精华内容
下载资源
问答
  • 1.1 torch.nn简介与功能 第2章torch.nn的组成与子模块 2.1 获取神经网络的模型参数 2.2 主要的容器 2.3线性层 2.4非线性激活函数-1 2.5非线性激活函数 -2 2.6归一化处理 2.7各种损失函数 2.8CNN卷积层 2.9...

    作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

    本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120606523


    目录

    第1章 torch.nn概述

    1.1 torch.nn简介与功能

    第2章 torch.nn的组成与子模块

    2.1 获取神经网络的模型参数

    2.2 主要的容器

    2.3 线性层

    2.4 非线性激活函数-1

    2.5 非线性激活函数 -2 

    2.6 归一化处理

    2.7 各种损失函数

    2.8 CNN卷积层

    2.9 pooling层

    2.10 填充层

    2.11 RNN网络层

    2.12 Dropout层定义

    2.13 Sparse layers

    2.14 距离功能

    2.15 可视化层

    2.16 并行数据层

    2.17 各种工具



    第1章 torch.nn概述

    1.1 torch.nn简介与功能

    nn是Neural Network的简称。

    torch.nn模块是PyTorch提供的,帮助程序员方便(1)创建神经网络和(2)训练神经网络而提供的模块。主要功能包括:

    • 创建神经网络
    • 训练神经网络

    第2章 torch.nn的组成与子模块

    2.1 获取神经网络的模型参数

    1) torch.nn.Parameter获取模型参数                                                                               

    2.2 主要的容器

    Containers
    1)torch.nn.Module它是所有神经网络模块的基类。
    2)torch.nn.Sequential

    它是一个顺序容器,

    其中模块的添加顺序与在构造函数中传递模块时的顺序相同。

    3)torch.nn.ModuleList这会将子模块保存在列表中。
    4)torch.nn.ModuleDict这会将子模块保存在目录中。
    5)torch.nn.ParameterList这会将参数保存在列表中。
    6)torch.nn.parameterDict这会将参数保存在目录中。

    2.3 线性层

    线性层
    1)PyTorch PlaceHolder它是一个占位符身份运算符, 对参数不敏感。
    2)torch.nn.Linear它用于对输入数据进行线性变换:y = xAT + b
    3)torch.nn.Bilinear它用于对输入数据进行双线性变换:y = x1 Ax2 + b

    2.4 非线性激活函数-1

    非线性激活(加权和, 非线性)
    1)torch.nn.ELU它将用于应用按元素的函数:ELU(x)= max(0, x)+ min(0, α*(exp(x)-1))
    2)torch.nn.Hardshrink它将用于应用硬收缩函数逐元素函数:
    3)torch.nn.LeakyReLU它将用于应用按元素的函数:LeakyReLu(x)= max(0, x)+ negative_slope * min(0, x)
    4)torch.nn.LogSigmoid它将用于应用逐元素函数:
    5)torch.nn.MultiheadAttention它用于允许模型关注来自不同表示子空间的信息
    6)torch.nn.PReLU它将用于应用按元素的函数:PReLU(x)= max(0, x)+ a * min(0, x)
    7)torch.nn.ReLU它将按元素应用于整流线性单位函数:ReLU(x)= max(0, x)
    8)torch.nn.ReLU6它将用于应用按元素的函数:ReLU6(x)= min(max(0, x), 6)
    9)torch.nn.RReLU如本文所述, 它将用于逐元素地应用随机泄漏整流线性单位函数:
    10)torch.nn.SELU它将按以下方式应用按元素的函数:SELU(x)= scale *(max(0, x)+ min(0, a *(exp(x)-1)))这里α= 1.6732632423543772772848170429916717和scale = 1.0507009873554804934193193349852946。
    11)PyTorch它将按以下方式应用按元素的功能:
    12)PyTorch它将按以下方式应用按元素的功能:
    13)torch.nn.Softplus它将按以下方式应用按元素的功能:
    14)torch.nn.Softshrink它将按元素应用软收缩功能, 如下所示:
    15)torch.nn.Softsign它将按以下方式应用按元素的功能:
    16)torch.nn.Tanh它将按以下方式应用按元素的功能:
    17)torch.nn.Tanhshrink它将按以下方式应用按元素的函数:Tanhshrink(x)= x-Tanh(x)
    18)torch.nn.Threshold它将用于阈值输入张量的每个元素。阈值定义为:

