弹窗类组件特点 一般独立于当前Vue实例之外，常挂载于body上；它是通过js动态创建的，不需要任何声明。 常见使用格式： // Notice 组件名 this.create(Notice,{ title:‘标题’, msg:‘内容’， duration：1000} ).show() 首先创建create函数js文件 用于动态创建指定组件实例并挂在到bo
1. 数组filter方法，参数传入一个函数，不改变数组本身，不对空数组操作，返回一个新数组。 Array.prototype.filterTest = function (callback) { if (typeof callback != 'function') { throw Error(`${callback}is not a functuon`) } const _this = this; if (_this.leng
参考网上资料，自己整理了一下思路 首先是一个最简化的MyPromise构造函数，参数是executor执行器函数。 接下来是，给这个构造函数增加then方法和catch方法。 打印结果是 最后一步是使构造函数可以链式调用。 function MyPromise(excutor) { console.log('进入MyPromise构造器
观察者（Observer）模式的定义：指多个对象间存在一对多的依赖关系，当一个对象的状态发生改变时，所有依赖于它的对象都得到通知并被自动更新。这种模式有时又称作发布-订阅模式、模型-视图模式，它是对象行为型模式。 观察者模式是一种对象行为型模式，其主要优点如下。 降低了目标与观察者之
// 放到原型链上 Array.prototype.myReduce=function(callback,initialValue){ // 没有传入归并函数将报错 if(typeof callback !=='function'){ throw Error("请传入归并函数"); } const array = this; // pre设置为initiValue,没有该参数就设
前言：最近在做sketch相关的，接触到一个很经典的英文手写数据集IAM，本文详细介绍一下IAM的下载、读取、使用、以及深度学习项目实战。 目录 简介 数据格式 读取 class 实例化应用举例 下载
一、实验目的 通过学习BP神经网络技术，对手写数字进行识别，基于结构的识别法及模板匹配法来提高识别率。 二、实验器材 PC机 matlab软件 三、实验内容 按照BP神经网络设计方法选用两层BP网络，构造训练样本集，并构成训练所需的输入矢量和目标向量，通过画图工具，获得数字原始图像，
视频链接：《PyTorch深度学习实践》完结合集_哔哩哔哩_bilibili 思路： 准备数据集设计模型类构造损失函数和优化器训练和测试 1.准备数据集： 因为MNIST是torchvision.datasets自带的数据集，是torch.utils.data.Dataset的子类，因此可以直接使用数据加载器DataLoader。 MNIST里面
分布式协调-Zookeeper（手写配置中心&动态刷新） 前面我们分析了SpringBoot加载environment的源码， 并且也聊了Zookeeper的基本使用以及特性, 这里我想对他们两个进行一个结合，实现配置中心。因为前面我们在聊ShardingSphere使用它做了配置的自动更新，我想知道它是怎么做的。后面我就
function whCompose(...fns) { let length = fns.length; for (let i = 0; i < length; i++) { if (typeof fns[i] !== 'function') { throw new TypeError('Expected params are functions'); } } return function com(...params) { le
一、使用模板匹配算法 match.py： import os import Function root_dir = "digits/train2" file7_7 = open("digits/picture7_7.txt", 'w+') for fl in os.listdir(root_dir): img_str = fl[0:-4] + ":" + Function.image_compression(root_
第一次写博客，希望大家担待，一起学习，一起进步！ 1.导入模块并且指定模型输入维度 %matplotlib inline import matplotlib.pyplot as plt import numpy as np from keras.datasets import mnist from keras.layers import Dense, Flatten, Reshape from keras.layers.advanced_act
手写一个ArrayList排序算法 Method类 package com.inspire.util; import java.util.ArrayList; import java.util.List; public class Method { private List<Integer> list=new ArrayList<Integer>();//保存函数的行信息 public List<Integer> getList() {
组合继承（为什么叫组合继承，组合继承就是构造函数继承和原型链继承的组合） // 组合继承（只需要注意两点） // 第一点：继承father的属性值。在Children构造函数中调用Father.call(this,val) （构造函数继承） // 第二点：继承father的方法。let aa = new Father()之后可以aa.getVal()，让Children
数值分析——绪论 第一章 非线性方程和方程组的数值解法 第二章 线性代数方程组数值解法 第三章 插值法与数值逼近 第四章 数值积分
1基本概念与抽样分布 2参数估计 3假设检验 4方差分析 5回归分析
作为前端开发，JS是重中之重，最近结束了面试的高峰期，基本上offer也定下来了就等开奖，趁着这个时间总结下32个手写JS问题，这些都是高频面试题，希望对你能有所帮助。 关于源码都紧遵规范，都可跑通MDN示例，其余的大多会涉及一些关于JS的应用题和本人面试过程 01.数组扁平化 数组扁平
作用： 创建一个用户定义的实例对象或具有构造函数的内置对象的实例 实现步骤： （1）创建了一个空对象 （2）设置原型，将对象的__ proto__属性指向构造函数的prototype属性 （3）让函数的 this 指向这个对象，执行构造函数的代码（为这个新对象添加属性） （4）判断函数的返回值类型，如果是值类型，返回创建的
// 判断变量是否为function const isFunction = variable => typeof variable === 'function' // 三种状态 const PENDING = 'PENDING' const FULFILLED = 'FULFILLED' const REJECTED = 'REJECTED' // 定义Promise的三种状态常量 class MyPromise {
公司近期有个需要用户签名的功能，就用小程序canvas写了个， wxml <view class="sign"> <view class="paper"> <canvas class="handWriting" disable-scroll="true" bindtouchstart="touchstart1" bindtouchmove="touchm
// 根据 key 值，筛选数组 // const arr = [{title: 'Tom', age: 15},{title: 'Bob', age: 26}] // dataKeyFilter(arr, 'title'), 返回 [{title: 'Tom'}, {title: 'Bob'}] export const dataKeyFilter = (data, keys) => { ret
深度学习是传统机器学习下的一个分支，得益于近些年来计算机硬件计算能力质的飞跃，使得深度学习成为了当下热门之一。手写数字识别更是深度学习入门的经典案例，学习和理解其背后的原理对于深度学习的理解有很重要的作用。 本文将采用深度学习中的卷积神经网络来训练手写数字识别模型
一、动态代理 代理是一种常用的设计模式，其目的就是为其他对象提供一个代理以控制对某个对象的访问。代理类负责为委托类预处理消息，过滤消息并转发消息，以及进行消息被委托类执行后的后续处理。 为了保持行为的一致性，代理类和委托类通常会实现相同的接口，所以在访问者看来两者没
手写线性回归 import numpy as np import matplotlib.pyplot as plt from sklearn.linear_model import LinearRegression X = np.linspace(2,10,20).reshape(-1,1) y = np.random.randint(1,6,size = 1)*X + np.random.randint(-5,5,size = 1) #噪声 加盐 y += np.random.randn
