- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-metrics.py
红色的山茶花
YOLO笔记深度学习
metrics.pyultralytics\utils\metrics.py目录metrics.py1.所需的库和模块2.defbbox_ioa(box1:np.ndarray,box2:np.ndarray,iou:bool=False,eps:float=1e-7)->np.ndarray:3.defbox_iou(box1:torch.Tensor,box2:torch.Tensor,eps
- YOLOv12_ultralytics-8.3.145部分代码阅读笔记-utils.py
红色的山茶花
YOLO笔记深度学习
utils.pyultralytics\nn\modules\utils.py目录utils.py1.所需的库和模块2.def_get_clones(module,n):3.definverse_sigmoid(x,eps=1e-5):4.defmulti_scale_deformable_attn_pytorch(value:torch.Tensor,value_spatial_shapes:t
- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-loss.py
红色的山茶花
YOLO笔记深度学习
loss.pyultralytics\utils\loss.py目录loss.py1.所需的库和模块2.classVarifocalLoss(nn.Module):3.classFocalLoss(nn.Module):4.classDFLoss(nn.Module):5.classBboxLoss(nn.Module):6.classv8DetectionLoss:7.classE2EDetec
- YOLOv11-ultralytics-8.3.67部分代码阅读笔记-utils.py
红色的山茶花
YOLO笔记深度学习
utils.pyultralytics\nn\modules\utils.py目录utils.py1.所需的库和模块2.def_get_clones(module,n):3.defbias_init_with_prob(prior_prob=0.01):4.deflinear_init(module):5.definverse_sigmoid(x,eps=1e-5):6.defmulti_scal
- YOLOv11-ultralytics-8.3.67部分代码阅读笔记-predict.py
红色的山茶花
YOLO笔记深度学习
predict.pyultralytics\models\yolo\detect\predict.py目录predict.py1.所需的库和模块2.classDetectionPredictor(BasePredictor):1.所需的库和模块#UltralyticsAGPL-3.0License-https://ultralytics.com/licensefromultralytics.eng
- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-torch_utils.py
红色的山茶花
YOLO笔记深度学习
torch_utils.pyultralytics\utils\torch_utils.py目录torch_utils.py1.所需的库和模块2.defsmart_inference_mode():3.defautocast(enabled:bool,device:str="cuda"):4.deftime_sync():5.deffuse_conv_and_bn(conv,bn):6.deffu
- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-autobackend.py
红色的山茶花
YOLO笔记深度学习
autobackend.pyultralytics\nn\autobackend.py目录autobackend.py1.所需的库和模块2.defcheck_class_names(names:Union[List,Dict])->Dict[int,str]:3.defdefault_class_names(data:Optional[Union[str,Path]]=None)->Dict[in
- YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-block.py
红色的山茶花
YOLO笔记深度学习
block.pyultralytics\nn\modules\block.py目录block.py1.所需的库和模块2.classDFL(nn.Module):3.classProto(nn.Module):4.classHGStem(nn.Module):5.classHGBlock(nn.Module):6.classSPP(nn.Module):7.classSPPF(nn.Module):
- 阅读笔记(2) 单层网络:回归
a2507283885
笔记
阅读笔记(2)单层网络:回归该笔记是DataWhale组队学习计划(共度AI新圣经:深度学习基础与概念)的Task02以下内容为个人理解,可能存在不准确或疏漏之处,请以教材为主。1.从泛函视角来看线性回归还记得线性代数里学过的“基”这个概念吗?一组基向量是一组线性无关的向量,它们通过线性组合可以张成一个向量空间。也就是说,这个空间里的任意一个向量,都可以表示成这组基的线性组合。函数其实也可以看作是
- 蔡高厅老师 - 高等数学-阅读笔记 - 01 - 前言、函数【视频第01、02、03、】
Franklin
数学线性代数
高等数学前言;196学时,每周6课主要内容:上册一元、多元函数数,微分学、积分学、矢量代数、空间解析几何无穷级数、微分方程,多元函数微分学和积分学目的:高等数学3基:1高等数学的基本知识2高度数学的基本理论3高等数学的基本计算方法提高数学素养培养:抽象思维、逻辑推理、辩证的思想方法、空间想象能力、分析问题、解决问题的能力为进一步学习打下必要的学习基础和初等数学不同,研究的不是常量而是变量,变量和变