    2.5 非线性激活函数 -2 

    非线性激活(其他)
    1)torch.nn.Softmin它用于将softmin函数应用于n维输入张量以重新缩放它们。之后, n维输出Tensor的元素位于0、1的范围内, 且总和为1。Softmin定义为:
    2)torch.nn.Softmax它用于将softmax函数应用于n维输入张量以重新缩放它们。之后, n维输出Tensor的元素位于0、1的范围内, 且总和为1。Softmax定义为:
    3)torch.nn.Softmax2d它用于将SoftMax应用于要素上的每个空间位置。
    4)torch.nn.LogSoftmax它用于将LogSoftmax函数应用于n维输入张量。 LofSoftmax函数可以定义为:
    5)torch.nn.AdaptiveLogSoftmaxWithLoss这是训练具有较大输出空间的模型的策略。标签分布高度不平衡时非常有效

    2.6 归一化处理

    归一化层
    1)torch.nn.BatchNorm1d它用于对2D或3D输入应用批量归一化。
    2)torch.nn.BatchNorm2d它用于在4D上应用批量归一化。
    3)torch.nn.BatchNorm3d它用于对5D输入应用批量归一化。
    4)torch.nn.GroupNorm它用于在最小输入批次上应用组归一化。
    5)torch.nn.SyncBatchNorm它用于对n维输入应用批量归一化。
    6)torch.nn.InstanceNorm1d它用于在3D输入上应用实例规范化。
    7)torch.nn.InstanceNorm2d它用于在4D输入上应用实例规范化。
    8)torch.nn.InstanceNorm3d它用于在5D输入上应用实例规范化。
    9)torch.nn.LayerNorm它用于在最小输入批次上应用层归一化。
    10)torch.nn.LocalResponseNorm它用于对由多个输入平面组成的输入信号进行局部响应归一化, 其中通道占据第二维。

    2.7 各种损失函数

    Loss function
    1)torch.nn.L1Loss它用于衡量输入x和目标y中每个元素之间的平均绝对误差的标准。未减少的损失可描述为:l(x, y)= L = {l1, …, ln}, ln = | xn-yn |, 其中N是批次大小。
    2)torch.nn.MSELoss它用于衡量输入x和目标y中每个元素之间的均方误差的标准。未减少的损失可描述为:l(x, y)= L = {l1, …, ln}, ln =(xn-yn)2, 其中N是批次大小。
    3)torch.nn.CrossEntropyLoss此条件将nn.LogSoftmax()和nn.NLLLoss()组合在一个类中。当我们训练C类的分类问题时, 这将很有帮助。
    4)torch.nn.CTCLoss连接主义者的时间分类损失计算连续时间序列和目标序列之间的损失。
    5)torch.nn.NLLLoss负对数似然损失用于训练C类的分类问题。
    6)torch.nn.PoissonNLLLoss目标的Poisson分布为负的对数似然损失-目标(Posson(input)loss(input, target)= input-target * log(target!))
    7)torch.nn.KLDivLoss这对于连续分布是有用的距离度量, 并且在我们对连续输出分布的空间进行直接回归时也很有用。
    8)torch.nn.BCELoss它用于创建衡量目标和输出之间的二进制交叉熵的标准。未减少的损失可描述为:l(x, y)= L = {l1, …, ln}, ln = -wn [yn * logxn +(1-yn)* log(1-xn)], 其中N是批次大小。
    9)torch.nn.BCEWithLogitsLoss它在一个类别中将Sigmoid层和BCELoss结合在一起。通过将操作合并到一层, 我们可以利用log-sum-exp技巧来实现数值稳定性。
    10)torch.nn.MarginRankingLoss它创建一个标准来测量给定输入x1, x2, 两个1D迷你批量张量和包含1或-1的标签1D迷你批量张量y的损耗。迷你批次中每个样本的损失函数如下:loss(x, y)= max(0, -y *(x1-x2)+ margin
    11)torch.nn.HingeEmbeddingLossHingeEmbeddingLoss度量给定输入张量x和包含1或-1的标签张量y的损失。它用于测量两个输入是否相似或不相似。损失函数定义为:
    12)torch.nn.MultiLabelMarginLoss它用于创建优化输入x和输出y之间的多类多分类铰链损耗的标准。
    13)torch.nn.SmoothL1Loss它用于创建一个标准, 如果绝对逐项误差低于1, 则使用平方项, 否则使用L1项。也称为胡贝尔损耗:
    14)torch.nn.SoftMarginLoss它用于创建优化输入张量x和目标张量y之间(包含1或-1)的两类分类逻辑损失的标准。
    15)torch.nn.MultiLabelSoftMarginLoss它用于创建一个标准, 该标准基于输入x与大小(N, C)的目标y之间的最大熵来优化多标签对所有损失。
    16)torch.nn.CosineEmbeddingLoss它用于创建一个标准, 该标准测量给定输入张量x1, x2和张量标签y的值为1或-1的损失。它用于使用余弦距离来测量两个输入是相似还是相异。
    17)torch.nn.MultiMarginLoss它用于创建优化输入x和输出y之间的多类分类铰链损耗的标准。
    18)torch.nn.TripletMarginLoss它用于创建衡量给定输入张量x1, x2, x3和值大于0的余量的三重态损失的标准。它用于衡量样本之间的相对相似性。三元组由锚点, 正例和负例组成。 L(a, p, n)= max {d(ai, pi)-d(a​​i, ni)+ margin, 0}

