- Pycharm配置conda虚拟环境出现unsupported
徐徐祥来-小黑皮
pycharmcondaide
1.最近小黑皮在学习Mask-Rcnn框架,初步计划是先跑通一遍,再去深入学习。起初我的anaconda里已经有一个支持做图像处理的虚拟环境了。2.tensorflow-gpu就是之前配置好的环境。3.但是在跑的过程中,出现了tensorflow和keras版本冲突的问题,我又不想降级。本身里面的包就比较多。4.所以我索性创建一个新的虚拟环境,即mask-rcnn。5.在pycharm中配置con
- YOLO系列
Array902
YOLOpython深度学习
深度学习经典检测方法two-stage(两阶段):Faster-rcnn\Mask-Rcnn系列(两阶段即多了一步预选操作)one-stage(单阶段):YOLO系列(直接处理,不需要对数据进行预选)one-stage:最核心的优势:速度非常快,适合做实时监测任务!但是缺点也是有的,效果通常情况下不会太好!(速度越快效果越差,二者相互有些矛盾)mAP:效果好坏FPS:速度快慢two-stage:速
- 中文文档版面分析
鱼遇雨愈愉
ocr
PDF中文论文版面分析,目前看来训练结果较好,推理结果如下图所示。模型使用Mask-RCNN,数据集使用公开数据。
- labelme 标注的数据集转化为Mask-Rcnn适用的数据集
小龙Guo
python开发语言数据集
labelme标注的数据集转化为Mask-Rcnn适用的数据集食用步骤1.labelme标注数据时,将生成的json文件和原图保存在一起2.只需提供labelme生成的数据的文件夹,和maskrcnn的数据集文件夹,运行代码就会自动进行处理3.代码会在提供的maskrcnn数据集文件夹下生成’cv2_mask’,‘json’,‘label’,‘pic’,‘yaml’,'pic_and_mask’这
- Mask-RCNN网络——实例分割
shuyeah
深度学习计算机视觉卷积神经网络
Mask-RCNN网络——实例分割实例分割任务可以看做分为两部分:目标检测和语义分割1、Mask-RCNN的网络结构框架2、Mask-RCNN网络的的具体步骤2.1主干特征提取网络ResNet101这里默认输入图片大小为1024*1024图片来自https://blog.csdn.net/weixin_44791964/article/details/104629135残差网络的残差块分为两类:I
- YOLO系列/20230903
lucharaar
YOLO
深度学习经典检测方法1.two-stage(分两阶段):Faster-Rcnn和Mask-Rcnn系列-------检测过程中加了预选框步骤速度通常较慢(5FPS),但是效果通常不错非常实用的通用框架Mask-Rcnn,需要了解2.one-stage(单阶段):YOLO系列------当我们想做检测任务,一个cnn网络直接做一个回归任务就可以,中间不需要加额外的补充最核心的优势:速度非常快,适合做
- mask-rcnn原理与实战
nice-wyh
pytorch目标检测人工智能
一、MaskR-CNN是什么,可以做哪些任务?MaskR-CNN是一个实例分割(Instancesegmentation)算法,可以用来做“目标检测”、“目标实例分割”、“目标关键点检测”。1.实例分割(Instancesegmentation)和语义分割(Semanticsegmentation)的区别与联系联系:语义分割和实例分割都是目标分割中的两个小的领域,都是用来对输入的图片做分割处理;区
- MASK-RCNN 三种基础结构
樨潮
目标检测
MaskXRCnn俨然成为一个现阶段最成功的图像检测分割网络,关于MaskXRCnn的介绍,需要从MaskRCNN看起。当然一个煽情的介绍可见:何恺明团队推出Mask^XR-CNN,将实例分割扩展到3000类。MaskRCnn取得的精细结果有三个主要技术构架:DeepMask、SharpMask、MultiPathNet。MaskRCNN与普通FNN的典型不同之处,重要两点为添加了SharpMas
- mmdetection安装与训练
不减到100斤不吃锅包肉
深度学习pytorch深度学习
一、什么是mmdetection商汤科技(2018COCO目标检测挑战赛冠军)和香港中文大学最近开源了一个基于Pytorch实现的深度学习目标检测工具箱mmdetection,支持Faster-RCNN,Mask-RCNN,Fast-RCNN等主流的目标检测框架,后续会加入Cascade-RCNN以及其他一系列目标检测框架。二、mmdetection安装本人安装环境:系统环境:Ubuntu20.0
- Faster-RCNN and Mask-RCNN框架解析
nice-wyh
pytorch目标检测深度学习机器学习
由于本人记忆力实在太差,每次学完一个框架没过多久就会忘,而且码文能力不行,人又懒,所以看到了其他人写的不错的两篇框架解析的博文,先来记录一下,就当是我写的喽Faster-rcnn详解_fasterr-cnn-CSDN博客MaskR-CNN详解_maskrcnn-CSDN博客
- 4、目标检测
爱补鱼的猫猫
深度学习笔记目标检测计算机视觉深度学习
目标检测一、分类和发展史二、Anchor锚三、anchor-based1、one-stage2、two-stage四、anchor-free五、YOLO系列六、R-CNN系列**1、R-CNN**2、Spp-Net3、Fast-RCNN4、Faster-RCNN5、Mask-RCNN一、分类和发展史计算机视觉的任务很多,有图像分类、目标检测、图像分割(语义分割、实例分割和全景分割等)、图像生成。目
- labelme 语义分割数据集_图像语义分割标注工具labelme制作自己的数据集用于mask-rcnn训练...
