- 每月深度学习俱乐部第一卷“ ResNeSt”特别版(日文翻译)
qiufeng1ye
月刊ディープラーニング部vol.1"ResNeSt"特集byピジョン(原文链接)每月深度学习俱乐部第一卷“ResNeSt”特别版(日文翻译)封面原文:【特集1】ResNeSt(TensorFlow2.0系)のPyPIパッケージを作りました表紙にも散々強調してありますが、ResNeSt[1]を実装していました。Kaggle,Colaboratory(Jupyter系全般)においては以下のコマンドで導
- ResNeSt 2020 论文阅读笔记
Kloping
ResNeSt:Split-AttentionNetworksGithub:https://github.com/zhanghang1989/ResNeStDetectron2版本Github:https://github.com/zhanghang1989/detectron2-ResNeSt1.Introduction主要谈了一下目前一些ResNet的变体网络存在的问题最近大部分的下游应用还是
- 利用魔搭中的开源模型进行动物识别
另一个人。
深度学习人工智能深度学习
细粒度动物识别(8k类)模型介绍本模型是对含有动物的图像进行标签识别,无需任何额外输入,输出动物的类别标签,目前已经覆盖了8K多类的细粒度的动物类别。模型描述模型采用resnest101网络结构。使用方式和范围使用方式:直接推理,对输入的图像,输入图像直接进行推理。使用场景:适合含有动物的图像进行动物标签识别,期望图像中动物占比不要过小。代码范例:#encoding=utf-8frommodels
- 论文阅读——ResNeSt: Split-Attention Networks
吃远
一、摘要 尽管图像分类任务持续取得进步,诸如物体检测和语义分割等下游应用在选择骨干网络时仍然大量采用resnet及其变体,因为resnet简单且模块化的结构。本文提出了一个模块化的分离-注意力模块(split-attentionblock),实现在网络中对特征图跨组(featuregroups)使用注意力机制。通过以resnet风格对split-attentionblock进行堆叠,我们得到一个
- 目标检测:记录mmdetection替换backbone为ResNeSt
qq_30612045
pytorch深度学习人工智能python
提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录前言一、基本环境配置二、实现过程1.Defineresnest2.Importthemodule3.适配resnest.py4.适配resnet.py5.Usethebackboneinyourconfigfile前言实验需要将现有开源目标检测代码的backbone替换为ResNeSt,开源代码基于mmdetectionv1开
- 基于Attention机制的轻量级网络架构以及代码实现
深度学习技术前沿
网络python计算机视觉机器学习人工智能
点击上方,选择星标或置顶,不定期资源大放送!阅读大概需要10分钟Follow小博主,每天更新前沿干货导读之前详细介绍了轻量级网络架构的开源项目,详情请看深度学习中的轻量级网络架构总结与代码实现,今日更新了基于注意力机制的轻量级网络架构,主要包括ECANet、SANet、ResNeSt、Tripletattention等.主要将上述即插即用的注意力模块集成到MobileNetv2的框架中,具体代码可
- 【最强ResNet改进系列】IResNet:涨点不涨计算量,可训练网络超过3000层!
深度学习技术前沿
计算机视觉神经网络机器学习人工智能深度学习
点击上方,选择星标或置顶,不定期资源大放送!阅读大概需要15分钟Follow小博主,每天更新前沿干货【导读】本篇文章是【最强ResNet改进系列】的第四篇文章,前面我们已经介绍了Res2Net和ResNeSt,具体见:【最强ResNet改进系列】Res2Net:一种新的多尺度网络结构,性能提升显著和【CV中的注意力机制】史上最强"ResNet"变体--ResNeSt。本文我们将着重讲解IResNe
- 【语义分割】对开源FastFCN的改动:FastFCN-Resnest-Xception
幻世至上
语义分割深度学习githubFastFCNResNest
这篇文章主要是推广一下自己修改的FastFCN,为原文添加了一点backbone,方便有需要的研究者进行研究和学习~主要特点:添加了Resnest和Xception65模型,Xception65没有预训练模型;使用方法与原文相同,即在原文的–backbone[resnet50|resnet101]中,添加了–backbone[resnet50|resnet101|resnest50|resnest
- MMdetection中Backbone的实现-ResNet50
L闰土
目标检测MMdetection深度学习人工智能python目标检测pytorch
ResNet50的源码路径为mmdet/models/backbones/resnet.py。ResNet系列网络是经典网络之一,后续很多变种(如ResNeXt和ResNeSt等)和其他网络都借鉴了其残差块结构,首先先对一些结构名词做一些解释,便于理解。残差块,即ResidualBlock,也就是接下来要讲解的BasicBlock和Bottleneck两个基本模块,若干卷积层、归一化层和激活层构成
