自定义文档库之---自定义文档库右键菜单

SPS文档库的右键菜单通过Program FilesCommon FilesMicrosoft Sharedweb server extensions0TEMPLATELAYOUTS?2目录下的ows.js中的AddDocLibMenuItems函数生成,该函数提供一个HOOK可以使用,如下
function AddDocLibMenuItems(m, ctx)
{
    if (typeof(Custom_AddDocLibMenuItems) != "undefined")
    {
        if (Custom_AddDocLibMenuItems(m, ctx))           
            return;
}


}

通过定义一个名称为Custom_AddDocLibMenuItems的函数,可以生成一些自己需要的菜单项,以下代码段示例加入一个发送邮件菜单
function Custom_AddDocLibMenuItems(m, ctx)
{
   var strDisplayText = "发送邮件";
    var strAction = "SendEmail()"; 
    var strImagePath = "";

    // Add our new menu item    
    CAMOpt(m, strDisplayText, strAction, strImagePath);

    // add a separator to the menu
    CAMSep(m);

    // false means that the standard menu items should also be rendered
    return false; 
}
CAMOpt函数在OWS.JS文件提供,参数m表示菜单对象本身,strDisplayText是增加的菜单项的显示名称、strAction是该菜单项执行的动作,strImagePath指定菜单前的显示图标
CAMSep函数在OWS.JS文件提供,显示一条分割线在菜单项之间
当自定义的Custom_AddDocLibMenuItems函数返回false时,OWS.JS中的AddDocLibMenuItems函数将继续执行以生成系统原有的菜单项,当Custom_AddDocLibMenuItems函数返回true时,OWS.JS中的AddDocLibMenuItems函数停止执行,不生成系统原有菜单项

我在项目中的实际用途是将AddDocLibMenuItems函数体Copy到Custom_AddDocLibMenuItems中,将系统原有的在项目中没有用的菜单去除,然后返回true值给AddDocLibMenuItems函数,以便中断AddDocLibMenuItems函数的执行

自定义的Custom_AddDocLibMenuItems通过SPS提供的内容编辑Webpart放入到需要的页面中即可
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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