weixin_39556064
labelme语义分割数据集
labelme(标注mask数据集用的)windowspython2pipinstallpyqtpipinstalllabelmepython3pipinstallpyqt5pipinstalllabelmeubuntu16.04系统自带的python2.7环境sudoapt-getinstallpython-qt4pyqt4-dev-toolssudopipinstalllabelme#pyth
- labelme maskrcnn 批量_用自己的数据集训练Mask-RCNN实现过程中的坑
出迷佬
labelmemaskrcnn批量
原标题:用自己的数据集训练Mask-RCNN实现过程中的坑图片源自:unsplash作者蹦跶的小羊羔如需转载,请联系原作者授权。本文仅仅是自己实现过程的笔记记录,仅仅用来交流的。在网上大量搜集资料后,实现Mask-RCNN,但是过程中还是出现了很多很多的问题,所以将过程记录如下,方便日后学习。一、实验前准备1.COCO数据集COCO的全称是CommonObjectsinCOntext,是微软团队提
- 使用Mask-RCNN训练自己的数据集看这一篇就够了,从制作数据集开始一步步教你如何玩转Mask-RCNN(保姆级教程)
ekekkk
深度学习人工智能目标检测
一、安装labelme深度学习算法等基于神经网络的算法都是基于数据驱动的,数据的好坏会影响你最后生成的模型的好坏,在使用Mask-RCNN时,第一件事就是标注数据集,这里我们默认你已经配置好了anaconda的环境,如果你没有配置好可以参考一下其他人的博客,在已经配置好的conda环境下新建一个虚拟环境,在终端中输入以下命令安装标注工具labelme:pipinstalllabelmepipins
- MASK-RCNN tensorflow环境搭建
小龙Guo
深度学习tensorflowpythoncnn
此教程默认你已经安装了Anaconda,且tensorflow为cpu版本。为什么不用gpu版本,原因下面解释。此教程默认你已经安装了Anaconda。因为tensorflow2.1后的gpu版·,不支持windows。并且·只有高版本的tensorflow才对应我的CUDA12.2;而且,我之前安装了pytorch跑tolov8,cuda都很高。安装tensorflow-gpu的话,需要重新安装
- 【论文阅读】【yolo系列】YOLACT Real-time Instance Segmentation
magic_ll
yolo系列深度学习相关的论文阅读论文阅读YOLO
论文链接:https://arxiv.org/pdf/1904.02689.pdf1实例分割已有工作【实例分割】鉴于其重要性,大量的研究投入到实例分割的准确性。两阶段:Mask-RCNN[18]是一种具有代表性的两阶段实例分割方法,它首先生成候选感兴趣区域(roi),然后在第二阶段对这些roi进行分类和分割。后续工作试图通过提高其准确性,例如,丰富FPN特性[29]或解决掩码的置信度分数与其定位精
- mask-R-CNN
Tian-Feng
深度学习YOLOr语言cnn开发语言
前言代码论文#Mask-rcnn算法在torchvision中有直接实现,可以直接引用使用在自己的工作中。importtorchvisionmodel=torchvision.models.detection.maskrcnn_resnet50_fpn(weights=MaskRCNN_ResNet50_FPN_Weights.DEFAULT)MaskR-CNN(MaskRegion-basedC
- 基于PyTorch搭建Mask-RCNN实现实例分割
积雨辋川
计算机视觉深度学习pytorch图像处理计算机视觉
基于PyTorch搭建Mask-RCNN实现实例分割在这篇文章中,我们将讨论MaskRCNNPytorch背后的理论以及如何在PyTorch中使用预训练的MaskR-CNN模型。1.语义分割、目标检测和实例分割在之前的博客文章里介绍了语义分割和目标检测(如果感兴趣可以参考以下文章):图像语义分割概述Pytorch实现图像语义分割(初体验)基于PyTorch搭建FasterRCNN实现目标检测语义分
- 【OCR】文本检测方案 TextFuseNet解读
门被核桃夹了还能补脑嘛
Harvester深度学习计算机视觉目标检测ocr
TextFuseNet:SceneTextDetectionwithRicherFusedFeaturesPDFLinkGithubCode一些总结,非作者文章内容:实质上是去通过文本检测中多级别的目标融合的方法来提升检测效果的,核心价值其实分两点来看提出了一种利用Mask-RCNN的流程以及多分枝的结构实现多层特征融合方案,从全局特征->词特征+字符特征来提升文字检测效果。性能优势非常非常明显,