- nn.AvgPool2d实现nn.AdaptiveAvgPool2d
joyce_peng
#深度学习框架pythonpytorch
importtorch#数据x=torch.randn([1,3,4,4])print(x.shape)#nn.AdaptiveAvgPool2d结果gap=nn.AdaptiveAvgPool2d(1)print(gap(x))#nn.AvgPool2d结果,参考resnest代码gap2=nn.AvgPool2d(kernel_size=(x.size(2),x.size(3)))#ceil_
- ResNeSt中的ResNest Block(split-attention blocks)
CVer_Yxq
深度学习
从图中很明显可以看出ResNeSt是SENet-block、SKNet-block和ResNeXt的集成。首先和ResNeXt一样,先将输入划分为K份,每一个都记作CardinalX。然后将每个Cardinal继续拆分为SplitY,所以总共就有G=XY个分支(可以想象成一棵树)。SplitY是由若干卷积组成,用于特征的提取,同一个Cardinal里的Split通过同一个SplitAttentio
- ResNeSt网络结构概要解读
Moeyinss
DL#网络结构基础
本篇主要介绍ResNeSt,其他相关系列及其变体见如下blog目录ResNet系列及其变体目录ResNeSt:Split-AttentionNetworksenablesattentionacrossfeature-mapgroups,提出Split-Attention模块。背景知识基于Multi-pathandFeature-mapAttention。GoogleNet中提出Multi-path
- 【机器学习】详解 ResNeSt
何处闻韶
【机器学习与深度学习】深度学习
目录摘要一、介绍二、相关工作2.1现代CNN架构2.2多路和特征图注意力2.3神经架构搜索三、原理(Split-AttentionNetworks)3.1Feature-MapGroup3.2SplitAttentioninCardinalGroups3.3ResNeStBlock3.4Instantiation,Acceleration,andComputationalCosts3.5Relat
- resnest中split-attention代码实现步骤解析
qq_42556102
深度学习python机器学习
split-attention先看看原论文的模型图,这里不讲论文的模型图,讲实际代码实现流程。当我看完代码后发觉,代码实现步骤跟论文原图中的步骤是有差别的,当然内部实际计算是一样的。下面我会以举例的形式呈现代码实现split-attention模块的计算步骤。1.下面的步骤得到了splited元组,可以看到分组是radix组为大组,groups反倒是小组,这是为了方便代码操作才这样分。2.下面的步
- ResNeSt的代码阅读(pytorch版本)ResNeSt Split-Attention Networks
佑林杉
网络结构网络python
Torch版本主要分为四部分,ResNet、ResNeSt、split-attention和ablationsplit-attention模块也就是下面的图:上图对应论文中的:ResNet就是基本的resnet的编码:classBottleneck(nn.Module):就是对ResNet的bottleneck的编写,需要说的是,全局平均池化没有采用之前的网络采取对池化函数进行编码的方式,如下所:
- 【论文】ResNeSt: Split-Attention Networks
joyce_peng
深度学习
论文:https://arxiv.org/pdf/2004.08955v1.pdf代码:https://github.com/zhanghang1989/ResNeStB站讲解:https://www.bilibili.com/video/BV1PV411k7ch#reply3078900535目录作者试图解决什么问题研究方法的关键是什么哪些东西可以为你所用哪些参考文献可以跟进一.作者试图解决什么
- ResNeSt 模型分析和代码详解 (拆组和通道注意力ResNet)
老光头_ME2CS
卷积神经网络Pytorch深度学习
ResNeSt:Split-AttentionNetworks模型的拆分注意力网络,最近特别火,主要是作为深度学习的backbone模型,ResNeSt在不同的图像任务中都有效提高了模型的预测精度。因此今天分享下,最近两天学习的心得体会,参考资料如下:ResNeSt:Split-AttentionNetworksgithub官网B站作者讲解张航主页文章目录安装使用ResNeSt创新点split(m
- ResNeSt 之我见
Enjoy_endless
Deeplearning
今天是10.8号,国庆假期的最后一天,终于可以静下来看一篇文章了。最近很茫(是茫然的茫)、正值秋招见尾,今年cv领域的算法岗位确实是不太好找,好多公司企业最低要求都是博士起步了,当然自己能力不足确是原罪。大部分cv的同学、能找到cv岗位的已经比较少了、要不转了搜广推(偏nlp)、要不就只能是AI算法、或者开发等岗位了。搜广推这一块岗位多、工资高,确实不知道自己将会如何选择了,可能明年这个时候就去搞