    2.8 CNN卷积层

    Convolution layers
    1)torch.nn.Conv1d该软件包将用于对由多个输入平面组成的输入信号进行一维卷积。
    2)torch.nn.Conv2d该软件包将用于在由多个输入平面组成的输入信号上应用2D卷积。
    3)torch.nn.Conv3d该软件包将用于在由多个输入平面组成的输入信号上应用3D卷积。
    4)torch.nn.ConvTranspose1d该软件包将用于在由多个输入平面组成的输入图像上应用一维转置卷积算符。
    5)torch.nn.ConvTranspose2d该软件包将用于在由多个输入平面组成的输入图像上应用2D转置卷积运算符。
    6)torch.nn.ConvTranspose3d该软件包将用于在由多个输入平面组成的输入图像上应用3D转置卷积运算符。
    7)torch.nn。展开它用于从成批的输入张量中提取滑动局部块。
    8)PyTorch折叠它用于将一系列滑动局部块组合成一个大的包含张量。

    2.9 pooling层

    Pooling layers
    1)torch.nn.MaxPool1d它用于在由多个输入平面组成的输入信号上应用一维最大池。
    2)torch.nn.MaxPool2d它用于在由多个输入平面组成的输入信号上应用2D max池。
    3)torch.nn.MaxPool3d它用于在由多个输入平面组成的输入信号上应用3D max池。
    4)torch.nn.MaxUnpool1d它用于计算MaxPool1d的局部逆。
    5)torch.nn.MaxUnpool2d它用于计算MaxPool2d的局部逆。
    6)torch.nn.MaxUnpool3d它用于计算MaxPool3d的局部逆。
    7)torch.nn.AvgPool1d它用于在由多个输入平面组成的输入信号上应用一维平均池。
    8)torch.nn.AvgPool2d它用于在由多个输入平面组成的输入信号上应用2D平均池。
    9)torch.nn.AvgPool3d它用于在由多个输入平面组成的输入信号上应用3D平均池。
    10)torch.nn.FractionalMaxPool2d它用于在由多个输入平面组成的输入信号上应用2D分数最大池化。
    11)torch.nn.LPPool1d它用于在由多个输入平面组成的输入信号上应用一维功率平均池。
    12)torch.nn.LPPool2d它用于在由多个输入平面组成的输入信号上应用2D功率平均池。
    13)torch.nn.AdavtiveMaxPool1d它用于在由多个输入平面组成的输入信号上应用一维自适应最大池化。
    14)torch.nn.AdavtiveMaxPool2d它用于在由多个输入平面组成的输入信号上应用2D自适应最大池化。
    15)torch.nn.AdavtiveMaxPool3d它用于在由多个输入平面组成的输入信号上应用3D自适应最大池化。
    16)torch.nn.AdavtiveAvgPool1d它用于在由多个输入平面组成的输入信号上应用一维自适应平均池。
    17)torch.nn.AdavtiveAvgPool2d它用于在由多个输入平面组成的输入信号上应用2D自适应平均池。
    18)torch.nn.AdavtiveAvgPool3d它用于在由多个输入平面组成的输入信号上应用3D自适应平均池。

