- 点云网络的论文理解(三)-点云网络的优化 PointNet++的总体说明
CUHK-SZ-relu
PointNet深度学习
总体说明这个部分是为了让大家可以更好地理解文章1.以前的网络有什么缺点1.首先第一点就是论文当中反复提到的没有局部特征的问题。2.另外一个就是PointNet不具有平移不变性,理解一下这个,PointNet最后是一个maxpooling所以决定是不是选择当前内容的唯一因素是大小,因为除了pooling之外使用的就只有mlp,之前的所有一系列处理其实都可以等价为乘上一个参数,每个的参数可能不同,有正
- ConvE——二维卷积知识图谱横空出世
时光诺言
机器学习—图神经网络知识图谱人工智能python卷积神经网络
《Convolutional2DKnowledgeGraphEmbeddings》论文理解+代码复现本论文理解不再翻译原文,只写上我对于论文原生态的理解,应该会比较详细,请读者放心。一.作者为什么要提出ConvE?传统的R-GCN和DistMult的参数量过大,并且模型深度不够深,只能处理较小的知识图谱,所以作者将CNN引入到图神经网络中。二.一维卷积与二维卷积的对比2.1一维卷积当a,b特征简单
- 时序动作定位|使用 ‘注意力机制’ 的弱监督时序动作定位顶会论文理解笔记(Weakly-Supervised Temporal Action Localization)
六个核桃Lu
视频动作定位深度学习人工智能神经网络机器学习计算机视觉
目录WeaklySupervisedActionLocalizationbySparseTemporalPoolingNetwork(CVPR2018)W-TALC:Weakly-supervisedTemporalActivityLocalizationandClassification(ECCV2018)
- 论文理解—— Disentangle-based Continual Graph Representation Learning
qq_26919935
网络表示学习图表示学习知识图谱持续学习
EMNLP2020Disentangle-basedContinualGraphRepresentationLearning链接:https://arxiv.org/abs/2010.02565研究背景:多关系数据表示真实世界中实体和实体之间的关系,其中的节点表示实体,边代表实体之间的关系,比如常见的知识图谱和信息网络等。利用图表示学习方法对多关系图建模一直是学术界和业界关注的热点。图表示学习目的
- Backbone:深层聚合网络:Deep Layer Aggregation(DLA)
AIRV_Gao
论文笔记backbone.js深度学习卷积神经网络
Backbone:DeepLayerAggregation(深层聚合网络,DLA)论文网址:https://arxiv.org/abs/1707.06484论文代码(pytorch):https://github.com/ucbdrive/dla参考博客:DeepLayerAggregation----------论文理解0.摘要DLA是一种融合深层网络的backbone结构。通过更深层次的融合可
- 【论文理解】Spatial Contrastive Learning for Few-Shot Classification
辣椒油li
少样本学习深度学习神经网络少样本学习
内容概览前言一、空间对比学习(SpatialContrastiveLearning)1.对比学习2.全局对比损失3.空间对比损失二、特征的修正三、对比蒸馏(ContrastiveDistillation)四、少样本分类五、实验结果总结前言这篇论文提出了一个采用非episodictraining方法的少样本图像分类算法,作者来自巴黎萨克雷大学,于2020.12.26挂在arxiv上:论文链接这篇论文
- 【论文理解】Batch Normalization论文中关于BN背景和减少内部协变量偏移的解读(论文第1、2节)
takedachia
论文阅读笔记深度学习人工智能神经网络计算机视觉
最近在啃BatchNormalization的原论文(Title:BatchNormalization:AcceleratingDeepNetworkTrainingbyReducingInternalCovariateShift)。详细记录一下对论文前面部分的个人笔记和理解,包括第一部分的Introduction和第二部分的TowardsReducingInternalCovariateShif
- SAM(Segment Anything)论文理解
努力当总裁
人工智能计算机视觉cnn深度学习数据挖掘