- 图像分类(一) ResNest——基于Channel-Wise的Split Attention及其block实现
lzzzzzzm
#图像分类深度学习分类python人工智能图像分类注意力
一、回顾Resnet和ResnextResnet的Residual结构Resnext中的Multi-branch结构二、Channel-Wise通道注意力三、Resnest主要涉及思想Split和poolingAttention总结前言ResNest被称为最强的resnet变体,而ResNest的主要设计思想就是考虑两个方面。一方面想利用Inception中多分支结构带来模型学习能力的提升。另一方
- EfficientDet_ResneSt_YOLOV4
baidu_36557924
深度学习
EfficientDet(2019/11/20)ResneSt(2020/4/19)YOLOV4(2020/4/23)1、EfficientDet论文:(https://arxiv.org/pdf/1911.09070.pdf)代码:(https://github.com/zylo117/Yet-Another-EfficientDet-Pytorch)什么检测器能够兼顾准确率和模型效率?如何才能
- ResNet变种(ResNet-B/C/D、Res2Net、ResNeXt、ResNeSt)
@会飞的毛毛虫
深度学习+torch专栏ResNetResNeXtResNeSt
ResNet-B/C/DResNet-B:将残差分支的下采样移到后面的3×3卷积里,避免了信息的大量流失。因为原始1×1卷积既要降维又要降尺寸,信息流失比较严重,因此做一个解耦。ResNet-C:将输入部分的7×7卷积核替换为3个3×3卷积核,显著降低参数量和计算量。ResNet-D:在ResNet-B的基础上,做了一个解耦,将identity部分的下采样交给avgpool去做,避免出现1×1卷积
- ResNet最强改进版来啦!ResNest在多项任务中达到SOTA
深度学习技术前沿
关注上方“深度学习技术前沿”,选择“星标公众号”,资源干货,第一时间送达!转载:机器之心编辑:深度学习技术前沿2015年,ResNet横空出世,一举斩获CVPR2016最佳论文奖,而且在Imagenet比赛的三个任务以及COCO比赛的检测和分割任务上都获得了第一名。四年过去,这一论文的被引量已达43413次。最近,来自亚马逊、加州大学戴维斯分校的张航、李沐、AlexanderSmola等研究者进一
- Attentional Feature Fusion阅读笔记
Ma lidong
Attention人工智能计算机视觉原力计划
WACV2021YimianDai,FabianGieseke,StefanOehmcke,YiquanWu,KobusBarnard论文地址一、简介现有注意力存在三个缺点:1)有限的使用场景,SKNet和ResNeSt只关注同一层的特征选择,而跨层融合未得到有效解决,面临着如何集成不同尺度特征的问题。2)简单的初始集成,为了将得到的特征提供给注意模块,SKNet通过相加来进行特征融合,而这些特征
- 【论文笔记】张航和李沐等提出:ResNeSt: Split-Attention Networks(ResNet改进版本)
keocce
github地址:https://github.com/zhanghang1989/ResNeSt论文地址:https://hangzhang.org/files/resnest.pdf核心就是:Split-attentionblocks先看一组图:ResNeSt在图像分类上中ImageNet数据集上超越了其前辈ResNet、ResNeXt、SENet以及EfficientNet。使用ResNeS
- 《ResNeSt: Split-Attention Networks》阅读笔记
6个小石头
阅读论文神经网络计算机视觉
目录一、论文二、阅读资料三、网络对比四、代码五、论文部分翻译一、论文《ResNeSt:Split-AttentionNetworks》二、阅读资料关于ResNeSt的点滴疑惑ResNet最强改进版来了!ResNeSt:Split-AttentionNetworks【论文笔记】张航和李沐等提出:ResNeSt:Split-AttentionNetworks(ResNet改进版本)三、网络对比1、SE
- 深度学习-backbone网络模型
ReaFly
CV--通用模块
1.VGG2.ResNet3.DenseNet4.ResNeXt相关代码参考:PyTorch实现ResNeXt5.ResNeSt在ResNeXt的分组结构基础上,继续对每组划分R个split,执行SplitAttention操作,最后将各个分组concatenate一起,经变换后和原始输入叠加在一起,构成ResNetSt残差模块。思想上类似于ResNeXt和SKNet的结合。SplitAttent
- 『paddle』paddleclas 学习笔记:分类预训练模型选择
libo-coder
深度学习框架paddlepaddle
目录ImageNet预训练模型库模型库概览图SSLD知识蒸馏预训练模型ResNet及其Vd系列移动端系列SEResNeXt与Res2Net系列DPN与DenseNet系列HRNet系列Inception系列EfficientNet与ResNeXt101_wsl系列ResNeSt与RegNet系列ViT_and_DeiT系列RepVGG系列MixNet系列ReXNet系列SwinTransforme