- pytorch 训练过程内存泄露/显存泄露debug记录:dataloader和dataset导致的泄露
Cleo_Gao
debugpytorch人工智能python
背景微调mask-rcnn代码,用的是torchvision.models.detection.maskrcnn_resnet50_fpn代码,根据该代码的注释,输入应该是:images,targets=None(List[Tensor],Optional[List[Dict[str,Tensor]]])->Tuple[Dict[str,Tensor],List[Dict[str,Tensor]]
- 语义分割—1 Mask RCNN
山居秋暝LS
计算机视觉
MaskRCNN1Mask-RCNN网络结构1.1Backbone:Resnet1011.2RPNblock1.3RoiAlign+(Reg,Cls)block+Mask2损失Mask-RCNN:Backbone+RPNblock+(Reg,Cls)block+Maskblock(1)Backbone用Resnet101提取下采样2次、3次、4次、5次的特称层构造特征金字塔。(2)RPNblock
- 检测论文综述(一) : 从RCNN到Mask-RCNN
Junr_0926
对于目标检测方向并不是特别熟悉,本文记录一下RCNN,fast-RCNN,faster-RCNN,mask-RCNN这4篇有关目标检测的论文笔记和学习心得。RCNN-RichfeaturehierarchiesforaccurateobjectdetectionandsemanticsegmentationR-CNN的意思就是Regionbased,主要思路就是根据一张图像,提取多个region,
- 训练自己的数据集时,重复训练同一张照片,怎么解决?
Xin.643
人工智能tensorflowpython
我在用Mask-RCNN训练自己的数据集,利用的autodl上的远程服务器,系统是ubuntu18.04,下面是我运行的结果,有没有人知道是什么原因呢,求帮助,谢谢大家(用的tensorflow框架)
- [Win11]Mask-RCNN 环境配置
Xin.643
pythontensorflow深度学习
[Win11]Mask-RCNN环境配置1.安装tensorflow//conda指令安装condainstalltensorflow-gpu=2.6//验证安装成功pyhon//进入python环境importtensorflowastfprint(tf.__version__)//输出版本号tf.test.is_gpu_available()//输出“True”即为安装成功2.安装必要依赖包t
- yolo系列学习
邦之彦
YOLO
文章目录理论基础YOLO-V1YOLO-V2教学视频理论基础不同阶段算法优缺点分析two-stage(两阶段):Faster-rcnn、Mask-Rcnn,多了预选框操作RPNOne-stage(单阶段):YOLO指标分析精度Precision查准率,预测为正且实际为正占预测为正的比例召回率Recall查全率,预测为正且实际为正占总体正样本的比例准确度Accuracy,预测为正且实际为正和预测为负
- YOLO算法入门知识概念
红狐狸的北北记
机器学习与深度学习YOLO算法python深度学习
1.two-stage&&one-stagetwo-stage(两阶段):Faster-rcnn,Mask-Rcnn系列(5EPS)---多了预选环节one-stage(单阶段):YOLO系列(速度快)---实时检测时常用2.Map指标:综合衡量控制效果包含了精度和recall(召回率)两个部分3.IOU(交集与并集的比值)IOU=AreaofOverlap/AreaofUnion(交集/并集)这
- 舌诊图像分析答辩总结
贝斯塔
python深度学习目标检测
今天答辩结束了,准备了这么久,总体表现还可以。还是有一部分表述不是太准确,有些部分没展现出来。我们都是站在前人的肩膀上眺望远方,尽力、有收获就可以了。从最初的参考各个文献想使用Mask-RCNN同时对图像中物体进行检测和分割,由于电脑配置不行,放弃了这条,到最后有了清晰思路,决定选用相对较新的ResNeXt,Yolov5,其实最初也是对前人思路的模仿。对食管癌、非食管癌的分类,最初设想是保留患者就
- 出现错误(已解决)安装skimage包时报错解决方法
Bonefire20
python开发语言