- 【论文阅读笔记】《CodeS: Towards Building Open-source Language Models for Text-to-SQL 》
柠石榴
text2sql论文论文阅读笔记语言模型
文章目录一、论文基本信息1.文章标题2.所属刊物/会议3.发表年份4.作者列表5.发表单位二、摘要三、解决问题四、创新点五、自己的见解和感想六、研究背景七、研究方法模型实验数据评估指标八、总结九、相关重要文献一、论文基本信息1.文章标题CodeS:TowardsBuildingOpen-sourceLanguageModelsforText-to-SQL2.所属刊物/会议未明确标注(会议缩写为“C
- Knowledge Graph Contrastive Learning for Recommendation(KGCL)阅读笔记
forever0827
知识图谱笔记人工智能推荐算法
现有知识图谱(KG)的稀疏性和噪声使得项目-实体依赖关系偏离了反映其真实特征,从而显着放大了噪声效应,阻碍了用户偏好的准确表示。为了填补这一研究空白,作者设计了一个通用的知识图对比学习框架(KGCL),该框架可以减轻知识图增强推荐系统的信息噪声。论文链接:https://doi.org/10.1145/3477495.3532009代码链接:https://github.com/yuh-yang/
- 《深入理解Apache Dubbo与实战》第三章的阅读笔记
我在阳澄湖畔吃炸鸡
后端JAVADubbojava
文章目录前言一、注册中心概述1.简介2.工作流程二、Zookeeper注册1.原理2.发布/订阅三、Redis的注册四、缓存五、设计模式前言本文是《深入理解ApacheDubbo与实战》第三章的阅读笔记。第三章的主要内容是讲注册中心,书中主要围绕:1.注册中心的工作流程2.注册中心的数据结构3.订阅发布的实现4.缓存机制5.重试机制6.设计模式这几个部分讲解一、注册中心概述1.简介Dubbo通过注
- 《算法导论(第4版)》阅读笔记:p175-p181
算法
《算法导论(第4版)》学习第31天,p175-p181总结,总计7页。一、技术总结无。二、英语总结(生词:1)1.amortize(1)amortize:a-("to")+mortus("dead")vt.amortizeoriginallymeans"tokilloff",overtime,itevolvestomean"topayoffgraduallybyperiodicpaymentsof
- 【论文阅读笔记】HaDes幻觉检测benchmark
zsq
论文分享论文阅读笔记NLP大语言模型幻觉
0论文信息题目:AToken-levelReference-freeHallucinationDetectionBenchmarkforFree-formTextGeneration作者:TianyuLiu,YizheZhang,ChrisBrockett,YiMao,ZhifangSui,WeizhuChen,BillDolan会议:ACL,2022链接:https://arxiv.org/ab
- 论文阅读笔记—— Multi-attentional Deepfake Detection
jessIoss
论文阅读笔记DeepFake论文阅读笔记
文章目录Multi-attentionalDeepfakeDetection背景创新贡献方法注意图正则化的区域独立性损失注意力引导的数据增强实验Multi-attentionalDeepfakeDetection来源:CVPR2021作者:HanqingZhao1WenboZhou1,†DongdongChen2TianyiWei1WeimingZhang1,†NenghaiYu1单位:Unive
- [论文阅读笔记] Learning Transferable Visual Models From Natural Language Supervision
Heartache Doctor
笔记论文阅读笔记
Abstract将LLM带来的语言zero-shot能力扩展到图像领域,让图像pretrain不再局限于由数据集定义的类别,从而大幅度提升在downstream任务zero-shot的精度。文章提供了从零预训练的CLIP模型,用以训练的大数据集,以及基于对比学习的对齐方案。IntroductionNLP领域下,使用大量数据pretrain>使用高质量标注数据集。→\rightarrow→CV是否也
- GLIDE论文阅读笔记与DDPM(Diffusion model)的原理推导
大写-凌祁
论文阅读笔记人工智能深度学习python机器学习计算机视觉
Abstract扩散模型(Diffusionmodel)最近被证明可以生成高质量的合成图像,尤其是当它们与某种引导技术结合使用时,可以在生成结果的多样性与保真度之间进行权衡。本文探讨了在文本条件图像生成任务中使用扩散模型,并比较了两种不同的引导策略:CLIP引导和无分类器引导。我们发现,人类评估者更倾向于使用无分类器引导方法,无论是在照片真实感还是与文本描述的匹配度方面,该方法通常都能生成具有高度
- 论文阅读笔记——FLOW MATCHING FOR GENERATIVE MODELING
寻丶幽风
Background论文阅读笔记流匹配扩散模型人工智能
FlowMatching论文扩散模型:根据中心极限定理,对原始图像不断加高斯噪声,最终将原始信号破坏为近似的标准正态分布。这其中每一步都构造为条件高斯分布,形成离散的马尔科夫链。再通过逐步去噪得到原始图像。Flowmatching采取直接将已知分布(如白噪声)转换为真实数据分布来生成数据,并且Flow是基于NormalizingFlow,故而是可微双射。生成过程中变化的概率密度构成一个集合,称为概
- idea两个好用的插件-Code Reading Note与RestfulTool
软件老王
intellij-ideajavaintellijidea