    2.10 填充层

    填充层
    1)torch.nn.ReflectionPad1d它将使用输入边界的反射填充输入张量。
    2)torch.nn.ReflactionPad2d它将使用输入边界的反射来填充输入张量。
    3)torch.nn.ReplicationPad1它将使用输入边界的复制来填充输入张量。
    4)torch.nn.ReplicationPad2d它将使用输入边界的复制来填充输入张量。
    5)torch.nn.ReplicationPad3d它将使用输入边界的复制来填充输入张量。
    6)torch.nn.ZeroPad2d它将用零填充输入张量边界。
    7)torch.nn.ConstantPad1d它将用恒定值填充输入张量边界。
    8)torch.nn.ConstantPad2d它将用恒定值填充输入张量边界。
    9)torch.nn.ConstantPad3d它将用恒定值填充输入张量边界。

    2.11 RNN网络层

    Recurrent layers
    1)torch.nn.RNN它用于将具有tanh或ReLU非线性的多层Elman RNN应用于输入序列。每一层为输入序列中的每个元素计算以下函数:ht = tanh(Wih xt + bih + Whh tt-1 + bhh)
    2)Torch.nn.LSTM它用于将多层长期短期记忆(LSTM)RNN应用于输入序列。每一层为输入序列中的每个元素计算以下功能:
    3)GNUPyTorch它用于将多层门控循环单元(GRU)RNN应用于输入序列。每一层为输入序列中的每个元素计算以下功能:
    4)torch.nn.RNNCell它用于将具有tanh或ReLU非线性的Elman RNN单元应用于输入序列。每一层为输入序列中的每个元素计算以下函数:h’= tanh(Wih x + bih + Whh h + bhh)使用ReLU代替tanh
    5)torch.nn.LSTMCell它用于将长短期记忆(LSTM)单元应用于输入序列。每一层为输入序列中的每个元素计算以下函数:其中σ是S型函数, 而*是Hadamard乘积。
    6)torch.nn.GRUCell它用于将门控循环单元(GRU)单元应用于输入序列。每一层为输入序列中的每个元素计算以下功能:

    2.12 Dropout层定义

    11.Dropout layers
    1)torch.nn.Dropout它用于调节和预防神经元的共适应。培训过程中的一个因素会缩放输出。这意味着模块将在评估期间计算身份函数。
    2)torch.nn.Dropout2d如果要素图中的相邻像素相关, 则torch.nn.Dropout不会使激活规则化, 并且会降低有效学习率。在这种情况下, torch.nn.Dropout2d()用于促进要素图之间的独立性。
    3)torch.nn.Dropout3d如果要素图中的相邻像素相关, 则torch.nn.Dropout不会使激活规则化, 并且会降低有效学习率。在这种情况下, torch.nn.Dropout2d()用于促进要素图之间的独立性。
    4)torch.nn.AlphaDropout它用于在输入上应用Alpha Dropout。 Alpha Dropout是一种Dropout, 可以保持自规范化属性。

    2.13 Sparse layers

    12.Sparse layers
    1)torch.nn。嵌入它用于存储单词嵌入, 并使用索引检索它们。模块的输入是索引列表, 输出是相应的词嵌入。
    2)torch.nn.EmbeddingBag它用于计算嵌入的”袋子”的总和或平均值, 而无需实例化中间嵌入。

