code training

C learning : the source  websit :

50个c/c++源代码网站
C/C++是最主要的编程语言。这里列出了50名优秀网站和网页清单,这些网站提供c/c++源代码。这份清单提供了源代码的链接以及它们的小说明。我已尽力包括最佳的C/C++源代码的网站。这不是一个完整的清单,您有建议可以联系我,我将欢迎您的建议,以进一步加强这方面的清单。
1、http://snippets.dzone.com/tag/c/ --数以千计的有用的C语言源代码片段
2、http://www.hotscripts.com/category/c-cpp/scripts-programs/ Hotscripts --提供数以百计的C和C++脚本和程序。所有程序都分为不同的类别。
3、http://www.planetsourcecode.com/vb/default.asp?lngWId=3 --超过万行C和C++免费的源代码
4、http://freshmeat.net/browse/164/ --超过9000个C编写的项目。
5、http://www.daniweb.com/code/c.html --DANIWEB提供的实用代码段 。
6、http://www.programmersheaven.com/tags/C/ --programmersheaven.com上的C编程资源。
7、http://www.ddj.com/code/ddj.html --Dr. Dobbs Journal的源代码。
8、http://www.cprogramming.com/cgi-bin/source/source.cgi --C和C + +编程资源。
9、http://www.codecogs.com/ --CodeCogs是一项协作的开放源码库,C/C++的数值方面的组件。
10、http://www.google.com/codesearch?q=programming++lang:c&cs_r=lang:c --谷歌代码的C源代码。
11、http://www.codepedia.com/1/C --CodePedia是一个开放的关于系统编程和其他与电脑有关的议题。
12、http://www.cis.temple.edu/~ingargio/cis71/code/ --为学生提供的一个简单的C语言程序的列表。
13、http://www.codeproject.com/?cat=2 --codeproject提供的C/C++资源代码项目。
14、http://www.thefreecountry.com/sourcecode/cpp.shtml --以下是一些C和C++库的DLL,VCLs,源代码,元件,模块,应用程序框架,类库,源代码片段等,你可以在您的项目中使用而不需要支付费用和版税。
15、http://people.sc.fsu.edu/~burkardt/cpp_src/cpp_src.html --这是一个全面的关于C++的345个源代码清单。
16、http://www.cplusplus.com/src/ --C++写的通用控制台程序和Windows程序代码清单。
17、http://users.cs.fiu.edu/~weiss/dsaa_c++/code/ --C++语言数据结构与算法分析(第二版)的源代码。
18、http://c.snippets.org/ --C源代码片段。
19、http://www.bbdsoft.com/downloads.html --C++源代码。
20、http://www.moshier.net/ 天文学和数值软件源代码
21、http://cplus.about.com/od/cgames/C_Games_with_Source_Code.htm --游戏有关的C++源代码。
22、http://cliodhna.cop.uop.edu/~hetrick/c-sources.html --免费的C/C++数值计算源代码。
23、http://www.mathtools.net/C_C__/Utilities/index.html --C/C++工具。
24、http://www.programmerworld.net/resources/c_library.htm --免费C++源代码和其它有用的工具。
25、http://www.cmcrossroads.com/bradapp/links/cplusplus-links.html --布拉德阿普尔顿的C++链接-资源,项目,图书馆,教学和编码。
26、http://www.robertnz.net/cpp_site.html --这是一个收集了数C/C++网站链接列表的网页。
27、http://www.josuttis.com/libbook/examples.html --在这里,你可以看到并下载所有的本书的C++标准库例子 。
28、ftp://66.77.27.238/sourcecode/cuj/ --C/C++用户杂志
29、ftp://66.77.27.238/sourcecode/wd/ --Windows开发者网络
30、http://www.einet.net/directory/65892/Developers.htm --C程序
31、http://www.daniweb.com/code/cplusplus.html --实用代码段。
32、http://snippets.dzone.com/tag/c --C++源代码
33、http://www.programmersheaven.com/tags/C --C++编程资源,programmersheaven.com
34、http://www.google.com/codesearch?hl=en&lr=&q=programming --谷歌代码搜索-C++编程语言
35、http://www.codepedia.com/1/Cpp --CodePedia是一个开放的关于系统编程和其他与电脑有关的议题的网站。
36、http://www.codebeach.com/index.asp?TabID=1&CategoryID=3 --C++源代码,Codebeach提供
37、http://freshmeat.net/browse/165/ --5000项目写的C++编程语言
38、http://cplus.about.com/od/codelibrary/Code_Library_for_C_C_and_C.htm --代码库C、C + +和C#。
39、http://www.c.happycodings.com/ --Visual Basic、PHP、ASP技术、C、C++大全。
40、http://www.blueparrots.com/ --Borland C游戏,图像和声音源代码范例。
41、http://www.java2s.com/Code/Cpp/CatalogCpp.htm --C++源代码。
42、http://www.yeohhs.com/modules/mydownloads/ --C与C++电子书和源代码示例。
43、http://www.brpreiss.com/books/opus4/programs/index.html C++的数学方程和公式源代码。
44、http://users.cs.fiu.edu/ C++。
45、http://www.josuttis.com/libbook/examples.html --C++标准库-教程和参考资料。
46、http://emr.cs.uiuc.edu/~reingold/calendars.shtml Edward M. Reingold‘s Calendar Book, Papers, and Code。
47、http://cpp.snippets.org/ --c++源代码档案。
48、http://ubiety.uwaterloo.ca/~tveldhui/papers/techniques/ --用C和C++的解决科学问题。
49、http://c.ittoolbox.com/topics/core-c/ --C/C++的IT工具框。
50、http://www.le.ac.uk/cc/tutorials/c/ccccdbas.html --本文件中包含有大量的C示例程序。