- FLOPs与模型推理速度关系
Nine-days
模型压缩
2020/04/22更新刚在相关问题回答里跟ResNest作者讨论的时候又发现一个学术论文与工业界需求偏差的地方。好多使用attention的网络,比如x=x*sigmoid(x),实际上需要把tensor拷贝一次,这其实增大了显存占用,而显存占用是影响工业界实际应用的。因为工业界考虑的不是FLOPs,甚至也不是单纯的inferencetime,考虑的是把一块儿GPU打满情况下的QPS(queri
- 深度学习图像分类(十):ResNet外传系列
Arwin(Haowen Yu)
计算机视觉深度学习计算机视觉卷积神经网络
深度学习图像分类(十):ResNeXt,ResNest…文章目录深度学习图像分类(十):ResNeXt,ResNest...前言一、ResNeXt1.Motivation2.ModelArchitecture3.Whyitworks?二、ResNeSt1.SKNet2.ResNet与ResNeSt总结前言由于ResNet在神经网络里的地位实在是无可撼动,其paper引用量在CV界位居第一。因此,基
- 深度详解ResNet到底在解决一个什么问题?
小白学视觉
神经网络机器学习人工智能深度学习计算机视觉
点击上方“小白学视觉”,选择加"星标"或“置顶”重磅干货,第一时间送达https://www.zhihu.com/question/64494691本文仅作为学术分享,如果侵权,会删文处理最近看到不少ResNet的变体,比如ResNeSt、IResNet等。虽然ResNet发布于2015年,但目前仍有大量CV任务用其作为backbone。截止2020年5月1日,ResNet的引用量已达到44224
- 继之前的线程循环加到窗口中运行
3213213333332132
javathreadJFrameJPanel
之前写了有关java线程的循环执行和结束,因为想制作成exe文件,想把执行的效果加到窗口上,所以就结合了JFrame和JPanel写了这个程序,这里直接贴出代码,在窗口上运行的效果下面有附图。
package thread;
import java.awt.Graphics;
import java.text.SimpleDateFormat;
import java.util
- linux 常用命令
BlueSkator
linux命令
1.grep
相信这个命令可以说是大家最常用的命令之一了。尤其是查询生产环境的日志,这个命令绝对是必不可少的。
但之前总是习惯于使用 (grep -n 关键字 文件名 )查出关键字以及该关键字所在的行数,然后再用 (sed -n '100,200p' 文件名),去查出该关键字之后的日志内容。
但其实还有更简便的办法,就是用(grep -B n、-A n、-C n 关键
- php heredoc原文档和nowdoc语法
dcj3sjt126com
PHPheredocnowdoc
<!doctype html>
<html lang="en">
<head>
<meta charset="utf-8">
<title>Current To-Do List</title>
</head>
<body>
<?
- overflow的属性
周华华
JavaScript
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml&q
- 《我所了解的Java》——总体目录
g21121
java
准备用一年左右时间写一个系列的文章《我所了解的Java》,目录及内容会不断完善及调整。
在编写相关内容时难免出现笔误、代码无法执行、名词理解错误等,请大家及时指出,我会第一时间更正。
&n
- [简单]docx4j常用方法小结
53873039oycg
docx
本代码基于docx4j-3.2.0,在office word 2007上测试通过。代码如下:
import java.io.File;
import java.io.FileInputStream;
import ja
- Spring配置学习
云端月影
spring配置
首先来看一个标准的Spring配置文件 applicationContext.xml
<?xml version="1.0" encoding="UTF-8"?>
<beans xmlns="http://www.springframework.org/schema/beans"
xmlns:xsi=&q
- Java新手入门的30个基本概念三
aijuans
java新手java 入门
17.Java中的每一个类都是从Object类扩展而来的。 18.object类中的equal和toString方法。 equal用于测试一个对象是否同另一个对象相等。 toString返回一个代表该对象的字符串,几乎每一个类都会重载该方法,以便返回当前状态的正确表示.(toString 方法是一个很重要的方法) 19.通用编程:任何类类型的所有值都可以同object类性的变量来代替。
- 《2008 IBM Rational 软件开发高峰论坛会议》小记
antonyup_2006
软件测试敏捷开发项目管理IBM活动
我一直想写些总结,用于交流和备忘,然都没提笔,今以一篇参加活动的感受小记开个头,呵呵!