    2.14 距离功能

    距离功能
    1)torch.nn.Cosine相似度它将返回x1和x2之间的余弦相似度(沿dim计算)。
    2)torch.nn.PairwiseDistance它使用p范数计算向量v1, v2之间的成批成对距离:

    2.15 可视化层

    Vision layers
    1)torch.nn.PixelShuffle用于将形状为(*, C×r2, H, W)的张量的元素重新排列为形状为(*, C, H×r, W, r)的张量的元素
    2)torch.nn.Upsample它用于对给定的多通道1D, 2D或3D数据进行升采样。
    3)torch.nn.upsamplingNearest2d它用于对由多个输入通道组成的输入信号进行2D最近邻居上采样。
    4)torch.nn.UpsamplingBilinear2d用于将二维双线性上采样应用于由多个输入通道组成的输入信号。

    2.16 并行数据层

    16.DataParallel层(多GPU, 分布式)
    1)torch.nn.DataParallel它用于在模块级别实现数据并行性。
    2)torch.nn.DistributedDataParallel它用于实现分布式数据并行性, 它基于模块级别的torch.distributed包。
    3)torch.nn.DistributedDataParallelCPU它用于在模块级别为CPU实现分布式数据并行性。

    2.17 各种工具

    Utilities
    1)torch.nn.clip_grad_norm_它用于裁剪可迭代参数的梯度范数。
    2)torch.nn.clip_grad_value_用于将可迭代参数的梯度范数裁剪为指定值。
    3)torch.nn.parameters_to_vector用于将参数转换为一个向量。
    4)torch.nn.vector_to_parameters它用于将一个向量转换为参数。
    5)torch.nn.weight_norm它用于对给定模块中的参数应用权重归一化。
    6)torch.nn.remove_weight_norm它用于删除模块的权重归一化和重新参数化。
    7)torch.nn.spectral_norm它用于将频谱归一化应用于给定模块中的参数。
    8)torch.nn.PackedSequence它将用于保存打包序列的数据和batch_size的列表。
    9)torch.nn.pack_padded_sequence它用于打包包含可变长度填充序列的Tensor。
    10)torch.nn.pad_packed_sequence它用于填充打包的可变长度序列批次。
    11)torch.nn.pad_sequence它用于填充具有填充值的可变长度张量列表。
    12)torch.nn.pack_sequence它用于打包可变长度张量的列表
    13)torch.nn.remove_spectral_norm它用于删除模块的频谱归一化和重新参数化。

    作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客

    本文网址:https://blog.csdn.net/HiWangWenBing/article/details/120606523

    展开全文
  • 功能清单

    千次阅读 2021-02-27 18:49:51
    功能清单是产品功能列表集合,一般包括功能模块、子模块、功能点、优先级和功能描述。 功能清单更加注重功能,而需求池更加注重需求,两者的侧重点不同,字段的不同。 功能清单在每个企业都可能是不同的,并没有...

    功能清单是产品功能的列表集合,一般包括功能模块、子模块、功能点、优先级和功能描述。和产品结构图相比,结构图只是包含哪些功能,而功能清单包含的信息更多。

    在这里插入图片描述

    功能清单更加注重功能,而需求池更加注重需求,两者的侧重点不同,列不同。

    • 功能清单在每个企业都可能是不同的,并没有统一的标准。
    • 功能清单不一定所有企业都有,但如果有,基本都由产品部门维护。
    • 内容的优先级由需求方定。
    展开全文
  • PHP 搜索查询功能实现

    千次阅读 2021-03-23 18:32:32
    今天遇到一个问题:在做“搜索”功能时,输入查询条件后查询不了。我做的是首页显示数据表package中的内容,但是有个条件,显示在首页的内容还必须是 :字段status=0,且printing=0的数据才能在首页列表中显示出来。...