错误:(mask-rcnn)ltsyl308@ltsyl308:~/modification/Mask_RCNN-2.1$pipinstallskimageCollectingskimageUsingcachedskimage-0.0.tar.gz(757bytes)Preparingmetadata(setup.py)...errorerror:subprocess-exited-with-er
- 批量从多个文件夹中提取图片的小脚本
冰虺
深度学习计算机视觉pytorch
importosimportshutilpath='F://maskrcnntang//MASK-RCNN//maskrcnn_test//mydata//labelme_json//'#_json文件夹所在的路径new_path='F:\\maskrcnntang\\MASK-RCNN\\maskrcnn_test\\mydata\\cv2_mask'#需保存的路径count=os.listdi
- On Pre-Trained Image Features and Synthetic Images for Deep Learning总结
中了胖毒
文章链接摘要深度学习为了获得较好效果需要大量的训练数据,并且需要对这些数据进行人工标注。收集标注数据的过程费时费力,因此,使用合成图片训练网络越发吸引关注。本文提出了一个使用合成数据训练目标检测网络的简单有效的方法:在真实图片上预训练好的通用网络,固定其前几层,然后使用OpenGL渲染合成的图片训练优化后续层的参数。文章在几个经典的网络(Faster-RCNN,Mask-RCNN,Inceptio
- linux系统服务器下jsp传参数乱码
3213213333332132
javajsplinuxwindowsxml
在一次解决乱码问题中, 发现jsp在windows下用js原生的方法进行编码没有问题,但是到了linux下就有问题, escape,encodeURI,encodeURIComponent等都解决不了问题
但是我想了下既然原生的方法不行,我用el标签的方式对中文参数进行加密解密总该可以吧。于是用了java的java.net.URLDecoder,结果还是乱码,最后在绝望之际,用了下面的方法解决了
- Spring 注解区别以及应用
BlueSkator
spring
1. @Autowired
@Autowired是根据类型进行自动装配的。如果当Spring上下文中存在不止一个UserDao类型的bean,或者不存在UserDao类型的bean,会抛出 BeanCreationException异常,这时可以通过在该属性上再加一个@Qualifier注解来声明唯一的id解决问题。
2. @Qualifier
当spring中存在至少一个匹
- printf和sprintf的应用
dcj3sjt126com
PHPsprintfprintf
<?php
printf('b: %b <br>c: %c <br>d: %d <bf>f: %f', 80,80, 80, 80);
echo '<br />';
printf('%0.2f <br>%+d <br>%0.2f <br>', 8, 8, 1235.456);
printf('th
- config.getInitParameter
171815164
parameter
web.xml
<servlet>
<servlet-name>servlet1</servlet-name>
<jsp-file>/index.jsp</jsp-file>
<init-param>
<param-name>str</param-name>
- Ant标签详解--基础操作
g21121
ant
Ant的一些核心概念:
build.xml:构建文件是以XML 文件来描述的,默认构建文件名为build.xml。 project:每个构建文
- [简单]代码片段_数据合并
53873039oycg
代码
合并规则:删除家长phone为空的记录,若一个家长对应多个孩子,保留一条家长记录,家长id修改为phone,对应关系也要修改。
代码如下:
- java 通信技术
云端月影
Java 远程通信技术
在分布式服务框架中,一个最基础的问题就是远程服务是怎么通讯的,在Java领域中有很多可实现远程通讯的技术,例如:RMI、MINA、ESB、Burlap、Hessian、SOAP、EJB和JMS等,这些名词之间到底是些什么关系呢,它们背后到底是基于什么原理实现的呢,了解这些是实现分布式服务框架的基础知识,而如果在性能上有高的要求的话,那深入了解这些技术背后的机制就是必须的了,在这篇blog中我们将来
- string与StringBuilder 性能差距到底有多大
aijuans
之前也看过一些对string与StringBuilder的性能分析,总感觉这个应该对整体性能不会产生多大的影响,所以就一直没有关注这块!