其实参加《2008 IBM Rational 软件开发高峰论坛会议》是9月4号,那天刚好调休.但接着项目颇为忙,所以今天在中秋佳节的假期里整理了下.
参加这次活动是一个朋友给的一个邀请书,才知道有这样的一个活动,虽然现在项目暂时没用到IBM的解决方案,但觉的参与这样一个活动可以拓宽下视野和相关知识.
- PL/SQL的过程编程,异常,声明变量,PL/SQL块
百合不是茶
PL/SQL的过程编程异常PL/SQL块声明变量
PL/SQL;
过程;
符号;
变量;
PL/SQL块;
输出;
异常;
PL/SQL 是过程语言(Procedural Language)与结构化查询语言(SQL)结合而成的编程语言PL/SQL 是对 SQL 的扩展,sql的执行时每次都要写操作
- Mockito(三)--完整功能介绍
bijian1013
持续集成mockito单元测试
mockito官网:http://code.google.com/p/mockito/,打开documentation可以看到官方最新的文档资料。
一.使用mockito验证行为
//首先要import Mockito
import static org.mockito.Mockito.*;
//mo
- 精通Oracle10编程SQL(8)使用复合数据类型
bijian1013
oracle数据库plsql
/*
*使用复合数据类型
*/
--PL/SQL记录
--定义PL/SQL记录
--自定义PL/SQL记录
DECLARE
TYPE emp_record_type IS RECORD(
name emp.ename%TYPE,
salary emp.sal%TYPE,
dno emp.deptno%TYPE
);
emp_
- 【Linux常用命令一】grep命令
bit1129
Linux常用命令
grep命令格式
grep [option] pattern [file-list]
grep命令用于在指定的文件(一个或者多个,file-list)中查找包含模式串(pattern)的行,[option]用于控制grep命令的查找方式。
pattern可以是普通字符串,也可以是正则表达式,当查找的字符串包含正则表达式字符或者特
- mybatis3入门学习笔记
白糖_
sqlibatisqqjdbc配置管理
MyBatis 的前身就是iBatis,是一个数据持久层(ORM)框架。 MyBatis 是支持普通 SQL 查询,存储过程和高级映射的优秀持久层框架。MyBatis对JDBC进行了一次很浅的封装。
以前也学过iBatis,因为MyBatis是iBatis的升级版本,最初以为改动应该不大,实际结果是MyBatis对配置文件进行了一些大的改动,使整个框架更加方便人性化。
- Linux 命令神器:lsof 入门
ronin47
lsof
lsof是系统管理/安全的尤伯工具。我大多数时候用它来从系统获得与网络连接相关的信息,但那只是这个强大而又鲜为人知的应用的第一步。将这个工具称之为lsof真实名副其实,因为它是指“列出打开文件(lists openfiles)”。而有一点要切记,在Unix中一切(包括网络套接口)都是文件。
有趣的是,lsof也是有着最多
- java实现两个大数相加,可能存在溢出。
bylijinnan
java实现
import java.math.BigInteger;
import java.util.regex.Matcher;
import java.util.regex.Pattern;
public class BigIntegerAddition {
/**
* 题目:java实现两个大数相加,可能存在溢出。
* 如123456789 + 987654321
- Kettle学习资料分享,附大神用Kettle的一套流程完成对整个数据库迁移方法
Kai_Ge
Kettle
Kettle学习资料分享
Kettle 3.2 使用说明书
目录
概述..........................................................................................................................................7
1.Kettle 资源库管
- [货币与金融]钢之炼金术士
comsci
金融
自古以来,都有一些人在从事炼金术的工作.........但是很少有成功的
那么随着人类在理论物理和工程物理上面取得的一些突破性进展......
