- 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
- 桌面上有多个球在同时运动,怎么实现球之间不交叉,即碰撞?
换个号韩国红果果
html小球碰撞
稍微想了一下,然后解决了很多bug,最后终于把它实现了。其实原理很简单。在每改变一个小球的x y坐标后,遍历整个在dom树中的其他小球,看一下它们与当前小球的距离是否小于球半径的两倍?若小于说明下一次绘制该小球(设为a)前要把他的方向变为原来相反方向(与a要碰撞的小球设为b),即假如当前小球的距离小于球半径的两倍的话,马上改变当前小球方向。那么下一次绘制也是先绘制b,再绘制a,由于a的方向已经改变
- 《高性能HTML5》读后整理的Web性能优化内容
白糖_
html5
读后感
先说说《高性能HTML5》这本书的读后感吧,个人觉得这本书前两章跟书的标题完全搭不上关系,或者说只能算是讲解了“高性能”这三个字,HTML5完全不见踪影。个人觉得作者应该首先把HTML5的大菜拿出来讲一讲,再去分析性能优化的内容,这样才会有吸引力。因为只是在线试读,没有机会看后面的内容,所以不胡乱评价了。
- [JShop]Spring MVC的RequestContextHolder使用误区
dinguangx
jeeshop商城系统jshop电商系统
在spring mvc中,为了随时都能取到当前请求的request对象,可以通过RequestContextHolder的静态方法getRequestAttributes()获取Request相关的变量,如request, response等。 在jshop中,对RequestContextHolder的
- 算法之时间复杂度
周凡杨
java算法时间复杂度效率
在
计算机科学 中,
算法 的时间复杂度是一个
函数 ,它定量描述了该算法的运行时间。这是一个关于代表算法输入值的
字符串 的长度的函数。时间复杂度常用
大O符号 表述,不包括这个函数的低阶项和首项系数。使用这种方式时,时间复杂度可被称为是
渐近 的,它考察当输入值大小趋近无穷时的情况。
这样用大写O()来体现算法时间复杂度的记法,
- Java事务处理
g21121
java
一、什么是Java事务 通常的观念认为,事务仅与数据库相关。 事务必须服从ISO/IEC所制定的ACID原则。ACID是原子性(atomicity)、一致性(consistency)、隔离性(isolation)和持久性(durability)的缩写。事务的原子性表示事务执行过程中的任何失败都将导致事务所做的任何修改失效。一致性表示当事务执行失败时,所有被该事务影响的数据都应该恢复到事务执行前的状
- Linux awk命令详解
510888780
linux
一. AWK 说明
awk是一种编程语言,用于在linux/unix下对文本和数据进行处理。数据可以来自标准输入、一个或多个文件,或其它命令的输出。它支持用户自定义函数和动态正则表达式等先进功能,是linux/unix下的一个强大编程工具。它在命令行中使用,但更多是作为脚本来使用。
awk的处理文本和数据的方式:它逐行扫描文件,从第一行到
- android permission
布衣凌宇
Permission
<uses-permission android:name="android.permission.ACCESS_CHECKIN_PROPERTIES" ></uses-permission>允许读写访问"properties"表在checkin数据库中,改值可以修改上传
<uses-permission android:na
- Oracle和谷歌Java Android官司将推迟
aijuans
javaoracle
北京时间 10 月 7 日,据国外媒体报道,Oracle 和谷歌之间一场等待已久的官司可能会推迟至 10 月 17 日以后进行,这场官司的内容是 Android 操作系统所谓的 Java 专利权之争。本案法官 William Alsup 称根据专利权专家 Florian Mueller 的预测,谷歌 Oracle 案很可能会被推迟。 该案中的第二波辩护被安排在 10 月 17 日出庭,从目前看来
- linux shell 常用命令
antlove
linuxshellcommand
grep [options] [regex] [files]
/var/root # grep -n "o" *
hello.c:1:/* This C source can be compiled with:
- Java解析XML配置数据库连接(DOM技术连接 SAX技术连接)
百合不是茶
sax技术Java解析xml文档dom技术XML配置数据库连接
XML配置数据库文件的连接其实是个很简单的问题,为什么到现在才写出来主要是昨天在网上看了别人写的,然后一直陷入其中,最后发现不能自拔 所以今天决定自己完成 ,,,,现将代码与思路贴出来供大家一起学习