【废话可不看】第一次有位教授给我推荐这个Model,我以为只是和往常一样,又出现一个性能稍微提升的算法模型结构,看了一眼名字“分割世间万物”,觉得是个吹水的东东,就没再往下看了。今天老板让我研究研究这个东东,作为打工人,乖乖开启了研究之旅,结果为自己的无知狠狠地打脸!这篇文章具有划时代意义,至少代表了语义分割大模型(没有说视觉大模型,是因为还有分类和检测)的雏形,作者也很慷慨,授人以鱼且授人以渔:
- EfficientDet论文讲解
韩师兄_
算法目标检测论文阅读考研论文笔记
目录EfficientDet0、摘要1、整体架构1.1BackBone:EfficientNet-B01.2Neck:BiFPN特征加强提取网络1.3Head检测头1.4compoundscaling2、anchors先验框3、loss组成4、论文理解5、参考资料EfficientDet影响网络的性能(或者说规模)的三大因素:depth(layer的重复次数),width(特征图channels)
- Prototype-CNN for Few-Shot Object Detection in Remote Sensing Images论文理解
小仝爱吃肥牛
目标检测cnn目标检测神经网络人工智能原型模式
代码:https://github.com/Ybowei/P-CNN目录1.研究背景2.基本概念--Few-ShotObjectDetection3.研究方法PLN--原型学习网络P-GRPN--原型引导的区域生成网络ROIAligh--感兴趣区域对齐Dectionhead--检测头训练策略4.实验结果1.研究背景随着深度学习特别是深度卷积神经网络的兴起,利用其强大的特征提取能力,在自然场景图像中
- BSVD论文理解:Real-time Streaming Video Denoising with Bidirectional Buffers
牧羊女说
图像和视频去噪计算机视觉人工智能深度学习
BSVD是来自香港科技大学的一篇比较新的视频去噪论文,经实践,去噪效果不错,在这里分享一下对这篇论文的理解。论文地址:https://arxiv.org/abs/2207.06937代码地址:GitHub-ChenyangQiQi/BSVD:[ACMMM2022]Real-timeStreamingVideoDenoisingwithBidirectionalBuffers我们都知道,在超低照度拍
- BERT论文理解-理论版
jianafeng
bert自然语言处理深度学习
目录BERT模型架构输入表征预训练任务代码实现Encoder编码器模块BERT模型架构BERT模型架构是一种多层双向变换器(Transformer)编码器。至于什么是变换器的注释及实现,参考哈佛Vaswani等人(2017)的优秀代码指南(http://nlp.seas.harvard.edu/2018/04/03/attention.html)BERT有两种大小:(1)Base版:L=12;H=
- 点云网络的论文理解(二)- PointNet的pytorch复现
BuptBf
PointNet深度学习
1.了解PointNet为了更好的复现这个东西我们需要先了解这个东西,先把原文给出的图片放在这里,之后我们再一点点理解。1.1点云的特点1.1.1无序性:也就是说这个点的先后顺序和实际上是什么无关你不管这些点加入集合的顺序如何,最后的最后他们组成的图形还是那么个图形,也就是说这些东西的顺序是完全没有必要的。所以我们必须使用对称的函数:也就是说,这个函数必须要满足,你怎么调换函数变量的输入顺序,函数
- 【论文理解】FedSky: An Efficient and Privacy-Preserving Scheme for Federated Mobile Crowdsensing
卷卷卷不动
paper论文阅读同态加密
这篇论文同样是来自陆老师组的,发表在IEEEINTERNETOFTHINGSJOURNAL上的一篇关于联邦学习、同态加密的文章。目录论文背景群智感知(CrowdSensing)F-MCS本文的主要贡献模型与设计目标系统模型安全模型设计目标PRELIMINARIESA.FedAvgAlgorithmB.DifferentVariantsofSkylineQueriesC.BilinearPairin
- Adaptive Graph Convolutional Recurrent Network for Traffic Forecasting 论文理解+机翻
顺顺不吃竹笋
剪枝学习深度学习人工智能机器学习
背景:快速的城市化带来了人口的增长,并带来了巨大的流动性和挑战性。在这些挑战中,智能交通系统是一个重要领域,交通预测是城市交通管理的重要部分。问题描述:论文关注的是如何准确的预测未来的交通状况,例如交通流量和速度、乘客需求等。方法:传统的预测方法采用时间序列模型,它们无法捕捉到大规模交通的非线性相关性和复杂的时空模式。论文提出了一种叫做AdaptiveGraphConvolutionalRecur