炼金术这个古老
- Toast原来也可以多样化
dai_lm
androidtoast
Style 1: 默认
Toast def = Toast.makeText(this, "default", Toast.LENGTH_SHORT);
def.show();
Style 2: 顶部显示
Toast top = Toast.makeText(this, "top", Toast.LENGTH_SHORT);
t
- java数据计算的几种解决方法3
datamachine
javahadoopibatisr-languer
4、iBatis
简单敏捷因此强大的数据计算层。和Hibernate不同,它鼓励写SQL,所以学习成本最低。同时它用最小的代价实现了计算脚本和JAVA代码的解耦,只用20%的代价就实现了hibernate 80%的功能,没实现的20%是计算脚本和数据库的解耦。
复杂计算环境是它的弱项,比如:分布式计算、复杂计算、非数据
- 向网页中插入透明Flash的方法和技巧
dcj3sjt126com
htmlWebFlash
将
Flash 作品插入网页的时候,我们有时候会需要将它设为透明,有时候我们需要在Flash的背面插入一些漂亮的图片,搭配出漂亮的效果……下面我们介绍一些将Flash插入网页中的一些透明的设置技巧。
一、Swf透明、无坐标控制 首先教大家最简单的插入Flash的代码,透明,无坐标控制: 注意wmode="transparent"是控制Flash是否透明
- ios UICollectionView的使用
dcj3sjt126com
UICollectionView的使用有两种方法,一种是继承UICollectionViewController,这个Controller会自带一个UICollectionView;另外一种是作为一个视图放在普通的UIViewController里面。
个人更喜欢第二种。下面采用第二种方式简单介绍一下UICollectionView的使用。
1.UIViewController实现委托,代码如
- Eos平台java公共逻辑
蕃薯耀
Eos平台java公共逻辑Eos平台java公共逻辑
Eos平台java公共逻辑
>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>
蕃薯耀 2015年6月1日 17:20:4
- SpringMVC4零配置--Web上下文配置【MvcConfig】
hanqunfeng
springmvc4
与SpringSecurity的配置类似,spring同样为我们提供了一个实现类WebMvcConfigurationSupport和一个注解@EnableWebMvc以帮助我们减少bean的声明。
applicationContext-MvcConfig.xml
<!-- 启用注解,并定义组件查找规则 ,mvc层只负责扫描@Controller -->
<
- 解决ie和其他浏览器poi下载excel文件名乱码
jackyrong
Excel
使用poi,做传统的excel导出,然后想在浏览器中,让用户选择另存为,保存用户下载的xls文件,这个时候,可能的是在ie下出现乱码(ie,9,10,11),但在firefox,chrome下没乱码,
因此必须综合判断,编写一个工具类:
/**
*
* @Title: pro
- 挥洒泪水的青春
lampcy
编程生活程序员
2015年2月28日,我辞职了,离开了相处一年的触控,转过身--挥洒掉泪水,毅然来到了兄弟连,背负着许多的不解、质疑——”你一个零基础、脑子又不聪明的人,还敢跨行业,选择Unity3D?“,”真是不自量力••••••“,”真是初生牛犊不怕虎•••••“,••••••我只是淡淡一笑,拎着行李----坐上了通向挥洒泪水的青春之地——兄弟连!
这就是我青春的分割线,不后悔,只会去用泪水浇灌——已经来到
- 稳增长之中国股市两点意见-----严控做空,建立涨跌停版停牌重组机制
nannan408
对于股市,我们国家的监管还是有点拼的,但始终拼不过飞流直下的恐慌,为什么呢?
笔者首先支持股市的监管。对于股市越管越荡的现象,笔者认为首先是做空力量超过了股市自身的升力,并且对于跌停停牌重组的快速反应还没建立好,上市公司对于股价下跌没有很好的利好支撑。
我们来看美国和香港是怎么应对股灾的。美国是靠禁止重要股票做空,在
- 动态设置iframe高度(iframe高度自适应)
Rainbow702
JavaScriptiframecontentDocument高度自适应局部刷新
如果需要对画面中的部分区域作局部刷新,大家可能都会想到使用ajax。
但有些情况下,须使用在页面中嵌入一个iframe来作局部刷新。
对于使用iframe的情况,发现有一个问题,就是iframe中的页面的高度可能会很高,但是外面页面并不会被iframe内部页面给撑开,如下面的结构:
<div id="content">
<div id=&quo
- 用Rapael做图表
tntxia
rap
function drawReport(paper,attr,data){
var width = attr.width;
var height = attr.height;
var max = 0;
&nbs
- HTML5 bootstrap2网页兼容(支持IE10以下)
xiaoluode
html5bootstrap
<!DOCTYPE html>
<html>
<head lang="zh-CN">
<meta charset="UTF-8">
<meta http-equiv="X-UA-Compatible" content="IE=edge">