实训DAY03work

1.目前我们有一个数组[1,2,3,4,5,6,7],请使用js获取出所有的奇数并加入到一个新数组中,然后将新数组打印到控制台.

		<script >
			// foreach完整迭代每一个元素,并把元素作参数去执行匿名函数
			[1,2,3,4,5,6,7].forEach(data => {
				// alert(data);
			});
			// filter返回的是满足条件的新数组
			[1,2,3,4,5,6,7].filter(data => {
			if (data % 2 == 0) {
					return false;
				}
				// alert(data);
				console.log(data);//在控制台打印
			});
		</script>

2、【改错】请指出下列代码有几处错误:

   var conponentTemp = {
        template: '<h2>{{msg}}</h2>',//8.将msg改为zujianmsg
        //7.添加 props:['zujianmsg']
}
    Vue.component('ZUJIAN', conpomentTemp);//5.此处名称应改为('zujian', conponentTemp)
    var vm = new Vue([//1.此处应用'{'
        el: '#app'//2.此处应有逗号
        data: [//3.此处应用'{}'
            msg: 'vm中的msg'
        ]//4.此处应有逗号
methods() {//6.此处应把括号改为冒号
m1: function() {/*直接m1()即可*/
alert('m1被调用了');
}
}
]/*1.此处应用'}'*/);

3、下列代码的执行结果是什么,并说明为什么是这个执行结果。

var ay = ['asdf', 'qwsds', 'sdsd', 'diss'];
ay.filter(data => {
    return data.includes('sd') && data.length == 5;
});	

执行结果返回一个新的ay数组
filter返回的是满足条件的新数组而条件data.includes('sd')是指含有'sd'的元素而data.length == 5代表的是元素的长度为5.

4、创建组件的流程是什么,请写个每个流程的代码。

	/*1.定义组件模板*/
			var zujianTemp={
				template: '<h2>{{count}}</h2>',
				data(){
					return {count:0};
				},
				methods:{
					zujianm(){
						alert(this.count);
					}
				}
			};
	/*2.将组件注册到Vue中*/
			Vue.component('zujian1',zujianTemp);
			var vm=new Vue({
				el: '#app',
				data: {
					pome: '云想衣裳花想容,春风拂槛露华浓',
				},
				methods:{
				}
			});
    <!--3、像使用标签一样使用组件即可-->
    <div id="app">
    	<zujian1></zujian1>
    	<zujian1></zujian1>
	</div>

5、组件的data和vm的data有什么差别,为什么会有这种差别。
1、组件只能应用在vm的视图下
2、组件有自己独立的data,即<组件名></组件名> <组件名></组件名>,组件data是一个函数,这个函数返回一个新对象,VM data就是一个对象–>
3、组件有自己的html视图代码
当一个组件被定义,data必须声明为返回一个初始数据对象的函数。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
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