- 【目标检测】SPP-Net论文理解(超详细版本)
旅途中的宽~
目标检测经典论文导读目标检测深度学习计算机视觉SPPNet
目录:目标检测—SPP-Net论文一、初步认识二、研究背景三、研究动机1.关于图像尺寸的理解2.关于为何全连接层需要固定输入四、SPP-Net作出的改进1.与传统CNN的对比2.与R-CNN的对比1)R-CNN模型2)SPP-Net模型五、SPP-Net中的难点六、原始图像中的ROI如何映射到特征图七、ROI池化层八、总结一、初步认识SPP-Net是出自2015年发表在IEEE上的论文,全名为《S
- yolo3解析
迷途的Go
yolov3解析yolo系列论文看过,源码包调过,抽点时间把论文理解和源码做个一一对应,加深理解,论文https://pjreddie.com/darknet/yolo/源码看的mxnet,gluon-cv,代码地址:https://github.com/dmlc/gluon-cvyolov3networkdarknet53一共53层卷积,除去最后一个FC总共52个卷积用于当做主体网络,主体网络被
- RepVGG论文理解
孟孟单单
论文写作python
目录RepVGG:MakingVGG-styleConvNetsGreatAgain(RepVGG:让vgg风格的ConvNets再次伟大)参考链接结构重参数化的实质3.1.SimpleisFast,Memory-economical,Flexible简单就是快速,节省内存,灵活3.2Training-timeMulti-branchArchitecture培训时-多分支架构3.3Re-param
- 论文理解之面向脑驱动的仿人机器人:基于脑电的BCI异步直接控制
A哆啦A梦
BCI
这篇文章还没有修改很完善,之后会再进行一些修改原论文:TowardBrain-ActuatedHumanoidRobots:AsynchronousDirectControlUsinganEEG-BasedBCI论文链接:https://www.semanticscholar.org/paper/Toward-Brain-Actuated-Humanoid-Robots%3A-Asynchrono
- Focal Loss与GHM 理解与使用
HxShine
Tensorflownlp算法学习总结
一、理解5分钟理解FocalLoss与GHM——解决样本不平衡利器https://zhuanlan.zhihu.com/p/80594704二、使用GHM论文理解及实现https://zheng-yuwei.github.io/2019/07/08/13_GHM%E8%AE%BA%E6%96%87%E7%90%86%E8%A7%A3%E5%8F%8A%E5%AE%9E%E7%8E%B0/ghm-k
- ResNet 论文理解含视频
小喵要摸鱼
ResNet深度残差网络ResNet论文理解
ResNet论文理解问题导引论文理解Q1.神经网络真的越深越好吗?Q2.为什么加深网络会带来退化问题?Q3.如何构建更深层的网络?基于残差的深度学习框架ResidualLearning的理论依据网络结构ResNet的成绩总结视频理解引入恒等映射ResNet论文理解问题导引论文理解ResNet网络的论文名字是《DeepResidualLearningforImageRecognition》,发表在2
- 【计算机视觉 | 扩散模型】新论文 | DragGAN论文:如果甲方想把大象 P 转身,你只需要拖动 GAN 就好了
旅途中的宽~
计算机视觉计算机视觉生成对抗网络深度学习GAN
文章目录一、论文说明二、前言三、论文理解四、实验4.1定性评估4.2定量评估4.3讨论一、论文说明2023年5月18日提交的论文,华人一作。论文地址:https://arxiv.org/pdf/2305.10973.pdf项目地址:https://vcai.mpi-inf.mpg.de/projects/DragGAN/代码地址为:https://github.com/XingangPan/Dra
- 3D深度学习的初步探索(PointNet,PointNet++,Geo-CNN论文理解)
xiaobai_Ry
#点云处理深度学习点云3D检测PointNet
【点云笔记】3D深度学习的初步探索【PointNet,PointNet++,Geo-CNN】概述PPT概览PointNet,PointNet++,Geo-CNN论文PPT自动演示概述下面的PPT及演示是之前课程作业做的,时间已经有些久远(2020年),主要是PointNet,PointNet++,Geo-CNN论文相关要点的介绍。PPT设置的是自动播放模式,对应汇报的语言是调用科大讯飞的机器人语音
