【原】来自于一位前端“布道者”的建议

之前转发了一篇《web前端开发工程师编程能力飞升之路》的文章,转发当时其实知道这是一篇很老的文章,只是想着转过来自己没事儿的时候看看,日后作为一个参考,但是没想到刚转过来两小时的当儿,阅读量达到了八百,让我感觉到了前端开发这块儿对于开路这类养料的文章需求,刚好今天请教了一位的前端的前辈,挺有感触,分享一下。

 

一、语法基础永远是最关键的。这个可以通过看书获得,推荐《JS高程》。

二、基本特性烂熟于胸,然后就是最流行的框架和这些框架的特点,主要是开发模式上的特点,比如大项目会用到mvc、mvvm,那么这两者是啥?哪些框架对这俩支持的比较好。

三、其次是对JavaScript本省的一些弥补,比如为了弥补模块化编程,有require、AMD模式和CMD模式,为弥补异步编程的逻辑不清问题,诞生了promise等。

四、最后是项目快速开发构建方面的东西,npm、gulp、grunt等,前端代码的单元测试和自动化测试。

总之,搞前端,就要对基础非常非常熟悉,能任何脱离框架,用原生的API独立开发项目。在这个基础上,适当掌握流行框架,不能满足于会用,还要思考这些框架为啥那样设计。对于项目实践这块儿,一尽量自己动手写,写完了再优化,知道优化到自己满意,自己给自己做coding review。写的时候肯定会遇到很多问题,慢慢去解决。有空了在github上找一些比较好的库,看看他们的源代码,分析代码里的设计和思路。

 

由于是微信联系,上述所有,几乎没有任何删减,念于我感触颇深,感觉每一句都很精辟,故照搬于此,分享与大家,与每一位走在前端道路上的伙伴们共勉~~

 


更多专业前端知识,请上 【猿2048】www.mk2048.com
  • 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