    今天遇到一个问题:在做“搜索”功能时,输入查询条件后查询不了。

    我做的是首页显示数据表package中的内容,但是有个条件,显示在首页的内容还必须是 :字段status=0,且printing=0的数据才能在首页列表中显示出来。

    页面上有一个“搜索”功能,输入条件后就会根据条件来进行查询。

    一般的搜索的话,只要在首页显示列表方法index()中给一个:

    $map=array();//初始化查询条件

    $map=$this->_search();//调用查询方法

    $total = $this->Model->where ($map)->count(); //这个主要是用来计算页面显示数据条数的

    if ($total == 0) {

    $_list = '';

    } else {

    $_list = $this->Model->where ($map)->limit( $post_data ['first'] . ',' . $post_data ['rows'] )->select();

    }

    然后,就是写一个_search():

    如:

    protected function _search(){

    $map = array ();

    $post_data = I ( 'post.' );

    if ($post_data ['packageid'] != '') {

    $map ['packageid'] = array (

    'like',

    '%' . $post_data ['packageid'] . '%'

    );

    }

    return $map;

    }

    最后,在设置的“搜索”菜单中,调用这个搜索方法。

    但是,我做的这个,搜索的同时,还要确保在字段status=0,且printing=0的数据中进行搜索。

    我一直在想这个限制条件该加在什么地方。各种尝试和查询后,才知道。限制条件直接加在SQL语句中就行了(如下红色的地方)。(我自己试的时候一直在如下蓝色的地方加条件,屡试屡败!)

    $map=array();

    $map=$this->_search();

    $total = $this->Model->where ($map)->where(array('status' =>0,'print_status'=>0))->count();

    if ($total == 0) {

    $_list = '';

    } else {

    $_list = $this->Model->where ($map)->where(array('status' =>0,'print_status'=>0))->limit( $post_data ['first'] . ',' . $post_data ['rows'] )->select();

    }

    以上所述是小编给大家介绍的PHP 搜索查询功能实现,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对脚本之家网站的支持!

    展开全文
  • layUI实现列表查询功能

    千次阅读 2020-12-23 15:57:26
    layUI可以直接使用本地的json文件进行列表数据渲染,但,我们会发现,官网ctr+c ctr+v 过来的代码在做查询时每次看起来都有列表刷新的动作,但实际操作无效,百度了一大圈也没找到具体的原因,无奈继续回去看官网,...

    layUI可以直接使用本地的json文件进行列表数据渲染,但,我们会发现,官网ctr+c ctr+v 过来的代码在做查询时每次看起来都有列表刷新的动作,但实际操作无效,百度了一大圈也没找到具体的原因,无奈继续回去看官网,后面总结出只有一点,也是大家比较容易忽略的一点:

    官网说在查询时的url必须设置异步接口,so,如果我们不借助后台看起来这个效果好像是单靠前端是出不来,但,为了本地演示,这里写了一个很low的方法,单靠show()hide()方法来实现查询效果(效果演示可以单不建议实际开发中使用该方法)

    以下代码粘贴复制便可直接使用:

    搜索ID:

    搜索

    layui.use('table', function(){

    var table = layui.table;

    //方法级渲染

    var tabins = table.render({

    elem: '#LAY_table_user'

    ,url: 'new_file.json'

    ,cols: [[

    {checkbox: true, fixed: true}

    ,{field:'id', title: 'ID', width:80, sort: true, fixed: true}

    ,{field:'username', title: '用户名', width:80}

    ,{field:'sex', title: '性别', width:80, sort: true}

    ,{field:'city', title: '城市', width:80}

    ,{field:'sign', title: '签名'}

    ,{field:'experience', title: '积分', sort: true, width:80}

    ,{field:'score', title: '评分', sort: true, width:80}

    ,{field:'classify', title: '职业', width:80}

    ,{field:'wealth', title: '财富', sort: true, width:135}

    ]]

    ,id: 'testReload'

    ,page: true

    ,height: 315

    ,done:function(res){

    }

    });

    var $ = layui.$, active = {

    reload: function(){

    var demoReload = $('#demoReload');

    //执行重载

    table.reload('testReload', {

    page: {

    curr: 1 //重新从第 1 页开始

    }

    ,where: {

    key: {

    id: demoReload.val()