时间: 2024-10-02 13:15:38

code training的相关文章

【CS-4476-project 6】Deep Learning

AlexNet / VGG-F network visualized by mNeuron. Project 6: Deep LearningIntroduction to Computer Vision Brief Due date: Tuesday, December 6th, 11:55pm Project materials including starter code, training and testing data, and html writeup template: proj

ACM第一阶段学习内容

一.知识目录 字符串处理 ................................................................. 3 1.KMP 算法 ............................................................ 3 2.扩展 KMP ............................................................ 6 3.Manacher 最长回文子串 .......

MNIST机器学习数据集

介绍 在学习机器学习的时候,首当其冲的就是准备一份通用的数据集,方便与其他的算法进行比较.在这里,我写了一个用于加载MNIST数据集的方法,并将其进行封装,主要用于将MNIST数据集转换成numpy.array()格式的训练数据.直接下面看下面的代码吧(主要还是如何用python去读取binnary file)! MNIST数据集原网址:http://yann.lecun.com/exdb/mnist/ Github源码下载:数据集(源文件+解压文件+字体图像jpg格式), py源码文件 文件目

Iris Classification Neural Network

Iris Classification Neural Network Neural Network formula derivation \[ \begin{align} a & = x \cdot w_1 \y & = a \cdot w_2 \& = x \cdot w_1 \cdot w_2 \y & = softmax(y) \end{align} \] code (training only) \[ a = x \cdot w_1 \y = a \cdot w_2

Tutorials on training the Skip-thoughts vectors for features extraction of sentence.

Tutorials on training the Skip-thoughts vectors for features extraction of sentence.  1. Send emails and download the training dataset.  the dataset used in skip_thoughts vectors is from [BookCorpus]: http://yknzhu.wixsite.com/mbweb first, you should

Code Lock

Code Lock Time Limit: 2000/1000 MS (Java/Others) Memory Limit: 131072/65536 K (Java/Others) Total Submission(s): 255 Accepted Submission(s): 114   Problem Description A lock you use has a code system to be opened instead of a key. The lock contains a

16 On Large-Batch Training for Deep Learning: Generalization Gap and Sharp Minima 1609.04836v1

Nitish Shirish Keskar, Dheevatsa Mudigere, Jorge Nocedal, Mikhail Smelyanskiy, Ping Tak Peter Tang Northwestern University & Intel code: https://github.com/keskarnitish/large-batch-training * SGD及其变种在batch size增大的时候会有泛化能力的明显下降 generalization drop/deg

hdu 5775 Bubble Sort(2016 Multi-University Training Contest 4——树状数组)

题目链接:http://acm.hdu.edu.cn/showproblem.php?pid=5775 Bubble Sort Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 65536/65536 K (Java/Others) Total Submission(s): 636    Accepted Submission(s): 378 Problem Description P is a permutation of the

Deep Learning in a Nutshell: History and Training

Deep Learning in a Nutshell: History and Training This series of blog posts aims to provide an intuitive and gentle introduction to deep learning that does not rely heavily on math or theoretical constructs. The first part in this series provided an