由于学程序初期最先接触的string拼接,所以就一直没改变过自己的习惯!
- 今天碰到 java.util.ConcurrentModificationException 异常
antonyup_2006
java多线程工作IBM
今天改bug,其中有个实现是要对map进行循环,然后有删除操作,代码如下:
Iterator<ListItem> iter = ItemMap.keySet.iterator();
while(iter.hasNext()){
ListItem it = iter.next();
//...一些逻辑操作
ItemMap.remove(it);
}
结果运行报Con
- PL/SQL的类型和JDBC操作数据库
百合不是茶
PL/SQL表标量类型游标PL/SQL记录
PL/SQL的标量类型:
字符,数字,时间,布尔,%type五中类型的
--标量:数据库中预定义类型的变量
--定义一个变长字符串
v_ename varchar2(10);
--定义一个小数,范围 -9999.99~9999.99
v_sal number(6,2);
--定义一个小数并给一个初始值为5.4 :=是pl/sql的赋值号
- Mockito:一个强大的用于 Java 开发的模拟测试框架实例
bijian1013
mockito单元测试
Mockito框架:
Mockito是一个基于MIT协议的开源java测试框架。 Mockito区别于其他模拟框架的地方主要是允许开发者在没有建立“预期”时验证被测系统的行为。对于mock对象的一个评价是测试系统的测
- 精通Oracle10编程SQL(10)处理例外
bijian1013
oracle数据库plsql
/*
*处理例外
*/
--例外简介
--处理例外-传递例外
declare
v_ename emp.ename%TYPE;
begin
SELECT ename INTO v_ename FROM emp
where empno=&no;
dbms_output.put_line('雇员名:'||v_ename);
exceptio
- 【Java】Java执行远程机器上Linux命令
bit1129
linux命令
Java使用ethz通过ssh2执行远程机器Linux上命令,
封装定义Linux机器的环境信息
package com.tom;
import java.io.File;
public class Env {
private String hostaddr; //Linux机器的IP地址
private Integer po
- java通信之Socket通信基础
白糖_
javasocket网络协议
正处于网络环境下的两个程序,它们之间通过一个交互的连接来实现数据通信。每一个连接的通信端叫做一个Socket。一个完整的Socket通信程序应该包含以下几个步骤:
①创建Socket;
②打开连接到Socket的输入输出流;
④按照一定的协议对Socket进行读写操作;
④关闭Socket。
Socket通信分两部分:服务器端和客户端。服务器端必须优先启动,然后等待soc
- angular.bind
boyitech
AngularJSangular.bindAngularJS APIbind
angular.bind 描述: 上下文,函数以及参数动态绑定,返回值为绑定之后的函数. 其中args是可选的动态参数,self在fn中使用this调用。 使用方法: angular.bind(se
- java-13个坏人和13个好人站成一圈,数到7就从圈里面踢出一个来,要求把所有坏人都给踢出来,所有好人都留在圈里。请找出初始时坏人站的位置。
bylijinnan
java
import java.util.ArrayList;
import java.util.List;
public class KickOutBadGuys {
/**
* 题目:13个坏人和13个好人站成一圈,数到7就从圈里面踢出一个来,要求把所有坏人都给踢出来,所有好人都留在圈里。请找出初始时坏人站的位置。
* Maybe you can find out
- Redis.conf配置文件及相关项说明(自查备用)
Kai_Ge
redis
Redis.conf配置文件及相关项说明
# Redis configuration file example
# Note on units: when memory size is needed, it is possible to specifiy
# it in the usual form of 1k 5GB 4M and so forth:
#
- [强人工智能]实现大规模拓扑分析是实现强人工智能的前奏
comsci
人工智能
真不好意思,各位朋友...博客再次更新...
节点数量太少,网络的分析和处理能力肯定不足,在面对机器人控制的需求方面,显得力不从心....
但是,节点数太多,对拓扑数据处理的要求又很高,设计目标也很高,实现起来难度颇大...
