SublimeText快捷键使用

关键字:sublimeText 快捷键 
快捷键 
快捷键使用熟练对我们编写速度有很大的提升哦,看看有什么快捷键吧 
Ctrl+L 选择整行(按住-继续选择下行) 
Ctrl+KK 从光标处删除至行尾 
Ctrl+K Backspace 从光标处删除至行首 
Ctrl+J 合并行(已选择需要合并的多行时) 
Ctrl+KU 改为大写 
Ctrl+KL 改为小写 
Ctrl+D 选择字符串 (按住-继续选择下个相同的字符串) 
Ctrl+M 光标移动至括号内开始或结束的位置 
Ctrl+/ 注释整行(如已选择内容,同“Ctrl+Shift+/”效果) 
Ctrl+Shift+c转换为utf8 
Ctrl+R 搜索指定文件的函数标签 
Ctrl+G 跳转到指定行 
Ctrl+KT 折叠属性 
Ctrl+K0 展开所有 
Ctrl+U 软撤销 
Ctrl+T 词互换 
Tab 缩进 自动完成 
Shift+Tab 去除缩进 
Ctrl+F2 设置书签. 
F2 下一个书签 
Shift+F2 上一个书签 
shift+鼠标右键 列选择 
Alt+F3 选中文本按下快捷键,即可一次性选择全部的相同文本进行同时编辑 
Alt+. 闭合当前标签 
F6 检测语法错误 
F9 行排序(按a-z) 
F11 全屏模式 
Ctrl+Enter 光标后插入行 
Ctrl+Shift+Enter 光标前插入行 
Ctrl+Shift+[ 折叠代码 
Ctrl+Shift+] 展开代码 
Ctrl+Shift+↑ 与上行互换 
Ctrl+Shift+↓ 与下行互换 
Ctrl+Shift+A 选择光标位置父标签对儿 
Ctrl+Shift+D 复制光标所在整行,插入在该行之前 
ctrl+shift+F 在文件夹内查找,与普通编辑器不同的地方是sublime允许添加多个文件夹进行查找 
Ctrl+Shift+K 删除整行 
Ctrl+Shift+L 鼠标选中多行(按下快捷键),即可同时编辑这些行 
Ctrl+Shift+M 选择括号内的内容(按住-继续选择父括号) 
Ctrl+Shift+P 打开命令面板 
Ctrl+Shift+/ 注释已选择内容 
Ctrl+PageDown 、Ctrl+PageUp 文件按开启的前后顺序切换 
Ctrl+鼠标左键 可以同时选择要编辑的多处文本 
Shift+鼠标右键(或使用鼠标中键)可以用鼠标进行竖向多行选择 
Shift+Tab 去除缩进 
Alt+Shift+1~9(非小键盘)屏幕显示相等数字的小窗口 
Ctrl+P 快速查找 
输入@+函数名可以快速找到函数。 
输入#+文本可以快速进行文件内文本匹配。 
注:加粗体的是比较常用的
--------------------- 
作者:GeekBoss极研社 
来源:CSDN 
原文:https://blog.csdn.net/mengkingye/article/details/52058979 
版权声明:本文为博主原创文章,转载请附上博文链接!

  • 1
    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