WIN-USB-PGTOOL-v1.0.17-V3.zip

REALTEK WIN USB PGTOOL v2.0.5_V8，烧录工具， 支持RTL8150/RTL8152/RTL8153/RTL8154/RTL8158，用来写入mac地址，pid/vid

rust实战 源代码 code-1st-edition

rust实战 源代码 code-1st-edition

Hands-on Rust Effective Learning through 2D Game Development and

Hands-on Rust Effective Learning through 2D Game Development and Play (通过2D游戏开发和游戏实践有效学习rust) 2021 源代码

EV4加密格式转MP4格式（无需提取码且支持批量转换）

EV4加密格式转MP4格式（无需提取码且支持批量转换），直接解压就可以操作，不是网上一堆下下来，再付费的骗子。

OpenCV-2.4.10-android-sdk.zip

opencv4Android，用于开发移动终端人脸动态识别的必要SDK

EthernetManager需要用到的android源码jar包

EthernetManager需要用到的android源码jar包

Spark大数据商业实战三部曲_内核解密_商业案例_性能调优(200MB版)

Spark大数据商业实战三部曲_内核解密_商业案例_性能调优(200MB版)

Apache Kafka源码剖析

从Kafka的应用场景、源码环境搭建开始逐步深入，不仅介绍Kafka的核心概念，而且对Kafka生产者、消费者、服务端的源码进行深入的剖析，最后介绍Kafka常用的管理脚本实现，让读者不仅从宏观设计上了解Kafka，而且能够深入到Kafka的细节设计之中。在源码分析的过程中，还穿插了笔者工作积累的经验和对Kafka设计的理解，希望读者可以举一反三，不仅知其然，而且知其所以然。 《Apache Kafka源码剖析》旨在为读者阅读Kafka源码提供帮助和指导，让读者更加深入地了解Kafka的运行原理、设计理念，让读者在设计分布式系统时可以参考Kafka的优秀设计。《Apache Kafka源码剖析》的内容对于读者全面提升自己的技术能力有很大帮助。

图像处理基础.第2版

本书也是一本介绍图像技术的教材，但它有不同的视点和方式。至少有两点值得指出： 　　首先，作者完全采用了一种问答的形式来组织和介绍相关内容。全书从头到尾共设计了472个问题（很多是由学生提出来的），有问有答，循序渐进，逐步将各种图像技术依次介绍。这种形式除能帮助课堂教学外，也很适合自学，因为每一段都解决了一个疑问，对自学者会很有吸引力。书中还有383个详细的示例，不仅方便读者学习，对讲授相关课程的教师也是一个很好的资源。 　　其次，作者对基本内容和高级内容进行了划分。但与许多教材中这两部分内容不相重合、后者是前者的延伸不同，该书两部分内容密切相关、后者对应前者的更深层次。从其安排来看，基本内容是主干，而高级内容（放在63个框内，且有161个配合示例，编号前均加B）则分布在书中与相关基本内容对应的位置。如果把基本内容看作一个主程序，那么这些高级内容部分就像子程序，随时可在需要处调用。 　　本书是一本篇幅较大的书，从结构上看，有7章共27节。全书共有编了号的图307个（其中10个为彩图）、表格25个、公式1892个。另外有一个约80篇参考文献的目录，以及可进行索引的近400个术语。全书译成中文约合100万字（也包括图片、绘图、表格、公式等）。本书可作为已具有初步图像技术知识的相关专业高年级本科生和低年级研究生的专业基础课教材，也可供从事图像应用相关领域的科研技术人员参考。 　　译者基本忠实原书的结构和文字风格进行了翻译。为方便阅读，对书中问答中的问题按章节进行了编号。考虑到书中分散介绍了40多个具体算法，译文中归纳增加了一个算法列表。另外，对原书的索引，考虑中文的习惯进行了一些调整，并按中文次序进行了排列，希望能更好地服务于读者。

神经网络算法与实现基于Java语言(书签版)

神经网络已成为从大量原始的，看似无关的数据中提取有用知识的强大技术。 Java语言是用于实现神经网络的zui合适的工具之一，也是现阶段非常流行的编程语言之一，包含多种有助于开发的API和包，具有 一次编写，随处运行 的可移植性。 本书完整地演示了使用Java开发神经网络的过程，既有非常基础的实例也有高级实例。首先，你将学习神经网络的基础知识、感知机及其特征。 然后，你将使用学到的概念来实现自组织映射网络。 此外，你还会了解一些应用，如天气预报、疾病诊断、客户特征分析和光学字符识别（OCR）等。 zui后，你将学习实时优化和自适应神经网络的方法。 首先，你将学习神经网络的基础知识和它们的学习过程。 然后我们关注感知机及其特征。 接下来，您将使用您学到的概念实现自组织映射。 此外，您将了解一些应用，如天气预报，疾病诊断