    }

    }

    });

    }

    };

    $('.demoTable .layui-btn').on('click', function(){

    search = $('#demoReload').val();

    $('.layui-table-fixed tbody tr').each(function(i){

    var id = $(this).children('td').eq(1).children('div').html();

    if(id.indexOf(search)>=0){

    $(this).show()

    $('.layui-table-main tbody tr').eq(i).show()

    }else{

    $('.layui-table-main tbody tr').eq(i).hide()

    $(this).hide();

    }

    });

    });

    });

    展开全文
  • VUE实现移动端列表筛选功能

    千次阅读 2020-12-22 13:58:41
    最近兴趣所致,打算使用vant搭建一个webapp,由于需要使用列表筛选,没有找到合适组件,于是写了一个简单的功能,权当记录。效果如下: HTML::class="{'title-li':true, 'current': item.isShow}"v-for="(item, ...
  • 使用set函数可以去除列表重复的元素 list_num = [] #需要删除重复值得列表 for a in range(0,8): num=input("请输入列表元素,目前列表仅设置输入8个元素:") list_num.append(num) print("删除重复元素前列表:") ...
  • 最近给朋友帮忙的时候遇到一个列表向上滚动无缝连接功能的需求,整理了下思路,把这个功能草草的做出来了,尚未做优化完善,先记录一下吧~Html代码{{item.accountName}}{{item.accountName}}Data数据x: 0, //list1...
  • vue 移动端列表筛选功能实现

    千次阅读 2020-12-20 21:53:53
    exportdefault{data() {return{barMenus: [{name:"菜系",value:1,isShow:false,multiple:true,data: [{ name:"川菜", value: 1, selected: false},{ name:"粤菜", value: 2, selected: false},{ name:"湘菜", value:...
  • uniapp 评论列表,展开,收起,全部,局部刷新功能 分析, 首先得判断字符长度,超过一定长度后才有展开收起的功能,需要有一个字段标识, 要控制每一条的展开收起,必须在每一条中添加一个相关字段, 我们分析完后...
  • 二、showMore如何来定义 page-》data 中定义: showMore: {}, //每个订单中显示全部的详细情况 然后在你获取订单列表处来给 showMore 赋值 //循环 list 用来给 showMore 赋值 t.data.list.forEach((item, index) =>...
  • v-for可以把数据中的一个数组对应为一组元素 ... } } }) 总结 以上所述是小编给大家介绍的使用Vue中 v-for循环列表控制按钮隐藏显示功能,希望对大家有所帮助,如果大家有任何疑问欢迎给我留言,小编会及时回复大家的!
  • <!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta ...meta name="viewport" content="width=device-width, initial-scale=1.0">......
  • Sentinel功能页面空白但机器列表中有主机ip的情况记录 今天使用SpringCloudAlibaba的Sentinel时,发现实时监控等等功能都是空白,但服务器中显示Sentinel的docker容器是启动的,无论服务如何访问都不进行监控。 问题...
  • 编写程序实现以下功能:根据指定值从一个列表中查找所有匹配元素的位置,要求使用列表中的index方法进行查找。 输入格式: 先输入带查找元素的值。 再输入一个整数,表示列表中的元素个数。 最后依次输入列表中...
  • 在Django后台中依据用户的不同身份进行自定义列表页的功能开发。 后台管理者操作界面 子账号用户操作界面 get_site_menu 代码实现 # xadmin后台菜单设置 class GlobalSettings(object): site_title = "系统后台" ...
  • 11个python列表方法全面解析!

