fullCalendarVue 中events的数据更新问题

 需求

当后端返回的events在fullCalendar中渲染时,会出现数据更改后,但页面的内容没有更新。

解决方案:

getEvent () {
     //这里用的mock
      this.$http.post('/schedule/query').then(res => {
        const calendarApi = this.$refs.fullCalendar.getApi()
        const event = res.result.data // 拿到返回的数据
        // data -> [{},{}]  
        // 'data': [{
        //'title': 'All Day Event',
         //'start': '2023-03-01'
        //},
        // {
        //'title': 'Long Event',
        //'start': '2023-03-07',
      //    'end': '2023-03-10'
        //},
      
        for (var i = 0; i < event.length; i++) {
          this.calendarOptions.events.push(event[i]) // 使用push方法将事件逐一添加,
        }
        console.log(this.calendarOptions.events)
        calendarApi.refetchEvents()
          // 重新抓取所有的日程事件源上的日程事件并渲染它们。
      })

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
### 回答1: events.out.tfevents文件是一个TensorFlow事件文件,包含TensorFlow运行过程的事件和摘要数据。如果您想要修改其数据,可能需要使用TensorBoard或其他工具来打开并进行修改。 以下是一些可能的操作步骤: 1. 打开TensorBoard并导入events.out.tfevents文件。 2. 在TensorBoard找到包含您想要修改的摘要的事件。 3. 使用TensorBoard提供的工具,例如Scalars面板或Histograms面板,来查看和修改摘要数据。 4. 如果您想要修改事件数据,您需要使用TensorFlow的API来重新运行模型并生成新的事件文件。 请注意,修改事件文件可能会影响您的模型训练结果,因此请谨慎操作。 ### 回答2: events.out.tfevents是TensorFlow的事件文件,记录了训练过程的事件和相关数据。要修改events.out.tfevents数据,可以按照以下步骤进行: 1. 导入TensorFlow和相关包: ```python from tensorflow.python import summary from tensorflow.python.summary import event_accumulator ``` 2. 创建EventAccumulator对象并加载事件文件: ```python event_acc = event_accumulator.EventAccumulator('events.out.tfevents') event_acc.Reload() ``` 3. 查看事件文件的标签和参数信息: ```python tags = event_acc.Tags() params = event_acc.GetParams() ``` 4. 获取指定tag数据并进行修改: ```python tag_data = event_acc.Scalars(tag_name) for i in range(len(tag_data)): step, value = tag_data[i].step, tag_data[i].value # 对value进行修改操作,比如加上一个固定值 modified_value = value + 1 # 更新修改后的数据 event_acc.Scalars(tag_name)[i].value = modified_value ``` 5. 将修改后的数据保存回事件文件: ```python summary_writer = summary.FileWriter('modified_events.out.tfevents') summary_writer.add_event(event_acc.SerializeEvent()) summary_writer.close() ``` 通过以上步骤,可以加载并修改events.out.tfevents数据,并将修改后的数据保存回事件文件。需要注意的是,修改事件文件后可能会影响后续的分析和可视化操作,因此需要谨慎对待修改操作。 ### 回答3: events.out.tfevents是TensorFlow的事件文件格式,用于存储各种事件(如训练的损失值、精度等)的数据。要修改其数据,可以采取以下步骤: 1. 导入必要的库: 首先,需要导入TensorFlow库以及其他必要的Python库,如tensorflow和tensorboard。 2. 使用TensorFlow读取事件文件: 使用TensorFlow库的tf.train.summary_iterator()函数读取events.out.tfevents文件。例如,可以使用以下代码读取文件并打印事件的摘要信息: ``` events = tf.train.summary_iterator('/path/to/events.out.tfevents') for event in events: print(event) ``` 3. 寻找需要修改的数据: 在读取事件文件时,可以获取到存储在其的各种数据。根据需要修改的数据类型,可以查找特定的事件并确定要修改的数据所在的步骤。 4. 修改数据: 要修改事件文件数据,可以使用TensorFlow的Summary.Writer对象。首先,需要创建一个Summary.Writer对象,并指定要将新的数据写入的路径。 ``` writer = tf.summary.FileWriter('/path/to/modified_events.out.tfevents') ``` 然后,可以使用Summary.FileWriter.add_summary()函数将修改后的数据写入到新的事件文件。 ``` # 假设要将某个事件的特定数据修改为新值 modified_data = ... # 新的值 step = ... # 数据所在的步骤 modified_summary = tf.Summary(value=[tf.Summary.Value(tag='tag_name', simple_value=modified_data)]) writer.add_summary(modified_summary, global_step=step) ``` 5. 保存并关闭文件: 在修改完所有需要修改的数据后,需要调用Summary.FileWriter.close()函数保存并关闭文件。 ``` writer.close() ``` 以上是一个大致的步骤,具体如何修改数据取决于要更改的具体事件和数据类型。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值