- xgboost导读及论文理解
璆_ca09
X-gboost(Extreme-GradientBoosting)优化的分布式梯度提升算法,end-to-end不需要特征抽取。输入原始数据,就能输出目标结果。整篇论文技术实现分两个部分核心点1.算法推导(paper篇幅30%)判别式:判别公式:boosterForest:森林中树的数量,受到max_estimator的约束:森林中的每颗树显而易见,xgboost是非线性(Tree)的加法模型损
- 【音视频第12天】GCC论文阅读(3)
Magic_o
音视频音视频论文阅读
AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的GCC算法一脸懵。看一看英文版的,找一找感觉。目录Abstract1.Introduction1.1Mathematicalnotationconventions2.Systemmodel2.1q
- 【音视频第10天】GCC论文阅读(1)
Magic_o
音视频音视频论文阅读
AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的GCC算法一脸懵。看一看英文版的,找一找感觉。目录Abstract1.Introduction1.1Mathematicalnotationconventions2.Systemmodel3.Fe
- 【音视频第11天】GCC论文阅读(2)
Magic_o
音视频音视频论文阅读ffmpeg
AGoogleCongestionControlAlgorithmforReal-TimeCommunicationdraft-alvestrand-rmcat-congestion-03论文理解看中文的GCC算法一脸懵。看一看英文版的,找一找感觉。目录Abstract1.Introduction1.1Mathematicalnotationconventions2.Systemmodel3.Fe
- Segmentation-driven 6D Object Pose Estimation论文理解
KirutoCode
6DEoF
文章目录本文创新点\贡献方法方法概述分割流回归流训练最终loss推理实验结果总结本文创新点\贡献分割驱动,让每个可以看到的部分都对关键点位置的预测做出贡献方法方法概述假设:物体是刚体且CAD模型已知。对输入的图片做卷积,然后产生分割和预测,将图片分成S×SS\timesSS×S个网格,每个网格都i预测属于的类别并回归关键点的位置,关键点在这里就是交点,然后根据2D-3D对应来做EPnP分割流对每个
- Position-aware Attention and Supervised Data Improve Slot Filling论文理解
qzlydao
论文题目:Position-awareAttentionandSupervisedDataImproveSlotFilling发表作者:YuhaoZhang,VictorZhong,DanqiChen,GaborAngeli,ChristopherD.Manning出版源:Proceedingsofthe2017ConferenceonEmpiricalMethodsinNaturalLangua
- 基于Starts的自制Ekstaz回归测试系统设计与实现 毕业论文++英文论文+答辩PPT+演示视频+项目源码
毕业设计论文资料
目录自制Ekstazi11.缘起12.论文理解11.依赖格式22.分析(A)阶段23.执行(E)阶段34.收集(C)阶段35.非调试校验和33.项目结构&原理讲解3自制Ekstazi1.缘起在自动化测试这门课程中,我学习到了有关源码级测试、移动端测试、智能软件测试的知识,并且对源码级测试产生了浓厚的兴趣。我们知道,回归测试是当今自动化测试研究的热门重点之一,项目中平均80%的测试成本都用在了回归测
- Enum用法
不懂事的小屁孩
enum
以前的时候知道enum,但是真心不怎么用,在实际开发中,经常会用到以下代码:
protected final static String XJ = "XJ";
protected final static String YHK = "YHK";
protected final static String PQ = "PQ";
- 【Spark九十七】RDD API之aggregateByKey
bit1129
spark
1. aggregateByKey的运行机制
/**
* Aggregate the values of each key, using given combine functions and a neutral "zero value".
