手写下拉菜单,模糊查询数据

getCropList();//拉去列表数据
//下拉菜单显示隐藏
$(".plan_info .crops .crops_var .crops_info").on("click",".sousuo",function(e){
	e.stopPropagation();//阻止冒泡
});
$('.plan_info .crops .crops_var .crops_info').on('click',function(e){
	e.stopPropagation();
	if($('.crops .crops_var .crops_info ul').hasClass('hidden')){
	$('.crops .crops_var .crops_info ul').removeClass('hidden');
	}
	else{
		$('.crops .crops_var .crops_info ul').addClass('hidden');
	}
	$("body").on("click",function(e){
		$('.crops .crops_var .crops_info ul').addClass('hidden');
		$("body").off();
	});
})
//选择值
$('.crops .crops_var .crops_info ul').on('click','li',function(){
	var cropname =$(this).html();
	var cropvalue = $(this).attr('data_value');
	$('.plan_info .crops .crops_var .crops_info').attr('data_value',cropvalue);
	$('.plan_info .crops .crops_var .crops_info span').text(cropname);
})

$(".crops .crops_var .crops_info .sousuo .input_search").focus();
textCompare($(".crops .crops_var .crops_info .sousuo .input_search").eq(0),1000,speciesWordCompare);
//获取农作物列表
function getCropList(){
	getPost(urlPlantCropList,{"companyId":companyId},localStorage.getItem("ACCESSTOKEN"),function(res){
		if(res.respCode == 0){
			speciesArr = res.obj;
			renderSpeciesList(speciesArr);
		}
	})
}
//弹框作物种类下拉框:模糊匹配
function speciesWordCompare(inputobj){
	var newArr = [];
	var val = $(inputobj).val();
	for(let i=0;i<speciesArr.length;i++){
		var index = speciesArr[i].cropName.indexOf(val);
		if(index != -1){
			newArr.push(speciesArr[i]);
		}
	}
	renderSpeciesList(newArr);
}
//模糊匹配之后的列表
function renderSpeciesList(newArr){
	var str = '';
	newArr.forEach(function(ele,index){
		str+='<li data_value="'+ele.id+'">'+ele.cropName+'</li>';
	});
	$(".crops .crops_var .crops_info .sousuo").after(str);
};复制代码

好了就到这里了。


转载于:https://juejin.im/post/5baa001d6fb9a05d1f220f0a

你想了解如何使用 PyTorch 对手写数字数据集进行高斯模糊操作,是吗? 首先,你需要下载手写数字数据集,可以使用 PyTorch 提供的 MNIST 数据集,或者其他来源的手写数字数据集。然后,你可以使用 torchvision.transforms 中的 GaussianBlur() 方法对数据集进行高斯模糊操作。 下面是一个示例代码: ``` import torch import torchvision.transforms as transforms from torchvision.datasets import MNIST # 下载 MNIST 数据集 train_dataset = MNIST(root='./data', train=True, transform=transforms.ToTensor(), download=True) test_dataset = MNIST(root='./data', train=False, transform=transforms.ToTensor(), download=True) # 定义高斯模糊操作 blur_transform = transforms.Compose([ transforms.GaussianBlur(kernel_size=5, sigma=1.5) ]) # 对训练数据集进行高斯模糊处理 train_dataset_blur = MNIST(root='./data', train=True, transform=transforms.Compose([ blur_transform, transforms.ToTensor() ]), download=True) # 对测试数据集进行高斯模糊处理 test_dataset_blur = MNIST(root='./data', train=False, transform=transforms.Compose([ blur_transform, transforms.ToTensor() ]), download=True) # 打印数据集大小 print(len(train_dataset), len(train_dataset_blur)) print(len(test_dataset), len(test_dataset_blur)) ``` 在上面的代码中,我们首先下载了 MNIST 数据集,并定义了一个高斯模糊操作。然后,我们使用 Compose() 方法将高斯模糊操作和 ToTensor() 操作组合起来,对训练数据集和测试数据集进行处理,最终得到了两个新的数据集 train_dataset_blur 和 test_dataset_blur。最后,我们打印了数据集的大小,以确保处理正确。 希望这可以帮助到你!
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