您现在的位置是:主页 > 设计狮 >
设计师常备
2020-12-11 17:05:13设计狮 169898人已围观
收藏网站整理
Markdown类
GitHub类
学习类
备用搜索引擎类
法律类
设计类
激活码类
评估类
在线工具类
- 泼辣修图
- 在线PS
- ps在线版 Photoshop在线精简版
- 在线抠图软件
- 压缩图片
- 图片压缩,在线图片压缩,GIF压缩
- GIF在线压缩
- GIF在线压缩2
- GIF制作-ScreenToGif
- 在线gif制作工具 (收费)
- 美图秀秀网页版
- 故障文字生成器
- 炫光生成器
- 梯度波浪生成器 (收费!)
- 奇幻波浪生成器
- 山脉生成器
- 三维动画生成器
- 层叠样式生成器
- Paper Cut Art Generator
- 群星闪烁生成器
- David Crooks
- 行星生成器
- 地球环境生成器
- 渐变生成器Chromatic Gradient Generator
- 炫光生成器
- 低多边形(Low Poly)在线生成工具
- 纹理生成器
- 粒子生成器
- 矢量地图生成器
- ProcessOn - 免费在线作图
- 在线印章制作
- 毛笔字在线生成器
- 智图_图片压缩在线工具
- img.top 智能在线图像压缩
- 图像格式转换
- 在线批量裁剪图片工具
- 个性签名印章工具
- 在线图片滤镜处理Free Online Analog Film Emulator
- 在线格式转换工具
- 免费logo制作
图标下载类
- iconmonstr
- illustrio (登陆)
- 免费矢量剪影 | silhouetteAC (收费)
- flaticon
- free and premium vector icons
- Free Transparent PNG Images
- Instant Logo Search
- 图标宝
- 绿色小人图标引擎
- EASYICON
图片下载类
- Space Engine
- 创意图片Gratisography
- 免费背景图片素材
- 最出色的摄影社区 / 500px
- 单色图片
- 1x - Latest additions
- Stock Image Search Engine
- Awesome Wallpapers
- 3D Models for Free
- Pixabay
- 无背景图片下载
地图下载类
文字类
来源: Zbs(专栏)
作者: Zbs
链接: https://zbs02355.github.io/2019/03/17/shou-cang-de-wang-zhan-zheng-li/
本文章著作权归作者所有,任何形式的转载都请注明出处。
下一篇:开启个人职业规划
随机图文
退休的美国司法部反托拉斯总监说:“即使在拜登政府之后,对大型科技公司的调查仍将继续。”
美国司法部反托拉斯总监说,他将继续对拜登政府的科技公司进行调查。 他说,对科技公司的审查对于保护竞争很重要。 总统当选人拜登将上任后面临着谷歌,苹果和Facebook的反垄断诉讼。 美国司法部(DOJ)反托拉斯总监Makan Delrahim表示,在拜登政府成立后,将继续对科技公司进行联邦反托拉斯调查。 Delahim
Custom News Feed - Generating personalized news feeds based on user interests
Custom News Feed - 基于用户兴趣生成个性化新闻推送的应用 Custom News Feed是一款基于用户兴趣生成个性化新闻推送的应用,它可以帮助用户快速获取到自己感兴趣的新闻内容。相比于传统的新闻应用,Custom News Feed的最大特点就是个性化推送,它会根据用户的兴趣和偏好,生成符合用户口味的新闻推送。下面,我们来详细了解一下这款应用的特点和使用流程。 应用特点
大语言模型本地化领域下语音合成-自然语音输出
一、引言 A. 大语言模型本地化领域下语音合成的背景和意义 随着人工智能技术的不断发展,语音合成技术也得到了广泛的应用。在大语言模型本地化领域下,语音合成技术的应用更是得到了迅速的发展。大语言模型本地化领域下的语音合成技术,可以将不同语言的文本转化为自然流畅的语音输出,从而实现跨语言交流和文化交流的目的。 B. 自然语音输出的概念和应用 自然语音输出是指将文本转化为自然流畅的语音输出的技术
智能制造领域生产计划
I. 引言 随着人工智能技术的不断发展,大语言模型作为其中的一种重要技术,已经在各个领域得到了广泛的应用。在智能制造领域,生产计划是一个非常重要的环节,而大语言模型的应用也为生产计划的制定提供了新的思路和方法。本文将介绍大语言模型在智能制造领域生产计划中的应用,并分析其优势和局限性,同时还将介绍一些已经应用大语言模型的生产计划案例,最后探讨大语言模型在未来的发展趋势和可能面临的挑战。 II.