* This function can return a different result type
- hive创建表是报错: Specified key was too long; max key length is 767 bytes
daizj
hive
今天在hive客户端创建表时报错,具体操作如下
hive> create table test2(id string);
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:javax.jdo.JDODataSto
- Map 与 JavaBean之间的转换
周凡杨
java自省转换反射
最近项目里需要一个工具类,它的功能是传入一个Map后可以返回一个JavaBean对象。很喜欢写这样的Java服务,首先我想到的是要通过Java 的反射去实现匿名类的方法调用,这样才可以把Map里的值set 到JavaBean里。其实这里用Java的自省会更方便,下面两个方法就是一个通过反射,一个通过自省来实现本功能。
1:JavaBean类
1 &nb
- java连接ftp下载
g21121
java
有的时候需要用到java连接ftp服务器下载,上传一些操作,下面写了一个小例子。
/** ftp服务器地址 */
private String ftpHost;
/** ftp服务器用户名 */
private String ftpName;
/** ftp服务器密码 */
private String ftpPass;
/** ftp根目录 */
private String f
- web报表工具FineReport使用中遇到的常见报错及解决办法(二)
老A不折腾
finereportweb报表java报表总结
抛砖引玉,希望大家能把自己整理的问题及解决方法晾出来,Mark一下,利人利己。
出现问题先搜一下文档上有没有,再看看度娘有没有,再看看论坛有没有。有报错要看日志。下面简单罗列下常见的问题,大多文档上都有提到的。
1、没有返回数据集:
在存储过程中的操作语句之前加上set nocount on 或者在数据集exec调用存储过程的前面加上这句。当S
- linux 系统cpu 内存等信息查看
墙头上一根草
cpu内存liunx
1 查看CPU
1.1 查看CPU个数
# cat /proc/cpuinfo | grep "physical id" | uniq | wc -l
2
**uniq命令:删除重复行;wc –l命令:统计行数**
1.2 查看CPU核数
# cat /proc/cpuinfo | grep "cpu cores" | u
- Spring中的AOP
aijuans
springAOP
Spring中的AOP
Written by Tony Jiang @ 2012-1-18 (转)何为AOP
AOP,面向切面编程。
在不改动代码的前提下,灵活的在现有代码的执行顺序前后,添加进新规机能。
来一个简单的Sample:
目标类:
[java]
view plain
copy
print
?
package&nb
- placeholder(HTML 5) IE 兼容插件
alxw4616
JavaScriptjquery jQuery插件
placeholder 这个属性被越来越频繁的使用.
但为做HTML 5 特性IE没能实现这东西.
以下的jQuery插件就是用来在IE上实现该属性的.
/**
* [placeholder(HTML 5) IE 实现.IE9以下通过测试.]
