让一行文字滚动只需用一行代码!
最近做了一个功能是让文字滚动,不管从右向左,还是从左向右滚动,刚开始不知道怎么做,于是有了很多种方法,比如用轮播图,css等等,虽然也可以实现,但是实在是太麻烦了。今晚刚知道了一个标签就可以完成,之前见过,可是忘了。。 所以想记录下来。 这个标签就是-----↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ <marquee scrollAmount=6 width=300>滚就完了</marquee> 同样的,这个标签里也有它的灵魂。 scrollAmo
笔试题——十进制转二进制C/C++
原理:用2辗转相处待转换的十进制的整数部分,直至结果为1.将余数和最后的1从下向上写出来就是结果。
#include <stdio.h>
int convert(int n)
{
if(n == 1)
{
printf("%d ",n);
return 0;
}
printf("%d ",n%2)
else if(n == 0)
return 0;
else
C++学习经历(十四)建造者模式
建造者模式 将产品的内部表象和产品的生产过程分割开来,从而使一个建造过程生成具有不同的内部表象的产品对象。建造者模式使得产品内部表象可以独立的变化,客户不必知道产品内部实现的细节。建造者模式可以强制实行一种分步骤进行的建造过程。 例子:一个房子(House)有门(Door)和墙(Wall),建造者(Builder)在建造屋子的时候需要造门和墙,但是我们并不需要知道如何建造门和墙、我们只需要派遣建造者去造屋子就可以了,不同的建造者自己就会建造出不同的屋子。我们通过设计者(Designer)选择不
C++学习经历(十五)观察者模式
观察者模式 观察者模式定义了一种一队多的依赖关系,让多个观察者对象同时监听某一个主题对象。这个主题对象在状态上发生变化时,会通知所有观察者对象,使他们能够自动更新自己。 #include <iostream> #include <list> using namespace std; class Observer; //通知者 class Subject { public: virtual void add(Observer *o) = 0; virtual void remove(Observ
CMake的使用——详细整理
一、 基本使用 安装:下载二进制包后可直接解压使用 从源码安装则执行命令:./bootstrap; make; make install——尝试执行bootstrap失败 使用:cmake dir_path,生成工程文件或makefile文件 二、 概念 out-of-source build,与in-source build相对,即将编译输出文件与源文件放到不同目录中; 三、 基本结构 1,依赖CMakeLists.txt文件,项目主目标一个,主目录中可指定包含的子目录; 2,在项目CMak
CMake常用变量和常量环境变量查表手册——整理
一,cmake 变量引用的方式: 前面我们已经提到了,使用${}进行变量的引用。在 IF 等语句中,是直接使用变量名而不通过${}取值 二,cmake 自定义变量的方式: 主要有隐式定义和显式定义两种,前面举了一个隐式定义的例子,就是 PROJECT 指令,他会隐式的定义<projectname>_BINARY_DIR 和<projectname>_SOURCE_DIR 两个变量。 显式定义的例子我们前面也提到了,使用 SET 指令,就可以构建一个自定义变量了。 比如: SET(HELLO_S
调用百度OCR API过程小记
调用百度OCR API过程小记 【标签】 OCR API Python data:2018-10-19 author:怡宝2号 【总起】通过url对百度文字识别API进行调用,语言为python2 1. 在百度云控制台创建API应用 整理流程: 登陆百度云 创建API调用的应用 获取access_token 读取自己的图片,调用API进行识别 登陆百度云 百度百度云,可以用百度贴吧、百度云的账号登陆 创建应用 在百度云控制台的左侧,选择文字识别 获取access_token 相当于进行用户验证
人工蜂群算法求解TSP问题
人工蜂群算法求解TSP问题 【标签】 ABC TSP Matlab data:2018-10-19 author:怡宝2号 【总起】利用人工蜂群算法(Artificial Bee Colony Algorithm, 简称ABC算法)求解TSP问题,语言:matlab 1. 算法简介 人工蜂群算法(Artificial Bee Colony Algorithm, 简称ABC算法)是一个由蜂群行为启发的算法,在2005年由Karaboga小组为优化代数问题而提出。其主要是为了解决多变量函数优化问题
自然场景文本检测CTPN原理详解
自然场景文本检测CTPN流程详解 标签: 文本检测 CTPN tensorflow 说明: 借鉴了网上很多资源,如有侵权,请联系本人删除! 摘要 对于自然场景中的文本检测,难点是:字体多变、遮挡、不规则变化等,其实对于实际的应用场景,针对自己的需求可以采用通用的目标检测框架(faster Rcnn,SSD,Yolo,Retina)等网络,或许也能满足项目的需求。 而CTPN等用于文本检测的方法,对自然场景的文本检测具有更强的鲁棒性,就是针对文本检测较SSD,Yolo等可能具有更高的精度;其次文
使用matplotlib和tensorboardx记录pytorch的训练过程
使用matplotlib和tensorboardx记录pytorch的训练过程 目的: 利用tensorboardx对pytorch的训练过程进行可视化,主要是可视化loss和image 修改matplotlib,使matplotlib支持中文显示,因为网络训练中有中文的label,如中文的OCR识别。 参考:修改matplotlib使其支持中文 向python程序中向tensorboardx中添加loss和image等想可视化的变量。 参考: tensorboardx-github 例子:向
pytorch报错:ValueError: Expected more than 1 value per channel when training, got input size [1, 768,1
Traceback (most recent call last):
File "train_ammeter_twoclass.py", line 189, in <module>
train(epoch)
File "train_ammeter_twoclass.py", line 133, in train
outputs = net(inputs)
File "/home/iot/miniconda2/envs/pytorch3/lib/python3.6/s
Tensorflow100天—打印常量
import tensorflow as tf
hello = tf.constant('hello, chenjun!')
sess = tf.Session()
print(sess.run(hello))
>>>b'hello, chenjun!'
Tensorflow100天—第2天:基本运算\占位符
# 1. 使用占位符placeholder
import tensorflow as tf
a = tf.placeholder(tf.int16)
b = tf.placeholder(tf.int16)
add = tf.add(a,b)
mul = tf.multiply(a,b)
with tf.Session() as sess:
print('addition with variables:%i' % sess.run(add, feed_dict={a:1, b:2}))
tensorflow100天-第3天:线性回归
tensorflow版 # tensorflow 实现线性回归
import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt
# plt.ion()
rng = np.random
# 超参数
learning_rate = 0.01
traing_epochs = 1000
display_step = 50
# Training Data
train_x = np.asarray([3.3,4.4
tensorflow100天-第4天:逻辑回归
代码 # coding:utf-8
# zhong
import tensorflow as tf
# Import MINST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)
learning_rate = 0.01
training_epochs = 25
batch_size =
tensorflow100天—第5天:最近邻算法
python代码 import tensorflow as tf
import numpy as np
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets('/tmp/data/', one_hot=True)
xtrain, ytrain = mnist.train.next_batch(2000) # 用5000个样本做容器对象
xtes
Java爬取某姐的小视频
最近认真复(学)习了Java的IO,网络,正则表达式等,感觉如果没什么练手的话过段时间就忘了,于是就想到了爬虫。刚好以前用Python爬过百姐的小视频,于是打算用Java把这个实现。如果想看Python版的,可以参照本人这篇博文Python爬取百思不得姐的视频。话不多说,直接放码(Talk is cheap, show you the code)。
import java.io.BufferedReader;
import java.io.File;
import java.io.FileO
今日推荐
周排行