记录工作中遇到的目前无法解决疑难杂症

记录我工作中遇到的网上搜都搜不到的疑难杂症

  1. 个别Mac电脑(目前只发现Mac,而且不区分型号),出现子级设置width: 100%;不能把父级的滚动条宽度计算在内。
  2. 360极速浏览器下:一个定高的div设置flex-direction: column-reverse;导致不能上下滚动的问题,而设置能flex-direction: column就可以滚动。谷歌浏览器下正常

对于问题1

可能我还没有说清楚,问题就是有两个嵌套的DIV:

最奇葩的是,这个问题目前发现只跟电脑有关,只有个别Mac(包括14英寸,15.6英寸的)会出现这种情况,而且竟然跟浏览器没关系?!!只要发现这个电脑出现这种情况,那么这个电脑的所有浏览器都会出现这种情况!我对比了出现问题的电脑的浏览器以及正常电脑的浏览器(谷歌为例),在控制台打印navigator,结果显示版本号什么的都一样!如图


所以我根本找不到原因!无法进行判断!!

万般无奈之下我只能动用最后的杀手锏——JS了!对的,用JS粗暴的计算父级的offsetWidth(而不是clientWidth,它俩的区别就在这,后者是不包括滚动条宽度的),然后再给子级进行使用:

const ulwidth = this.deepBoxUpRef.current ? this.deepBoxUpRef.current.offsetWidth - 21 : 'width: calc(100% - 21px)'复制代码

<div ref={this.deepBoxUpRef}>
    <ul style={{ width: ulwidth }}>
</div>复制代码

PS:上面减去21px是因为需求要求隐藏滚动条,代码是为了描述问题精简化的,其实还进行了机型是否为Mac的判断,因为Mac和Windows滚动条的CSS逻辑是不一样的。你可能又要问了,为什么是21px?windows滚动条不是17px么?我最开始确实是设置的17px!但是后来测试频繁的提bug,会出现白边(滚动条漏出来了1px),然后我从17px调成19px再调成21px。然后基本解决了绝大部分情况(测试没再找我)。你可能注意到了,我为什么话没说死,而是说绝大部分?因为过了一个月,公司量化部门搬来他们的笨重的windows电脑过来,发现那该死的滚动条又把屁股漏出来了!(分辨率超级高,然后电脑显示器设置了放大150% 200%之类的,我试过设置成100%但还是那样,可能就是分辨率太高的原因?)崩溃!世界真是千奇百怪,滚动条宽度都从标准的17px到21px甚至更宽不等!其实后来我想到一个办法,就是再用JS计算父级的offsetWidth和clientWidth的差值就能把当前管它是什么浏览器的滚动条宽度计算出来了,但我还没有尝试过。ps中的ps:隐藏滚动条的问题真的是不太好解决,路过的大佬如果知道好方法请评论指点我呀!ps中的ps中的ps...:话说我写一个PS为什么写了这么多

如果你看了我上面写的那一大坨话,你肯定会好奇长什么样的:


对于问题2

这是一个PC端很少见的需求,那就是让网页的排列顺序从下至上,类似微信聊天对话框,每次都是从最下方出现并且不需要用户手动滚动。我尝试了很多办法最终选择flex-direction: column-reverse;但是后来发现只有谷歌/Safari浏览器完美支持。对此,我只找到一个帖子,一群老外在五年前就开始讨论这个问题,然而该问题至今未得到解决:

Content that overflows off the "start" side of a "flex-direction: *-reverse" flex container is not scrollable (but should be)

截取部分对话:


很有意思,大家有兴趣可以进去看看


1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,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