* v 1.0 by oTwo 2014年7月31日 11:45:29
*/
$.fn.placeholder = function
- Object类,值域,泛型等总结(适合有基础的人看)
百合不是茶
泛型的继承和通配符变量的值域Object类转换
java的作用域在编程的时候经常会遇到,而我经常会搞不清楚这个
问题,所以在家的这几天回忆一下过去不知道的每个小知识点
变量的值域;
package 基础;
/**
* 作用域的范围
*
* @author Administrator
*
*/
public class zuoyongyu {
public static vo
- JDK1.5 Condition接口
bijian1013
javathreadConditionjava多线程
Condition 将 Object 监视器方法(wait、notify和 notifyAll)分解成截然不同的对象,以便通过将这些对象与任意 Lock 实现组合使用,为每个对象提供多个等待 set (wait-set)。其中,Lock 替代了 synchronized 方法和语句的使用,Condition 替代了 Object 监视器方法的使用。
条件(也称为条件队列或条件变量)为线程提供了一
- 开源中国OSC源创会记录
bijian1013
hadoopsparkMemSQL
一.Strata+Hadoop World(SHW)大会
是全世界最大的大数据大会之一。SHW大会为各种技术提供了深度交流的机会,还会看到最领先的大数据技术、最广泛的应用场景、最有趣的用例教学以及最全面的大数据行业和趋势探讨。
二.Hadoop
&nbs
- 【Java范型七】范型消除
bit1129
java
范型是Java1.5引入的语言特性,它是编译时的一个语法现象,也就是说,对于一个类,不管是范型类还是非范型类,编译得到的字节码是一样的,差别仅在于通过范型这种语法来进行编译时的类型检查,在运行时是没有范型或者类型参数这个说法的。
范型跟反射刚好相反,反射是一种运行时行为,所以编译时不能访问的变量或者方法(比如private),在运行时通过反射是可以访问的,也就是说,可见性也是一种编译时的行为,在
- 【Spark九十四】spark-sql工具的使用
bit1129
spark
spark-sql是Spark bin目录下的一个可执行脚本,它的目的是通过这个脚本执行Hive的命令,即原来通过
hive>输入的指令可以通过spark-sql>输入的指令来完成。
spark-sql可以使用内置的Hive metadata-store,也可以使用已经独立安装的Hive的metadata store
关于Hive build into Spark
- js做的各种倒计时
ronin47
js 倒计时
第一种:精确到秒的javascript倒计时代码
HTML代码:
<form name="form1">
<div align="center" align="middle"
- java-37.有n 个长为m+1 的字符串,如果某个字符串的最后m 个字符与某个字符串的前m 个字符匹配,则两个字符串可以联接
bylijinnan
java
public class MaxCatenate {
/*
* Q.37 有n 个长为m+1 的字符串,如果某个字符串的最后m 个字符与某个字符串的前m 个字符匹配,则两个字符串可以联接,
* 问这n 个字符串最多可以连成一个多长的字符串,如果出现循环,则返回错误。
*/
public static void main(String[] args){
- mongoDB安装
开窍的石头
mongodb安装 基本操作
mongoDB的安装
1:mongoDB下载 https://www.mongodb.org/downloads
2:下载mongoDB下载后解压
 
- [开源项目]引擎的关键意义
comsci
开源项目
一个系统,最核心的东西就是引擎。。。。。
而要设计和制造出引擎,最关键的是要坚持。。。。。。
现在最先进的引擎技术,也是从莱特兄弟那里出现的,但是中间一直没有断过研发的
 
- 软件度量的一些方法
cuiyadll
方法
软件度量的一些方法http://cuiyingfeng.blog.51cto.com/43841/6775/在前面我们已介绍了组成软件度量的几个方面。在这里我们将先给出关于这几个方面的一个纲要介绍。在后面我们还会作进一步具体的阐述。当我们不从高层次的概念级来看软件度量及其目标的时候,我们很容易把这些活动看成是不同而且毫不相干的。我们现在希望表明他们是怎样恰如其分地嵌入我们的框架的。也就是我们度量的
- XSD中的targetNameSpace解释
darrenzhu
xmlnamespacexsdtargetnamespace
参考链接:
http://blog.csdn.net/colin1014/article/details/357694
xsd文件中定义了一个targetNameSpace后,其内部定义的元素,属性,类型等都属于该targetNameSpace,其自身或外部xsd文件使用这些元素,属性等都必须从定义的targetNameSpace中找:
例如:以下xsd文件,就出现了该错误,即便是在一
- 什么是RAID0、RAID1、RAID0+1、RAID5,等磁盘阵列模式?