    千次阅读 2021-03-06 02:28:48
    参数:object可以添加 列表,字典,元组,集合,字符串等。#append()函数的操作对象是原列表。ls = [1,2,3,4,5,6]ls.append(12)#添加元素print(ls)[1, 2, 3, 4, 5, 6, 12]ls.append([1,"a"]) #添加列表print(ls)[1, ...
  • 在Django Xadmin后台的 models 数据列表中对内容的不同状态使用不同的颜色进行标记,达到美化的效果。 基于CMS内容管理系统,对文章的不同审核状态进行颜色的区分标记。 models.py 编辑模型 from django.utils....
  • 8、角色列表 8.1 通过路由展示角色列表组件 在power中新建一个roles.vue(角色...8.4 说明角色列表需要完成的功能模块 现在还没有具体的样式,后面会写 角色信息的添加,删除功能前面做了,所以这里就不写了 点击对应
  • 在本文中,我们将看到如何创建包含字符串数据类型的列表列表。内部列表本身或字符串数据类型,并且它们可以包含数字或字符串作为其元素。使用剥离和拆分我们使用这两种方法,它们将首先分离出列表,然后将列表中的...
  • 下面是 Windows 11 中的新功能列表,也是我们所知的所有 Windows 11 新功能。 1、开始菜单 Windows 11 带有全新的开始菜单和任务栏体验,如下面的屏幕截图所示。 动态磁贴已被图标取代,类似于 Android 和 iOS。您...
  • python中列表中的pop方法与remove方法的区别是:remove()方法用于移除列表中某个值的第一个匹配项;pop()方法用于移除列表中的一个元素(默认是最后一个元素),并且返回该元素的值。区别如下:(推荐教程:python教程)...
  • 如题的功能在项目中经常用到,滚动的信息内容,我们用scrollbar的value来控制滚动是可以实现的,不过当value为1时,我们从0继续循环会造成有闪烁的情况而且比较突兀,经过一段时间的研究终于实现了该功能。...
  • 【SpringCloud】SpringCloud开发课程查询功能

    万次阅读 多人点赞 2020-12-27 23:05:26
    文章目录介绍技术接口数据流向数据表新建项目Eurak(发现)Eureka的作用架构Eurak Server代码Eureka客户端代码利用Feign实现服务间调用介绍代码...整合两个服务通过网关Zuul实现路由功能两个特点Zuul集成实现网关过滤器...
  • TDR表SDK功能支持列表 功能 C++ Java GO 插入单条数据 ⎷ ⎷ ⎷ 查询单条数据 ⎷ ⎷ ⎷ 删除单条数据 ⎷ ⎷ ⎷ 修改单条数据 ⎷ ⎷ ⎷ 替换单条数据 ⎷ ⎷ ⎷ 批量读多条数据 ⎷ ⎷ ⎷ 自增/自...
  • 用Python编写一段简单的代码,输入一个列表中有重复的元素,将重复元素移除,打印新的列表 copy()方法进行备份复制列表 count()方法统计列表里每个元素的个数 remove()方法删除列表中重复的元素 代码如下 lis = ...
  • private void toggleEllipsize(final TextView tv,final String desc){ if(desc == null){ return; } tv.getViewTreeObserver().addOnGlobalLayoutListener(new OnGlobalLayoutListener() { ...
  • 文章目录内容介绍实现代码models.pyviews.pyurls.py创建js文件js加载效果演示 内容介绍 很多时候,我们会遇到这种需求,通过一个select框中选择的值,去动态的加载另一个下拉框中的内容 实现代码 ...
  • java web实现简单留言板功能

    千次阅读 2021-02-12 16:31:18
    本文实例为大家分享了java web实现简单留言板的具体代码,供大家参考,具体内容如下一、目标用户可以登录并记住密码进入留言板,添加留言,点击留言列表中的标题可显示该条留言全部内容。二、相关知识1、使用Cookie...
  • python列表 (list)

    千次阅读 2021-04-27 03:12:11
    python列表 (list)python的列表(list)是使用频率最高的一种数据结构, 很像C++中的vector 和 java 中的ArrayList, 是大小可动态变换的数组。 单个列表可以同时存储多种数据类型, 而不一定非得是同一种数据类型。...
  • F10=功能表列 F10键可以快速打开功能列表,其配合Shift键可打开鼠标右键快捷菜单。在Windows播放器Media Player有调高音量功能。在电脑bios设置中,设置完成后,按F10键可以保存当前设置。 11. F11=全屏幕显示 把...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,943,766
精华内容 777,506
关键字:

功能列表

友情链接: BP.zip