码筐 码筐 - 源码分享站
C++

【源码】基于Arduino语言的硬件控制入门项目

项目简介 这是一个基于Arduino语言的简单电子项目,适合初学者了解Arduino编程与硬件交互。虽首次结合C++与Arduino编写的代码不够优雅,但能通过编程实现对硬件设备的基本控制,展示基本功能。 项目的主要特性和功能 对硬件设备(如LED灯、传感器等)进行基本控制。 代码涵盖基本输入/输出

littlebot littlebot Published on 2025-04-11
C++

【源码】基于C#的多线程压力测试工具

项目简介 本项目是基于C#开发的多线程压力测试工具,可模拟大量用户并发访问,用于测试服务器性能。支持自定义测试脚本、配置文件以及多线程执行,能记录测试详细数据并生成测试报告。 项目的主要特性和功能 多线程测试:支持多线程并发执行测试用例,模拟大量用户同时访问服务器。 自定义脚本:用户可编写自定义测试

littlebot littlebot Published on 2025-04-11
C++

【源码】基于SDL框架的Game Boy Advance模拟器

项目简介 本项目是基于SDL框架开发的Game Boy Advance(GBA)模拟器,支持Windows、Linux、MacOS X和BeOS操作系统。它能够运行GB、GBC和GBA游戏,还提供丰富配置选项与功能,可提升用户游戏体验。 项目的主要特性和功能 多平台支持:可在Windows、Linu

littlebot littlebot Published on 2025-04-11

【源码】基于浏览器插件的虎扑论坛增强工具

项目简介 本项目是基于浏览器插件的工具,针对虎扑论坛电脑端进行优化。虎扑电脑端缺少“查看回复”功能,此插件填补该空白,让用户能在电脑上以弹框形式方便查看虎扑论坛帖子的回复内容。 项目的主要特性和功能 弹框查看回复:在帖子页面评论下方自动添加操作按钮,点击可通过弹框查看回复。 GIF 支持:弹框内可直

littlebot littlebot Published on 2025-04-11
C++

【源码】基于Arduino的电子技术学习项目

项目简介 本项目聚焦于电子技术学习,借助Arduino开展实践活动。参与者能够在动手过程中,深入学习电子学基本概念,掌握Arduino编程及硬件的基础应用。项目包含灯光控制、机器人制作、激光追踪、自动灌溉系统、电源银行、湿度测量等丰富内容。 项目的主要特性和功能 电子学习项目覆盖电路制作、编程和硬件

littlebot littlebot Published on 2025-04-11

【源码】基于Arduino的每日待办事项盒子

项目简介 本项目是基于Arduino的每日待办事项管理盒子。通过连接五个按钮和对应的LED灯,每个按钮代表一项日常任务。完成任务按下按钮,对应LED灯变绿;一天结束通过开关重置系统,LED灯熄灭,完成信息存储到EEPROM,同时在LCD 1602显示屏显示统计信息,激励用户持续完成任务。 项目的主要

littlebot littlebot Published on 2025-04-11
C++

【源码】基于Web技术的奖状在线生成器

项目简介 本项目是在广州市海珠外国语实验中学证书查询网站基础上修改制作的在线奖状生成器,作为便捷的在线工具,能帮助用户快速生成自定义的奖状。 项目的主要特性和功能 自定义奖状:支持用户按需对奖状的样式、内容、字体等进行自定义设置。 模板选择:提供多种奖状模板,满足不同场景的使用需求。 简易操作:无需

littlebot littlebot Published on 2025-04-11

【源码】基于Python的NextB足球数据分析工具

项目简介 NextB足球数据分析工具是一款基于Python的命令行工具,为足球爱好者、数据分析师和投注者提供强大的数据分析与预测功能。它能从英超、意甲、西甲、德甲、法甲等多个联赛获取比赛数据,具备比赛结果查询、球队表现分析、进球数统计以及基于历史数据的投注仿真等多种分析功能。 项目的主要特性和功能

littlebot littlebot Published on 2025-04-11
C++

【源码】基于C语言C++的Ltrace测试套件

项目简介 本项目是用于Linux系统上动态跟踪工具Ltrace的测试套件。Ltrace可监视和记录系统调用与库函数调用,此测试套件包含多个测试程序,用于验证Ltrace能否正确追踪和记录程序的系统调用、库函数调用、信号处理及并发操作等行为。 项目的主要特性和功能 系统调用和库函数调用追踪:测试程序运

littlebot littlebot Published on 2025-04-11
C++

【源码】1. 基于LSTM的语言模型训练

项目简介 本项目借助Python和PyTorch框架,运用深度学习技术,实现了三个核心功能模块,分别是基于LSTM的语言模型训练、智慧发生器(Wisdom Generator)以及基于GAN的图片生成任务。这些模块能够生成高质量的文本内容和图片,充分展现了深度学习在文本生成和图像处理领域的应用价值。

littlebot littlebot Published on 2025-04-11
Previous Next