dcj3sjt126com
raid
RAID 1又称为Mirror或Mirroring,它的宗旨是最大限度的保证用户数据的可用性和可修复性。 RAID 1的操作方式是把用户写入硬盘的数据百分之百地自动复制到另外一个硬盘上。由于对存储的数据进行百分之百的备份,在所有RAID级别中,RAID 1提供最高的数据安全保障。同样,由于数据的百分之百备份,备份数据占了总存储空间的一半,因而,Mirror的磁盘空间利用率低,存储成本高。
Mir
- yii2 restful web服务快速入门
dcj3sjt126com
PHPyii2
快速入门
Yii 提供了一整套用来简化实现 RESTful 风格的 Web Service 服务的 API。 特别是,Yii 支持以下关于 RESTful 风格的 API:
支持 Active Record 类的通用API的快速原型
涉及的响应格式(在默认情况下支持 JSON 和 XML)
支持可选输出字段的定制对象序列化
适当的格式的数据采集和验证错误
- MongoDB查询(3)——内嵌文档查询(七)
eksliang
MongoDB查询内嵌文档MongoDB查询内嵌数组
MongoDB查询内嵌文档
转载请出自出处:http://eksliang.iteye.com/blog/2177301 一、概述
有两种方法可以查询内嵌文档:查询整个文档;针对键值对进行查询。这两种方式是不同的,下面我通过例子进行分别说明。
二、查询整个文档
例如:有如下文档
db.emp.insert({
&qu
- android4.4从系统图库无法加载图片的问题
gundumw100
android
典型的使用场景就是要设置一个头像,头像需要从系统图库或者拍照获得,在android4.4之前,我用的代码没问题,但是今天使用android4.4的时候突然发现不灵了。baidu了一圈,终于解决了。
下面是解决方案:
private String[] items = new String[] { "图库","拍照" };
/* 头像名称 */
- 网页特效大全 jQuery等
ini
JavaScriptjquerycsshtml5ini
HTML5和CSS3知识和特效
asp.net ajax jquery实例
分享一个下雪的特效
jQuery倾斜的动画导航菜单
选美大赛示例 你会选谁
jQuery实现HTML5时钟
功能强大的滚动播放插件JQ-Slide
万圣节快乐!!!
向上弹出菜单jQuery插件
htm5视差动画
jquery将列表倒转顺序
推荐一个jQuery分页插件
jquery animate
- swift objc_setAssociatedObject block(version1.2 xcode6.4)
啸笑天
version
import UIKit
class LSObjectWrapper: NSObject {
let value: ((barButton: UIButton?) -> Void)?
init(value: (barButton: UIButton?) -> Void) {
self.value = value
- Aegis 默认的 Xfire 绑定方式,将 XML 映射为 POJO
MagicMa_007
javaPOJOxmlAegisxfire
Aegis 是一个默认的 Xfire 绑定方式,它将 XML 映射为 POJO, 支持代码先行的开发.你开发服 务类与 POJO,它为你生成 XML schema/wsdl
XML 和 注解映射概览
默认情况下,你的 POJO 类被是基于他们的名字与命名空间被序列化。如果
- js get max value in (json) Array
qiaolevip
每天进步一点点学习永无止境max纵观千象
// Max value in Array
var arr = [1,2,3,5,3,2];Math.max.apply(null, arr); // 5
// Max value in Jaon Array
var arr = [{"x":"8/11/2009","y":0.026572007},{"x"
- XMLhttpRequest 请求 XML,JSON ,POJO 数据
Luob.
POJOjsonAjaxxmlXMLhttpREquest
在使用XMlhttpRequest对象发送请求和响应之前,必须首先使用javaScript对象创建一个XMLHttpRquest对象。
var xmlhttp;
function getXMLHttpRequest(){
if(window.ActiveXObject){
xmlhttp:new ActiveXObject("Microsoft.XMLHTTP
- jquery
wuai
jquery
以下防止文档在完全加载之前运行Jquery代码,否则会出现试图隐藏一个不存在的元素、获得未完全加载的图像的大小 等等
$(document).ready(function(){
jquery代码;
});
<script type="text/javascript" src="c:/scripts/jquery-1.4.2.min.js&quo