XML配置数据库的连接主要技术点的博客;
JDBC编程 : JDBC连接数据库
DOM解析XML: DOM解析XML文件
SA
- underscore.js 学习(二)
bijian1013
JavaScriptunderscore
Array Functions 所有数组函数对参数对象一样适用。1.first _.first(array, [n]) 别名: head, take 返回array的第一个元素,设置了参数n,就
- plSql介绍
bijian1013
oracle数据库plsql
/*
* PL/SQL 程序设计学习笔记
* 学习plSql介绍.pdf
* 时间:2010-10-05
*/
--创建DEPT表
create table DEPT
(
DEPTNO NUMBER(10),
DNAME NVARCHAR2(255),
LOC NVARCHAR2(255)
)
delete dept;
select
- 【Nginx一】Nginx安装与总体介绍
bit1129
nginx
启动、停止、重新加载Nginx
nginx 启动Nginx服务器,不需要任何参数u
nginx -s stop 快速(强制)关系Nginx服务器
nginx -s quit 优雅的关闭Nginx服务器
nginx -s reload 重新加载Nginx服务器的配置文件
nginx -s reopen 重新打开Nginx日志文件
- spring mvc开发中浏览器兼容的奇怪问题
bitray
jqueryAjaxspringMVC浏览器上传文件
最近个人开发一个小的OA项目,属于复习阶段.使用的技术主要是spring mvc作为前端框架,mybatis作为数据库持久化技术.前台使用jquery和一些jquery的插件.
在开发到中间阶段时候发现自己好像忽略了一个小问题,整个项目一直在firefox下测试,没有在IE下测试,不确定是否会出现兼容问题.由于jquer
- Lua的io库函数列表
ronin47
lua io
1、io表调用方式:使用io表,io.open将返回指定文件的描述,并且所有的操作将围绕这个文件描述
io表同样提供三种预定义的文件描述io.stdin,io.stdout,io.stderr
2、文件句柄直接调用方式,即使用file:XXX()函数方式进行操作,其中file为io.open()返回的文件句柄
多数I/O函数调用失败时返回nil加错误信息,有些函数成功时返回nil
- java-26-左旋转字符串
bylijinnan
java
public class LeftRotateString {
/**
* Q 26 左旋转字符串
* 题目:定义字符串的左旋转操作:把字符串前面的若干个字符移动到字符串的尾部。
* 如把字符串abcdef左旋转2位得到字符串cdefab。
* 请实现字符串左旋转的函数。要求时间对长度为n的字符串操作的复杂度为O(n),辅助内存为O(1)。
*/
pu
- 《vi中的替换艺术》-linux命令五分钟系列之十一
cfyme
linux命令
vi方面的内容不知道分类到哪里好,就放到《Linux命令五分钟系列》里吧!
今天编程,关于栈的一个小例子,其间我需要把”S.”替换为”S->”(替换不包括双引号)。
其实这个不难,不过我觉得应该总结一下vi里的替换技术了,以备以后查阅。
1
所有替换方案都要在冒号“:”状态下书写。
2
如果想将abc替换为xyz,那么就这样
:s/abc/xyz/
不过要特别
- [轨道与计算]新的并行计算架构
comsci
并行计算
我在进行流程引擎循环反馈试验的过程中,发现一个有趣的事情。。。如果我们在流程图的每个节点中嵌入一个双向循环代码段,而整个流程中又充满着很多并行路由,每个并行路由中又包含着一些并行节点,那么当整个流程图开始循环反馈过程的时候,这个流程图的运行过程是否变成一个并行计算的架构呢?
- 重复执行某段代码
dai_lm
android
用handler就可以了
private Handler handler = new Handler();
private Runnable runnable = new Runnable() {
public void run() {
update();
handler.postDelayed(this, 5000);
}
};
开始计时
h
- Java实现堆栈(list实现)
datageek
数据结构——堆栈
public interface IStack<T> {
//元素出栈,并返回出栈元素
public T pop();
//元素入栈
public void push(T element);
//获取栈顶元素
public T peek();
//判断栈是否为空
public boolean isEmpty
- 四大备份MySql数据库方法及可能遇到的问题
dcj3sjt126com
DBbackup
一:通过备份王等软件进行备份前台进不去?
