
有
很
⼤
不
同
,
这
些
管
道
实
施
了
特
定
领
域
的
HTML
提
取
、
定
制
⽂
本
特
征
和启
发
式
过
滤
。
剩余74页未读,继续阅读
资源评论
凤枭香
- 粉丝: 719
- 资源: 24
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C#MVC+EasyUI+Enterprise Library开发框架源码数据库 SQL2008源码类型 WebForm
- (源码)基于Arduino的直流电机控制系统.zip
- (源码)基于SpringBoot框架的学校工资管理系统.zip
- (源码)基于C++的锻造系统优化计算器.zip
- (源码)基于计算机视觉和Arduino的电机旋转控制系统.zip
- (源码)基于Flutter的移动监控与预警系统.zip
- (源码)基于C++的失物招领系统.zip
- (源码)基于SSM框架的教务管理系统.zip
- FPGA配置Flash大小选择因素.pdf
- C#通用进销存管理系统源码带文档数据库 SQL2008源码类型 WebForm
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功