- 记录一些常用的函数
dai_lm
java
public static String convertInputStreamToString(InputStream is) {
StringBuilder result = new StringBuilder();
if (is != null)
try {
InputStreamReader inputReader = new InputStreamRead
- Hadoop中小规模集群的并行计算缺陷
datamachine
mapreducehadoop并行计算
注:写这篇文章的初衷是因为Hadoop炒得有点太热,很多用户现有数据规模并不适用于Hadoop,但迫于扩容压力和去IOE(Hadoop的廉价扩展的确非常有吸引力)而尝试。尝试永远是件正确的事儿,但有时候不用太突进,可以调优或调需求,发挥现有系统的最大效用为上策。
-----------------------------------------------------------------
- 小学4年级英语单词背诵第二课
dcj3sjt126com
englishword
egg 蛋
twenty 二十
any 任何
well 健康的,好
twelve 十二
farm 农场
every 每一个
back 向后,回
fast 快速的
whose 谁的
much 许多
flower 花
watch 手表
very 非常,很
sport 运动
Chinese 中国的
- 自己实践了github的webhooks, linux上面的权限需要注意
dcj3sjt126com
githubwebhook
环境, 阿里云服务器
1. 本地创建项目, push到github服务器上面
2. 生成www用户的密钥
sudo -u www ssh-keygen -t rsa -C "
[email protected]"
3. 将密钥添加到github帐号的SSH_KEYS里面
3. 用www用户执行克隆, 源使
- Java冒泡排序
蕃薯耀
冒泡排序Java冒泡排序Java排序
冒泡排序
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月23日 10:40:14 星期二
http://fanshuyao.iteye.com/
- Excle读取数据转换为实体List【基于apache-poi】
hanqunfeng
apache
1.依赖apache-poi
2.支持xls和xlsx
3.支持按属性名称绑定数据值
4.支持从指定行、列开始读取
5.支持同时读取多个sheet
6.具体使用方式参见org.cpframework.utils.excelreader.CP_ExcelReaderUtilTest.java
比如:
Str
- 3个处于草稿阶段的Javascript API介绍
jackyrong
JavaScript
原文:
http://www.sitepoint.com/3-new-javascript-apis-may-want-follow/?utm_source=html5weekly&utm_medium=email
本文中,介绍3个仍然处于草稿阶段,但应该值得关注的Javascript API.
1) Web Alarm API
&
- 6个创建Web应用程序的高效PHP框架
lampcy
Web框架PHP
以下是创建Web应用程序的PHP框架,有coder bay网站整理推荐:
1. CakePHP
CakePHP是一个PHP快速开发框架,它提供了一个用于开发、维护和部署应用程序的可扩展体系。CakePHP使用了众所周知的设计模式,如MVC和ORM,降低了开发成本,并减少了开发人员写代码的工作量。
2. CodeIgniter
CodeIgniter是一个非常小且功能强大的PHP框架,适合需
- 评"救市后中国股市新乱象泛起"谣言
nannan408
首先来看百度百家一位易姓作者的新闻:
三个多星期来股市持续暴跌,跌得投资者及上市公司都处于极度的恐慌和焦虑中,都要寻找自保及规避风险的方式。面对股市之危机,政府突然进入市场救市,希望以此来重建市场信心,以此来扭转股市持续暴跌的预期。而政府进入市场后,由于市场运作方式发生了巨大变化,投资者及上市公司为了自保及为了应对这种变化,中国股市新的乱象也自然产生。
首先,中国股市这两天
- 页面全屏遮罩的实现 方式
Rainbow702
htmlcss遮罩mask
之前做了一个页面,在点击了某个按钮之后,要求页面出现一个全屏遮罩,一开始使用了position:absolute来实现的。当时因为画面大小是固定的,不可以resize的,所以,没有发现问题。
最近用了同样的做法做了一个遮罩,但是画面是可以进行resize的,所以就发现了一个问题,当画面被reisze到浏览器出现了滚动条的时候,就发现,用absolute 的做法是有问题的。后来改成fixed定位就
- 关于angularjs的点滴
tntxia
AngularJS
angular是一个新兴的JS框架,和以往的框架不同的事,Angularjs更注重于js的建模,管理,同时也提供大量的组件帮助用户组建商业化程序,是一种值得研究的JS框架。
Angularjs使我们可以使用MVC的模式来写JS。Angularjs现在由谷歌来维护。
这里我们来简单的探讨一下它的应用。
首先使用Angularjs我
- Nutz--->>反复新建ioc容器的后果
xiaoxiao1992428
DAOmvcIOCnutz
问题:
public class DaoZ {
public static Dao dao() { // 每当需要使用dao的时候就取一次
Ioc ioc = new NutIoc(new JsonLoader("dao.js"));
return ioc.get(