用备份王等软件进行备份是大多老站长的选择,这种方法方便快捷,只要上传备份软件到空间一步步操作就可以,但是许多刚接触备份王软件的客用户来说还原后会出现一个问题:因为新老空间数据库用户名和密码不统一,网站文件打包过来后因没有修改连接文件,还原数据库是好了,可是前台会提示数据库连接错误,网站从而出现打不开的情况。
解决方法:学会修改网站配置文件,大多是由co
- github做webhooks:[1]钩子触发是否成功测试
dcj3sjt126com
githubgitwebhook
转自: http://jingyan.baidu.com/article/5d6edee228c88899ebdeec47.html
github和svn一样有钩子的功能,而且更加强大。例如我做的是最常见的push操作触发的钩子操作,则每次更新之后的钩子操作记录都会在github的控制板可以看到!
工具/原料
github
方法/步骤
- ">的作用" target="_blank">JSP中的作用
蕃薯耀
JSP中<base href="<%=basePath%>">的作用
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
- linux下SAMBA服务安装与配置
hanqunfeng
linux
局域网使用的文件共享服务。
一.安装包:
rpm -qa | grep samba
samba-3.6.9-151.el6.x86_64
samba-common-3.6.9-151.el6.x86_64
samba-winbind-3.6.9-151.el6.x86_64
samba-client-3.6.9-151.el6.x86_64
samba-winbind-clients
- guava cache
IXHONG
cache
缓存,在我们日常开发中是必不可少的一种解决性能问题的方法。简单的说,cache 就是为了提升系统性能而开辟的一块内存空间。
缓存的主要作用是暂时在内存中保存业务系统的数据处理结果,并且等待下次访问使用。在日常开发的很多场合,由于受限于硬盘IO的性能或者我们自身业务系统的数据处理和获取可能非常费时,当我们发现我们的系统这个数据请求量很大的时候,频繁的IO和频繁的逻辑处理会导致硬盘和CPU资源的
- Query的开始--全局变量,noconflict和兼容各种js的初始化方法
kvhur
JavaScriptjquerycss
这个是整个jQuery代码的开始,里面包含了对不同环境的js进行的处理,例如普通环境,Nodejs,和requiredJs的处理方法。 还有jQuery生成$, jQuery全局变量的代码和noConflict代码详解 完整资源:
http://www.gbtags.com/gb/share/5640.htm jQuery 源码:
(
- 美国人的福利和中国人的储蓄
nannan408
今天看了篇文章,震动很大,说的是美国的福利。
美国医院的无偿入院真的是个好措施。小小的改善,对于社会是大大的信心。小孩,税费等,政府不收反补,真的体现了人文主义。
美国这么高的社会保障会不会使人变懒?答案是否定的。正因为政府解决了后顾之忧,人们才得以倾尽精力去做一些有创造力,更造福社会的事情,这竟成了美国社会思想、人
- N阶行列式计算(JAVA)
qiuwanchi
N阶行列式计算
package gaodai;
import java.util.List;
/**
* N阶行列式计算
* @author 邱万迟
*
*/
public class DeterminantCalculation {
public DeterminantCalculation(List<List<Double>> determina
- C语言算法之打渔晒网问题
qiufeihu
c算法
如果一个渔夫从2011年1月1日开始每三天打一次渔,两天晒一次网,编程实现当输入2011年1月1日以后任意一天,输出该渔夫是在打渔还是在晒网。
代码如下:
#include <stdio.h>
int leap(int a) /*自定义函数leap()用来指定输入的年份是否为闰年*/
{
if((a%4 == 0 && a%100 != 0
- XML中DOCTYPE字段的解析
wyzuomumu
xml
DTD声明始终以!DOCTYPE开头,空一格后跟着文档根元素的名称,如果是内部DTD,则再空一格出现[],在中括号中是文档类型定义的内容. 而对于外部DTD,则又分为私有DTD与公共DTD,私有DTD使用SYSTEM表示,接着是外部DTD的URL. 而公共DTD则使用PUBLIC,接着是DTD公共名称,接着是DTD的URL.
私有DTD
<!DOCTYPErootSYST