1、问题描述介绍两个idea插件,感觉很好用,记录下。2、问题描述解决2.1CodeReadingNote插件——代码阅读笔记这个插件的原始功能是:对指定代码记录阅读笔记,然后增加到指定代码点,纳尼?看个代码还要把读书笔记写到代码中啊?个人认为有点小鸡肋。。2.1.1需求点(1)idea快捷键有些记不住,比如:Ctrl+Alt+T,使用(if…else,try…catch,for,synchron
- 论文阅读笔记——Step1X-Edit: A Practical Framework for General Image Editing
寻丶幽风
论文阅读笔记论文阅读笔记理解生成模型多模态人工智能
Step1X-Edit论文当前图像编辑数据集规模小,质量差,由此构建了如下数据构造管线。高质量三元组数据(源图像、编辑指令、目标图像)。主体添加与移除:使用Florence-2对专有数据集标注,然后使用SAM2进行分割,再使用ObjectRemovalAlpha进行修复。编辑指令结合Step-1o和GPT-4o生成,然后人工审查有效性。主体替换与背景更改:使用Florence-2对专有数据集标注,
- 《算法导论(第4版)》阅读笔记:p162-p163
算法
《算法导论(第4版)》学习第28天,p162-p163总结,总计2页。一、技术总结1.heapsort(1)(binary)heap(堆/二叉堆)(2)completebinarytree(完全二叉树)(3)max-heap(最大堆)定义:A[PARENT(i)]≥A[i]。看了很多定义,不得不说还是这个定义最简洁,准确。(4)min-heap(最小堆)定义:A[PARENT(i)]≤A[i]。2
- 论文阅读笔记——Nexus-Gen: A Unified Model for Image Understanding, Generation, and Editing
寻丶幽风
论文阅读笔记论文阅读笔记多模态理解生成自回归扩散模型
Nexus-Gen论文Nexus-Gen采用预测图像嵌入作为中间条件,链接自回归模型和扩散模型,通过预填充自回归避免嵌入误差传播,突破传统外界LLM因条件压缩导致信息丢失,提高理解生成模型在理解任务和生成任务上的性能表现。传统的图像生成任务往往局限于Text-to-Image场景,模型侧重于图像质量或局部内容填充。而Nexus-Gen的架构设计突破了这一范式,不仅具备高质量图像生成能力,还可以执行
- 《算法导论(第4版)》阅读笔记:p134-p155
算法
《算法导论(第4版)》学习第26天,p134-p155总结,总计22页。一、技术总结无。二、英语总结(生词:1)1.paradox(1)paradox:para-("contraryto")+doxa("opinion")c/u.asituationthatcontainstwooppositefacts(悖论)。(2)示例"Thisstatementisfalse."isaparadox——If
- 《算法导论(第4版)》阅读笔记:p127-p133
codists
读书笔记算法
《算法导论(第4版)》学习第24天,p127-p133总结,总计7页。一、技术总结1.probabilisticanalysis(概率分析)(1)定义Probabilisticanalysisistheuseofprobabilityintheanalysisofproblems.2.randomizedalgorithm(1)定义Moregenerally,wecallanalgorithmra
- 《算法导论(第4版)》阅读笔记:p1178-p1212
算法
《算法导论(第4版)》学习第25天,p1178-p1212总结,总计35页。一、技术总结1.AppendixC:CountingandProbability附录C介绍了计数理论(如:和规则,积规则,串,排列,组合,二项式系数,二项式界等),概率理论(如:样本空间,事件,概率论公理,离散概率分布,连续均匀概率分布,贝叶斯定理等),几何分布与二项分布,二项分布的尾部探究。第5章会时不时的涉及这些内容,
- 《算法导论(第4版)》阅读笔记:p115-p126
算法
《算法导论(第4版)》学习第23天,p101-p114总结,总计14页。一、技术总结无。二、英语总结(生词:1)1.vagary(1)vagary:vagus("roving,wandering(闲逛)")c.originally,vagarymeansphysicalwandering,overtime,itevolvestodescribeunpredictablechanges(变幻莫测)。
- 论文阅读笔记——PixArt-α,PixArt-δ
寻丶幽风
论文阅读笔记论文阅读笔记T2I扩散模型文生图
PixArt-αPixArt-α论文仅使用28400美元,28M训练数据,训练时长为SD1.5的10.8%,只有0.6B参数量,达到接近商业应用的水准。现有数据集存在的缺陷:图文匹配偏差、描述信息不完整、词汇多样性不足(长尾效应显著)、低质量数据。为了实现低成本训练,华为采用了三阶段的训练策略:第一个阶段是学习像素依赖关系,简单来说是先学习生成真实的图像,这里是用ImageNet数据集训练一个基于
- 《算法导论(第4版)》阅读笔记:p101-p114
算法
《算法导论(第4版)》学习第22天,p101-p114总结,总计14页。一、技术总结1.themastertheorem(主定理)二、英语总结(生词:1)1.encompass(1)compass:com-("with,together")+passus("astep")compassliterallymeans"tosteptogether",reflectingtheideaofencircl
- 《算法导论(第4版)》阅读笔记:p95-p100
算法
《算法导论(第4版)》学习第21天,p95-p100总结,总计6页。一、技术总结无。二、英语总结(生词:1)1.intuition(1)intuit:in-("into")+tueri("tolookat,whatover,看")vt.tounderstandsomethingimmediatelybasedonyourfeelingratherthanfacts(凭直觉知道)。(2)intuit
- 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">