Vue:很实用的小知识

 

基于 Node.js 安装cnpm(淘宝镜像)

npm install -g cnpm --registry=https://registry.npm.taobao.org

先配置开发环境:
npm install vue -g

安装vue命令行工具,即vue-cli 脚手架

cnpm install vue-cli -g
 

手机端运行node.js服务
步骤1.将index.js中的host的值改为‘0.0.0.0’ 
步骤2.修改package.json中script下dev的值,在后面加入--host 0.0.0.0 也可以解决

render(){
    creatElement();
}
事件修饰符:@click.stop="handle",阻止默认时间冒泡。
键值修饰符:@keyup.13="handle",指定键触发事件。
组件渲染,驼峰变横岗。
通过使用 v-once 指令,你也能执行一次性地插值,当数据改变时,插值处的内容不会更新。
为了输出真正的 HTML,你需要使用 v-html 指令。

对于任何复杂逻辑,你都应当使用计算属性 computed。

// 搜索框自动过滤提示功能
computed:{
	Flist(){
		return this.list.filter((list)=>{return list.title.match(this.search)})		
	}
},

配置babelrc文件,按需引入文件
"plugins": [
  "transform-vue-jsx", 
  "transform-runtime",
  ["import",{
  "libraryName":"vant",
  "style":true
    }]
  ]

父子组件通信:

子组件发布:

methods:{
	child(){
	  this.$emit('tofather',this.msg,true)  //传值
	}
}

父组件订阅:

<child @tofather="todo"></child>
methods:{
  	todo(msg){
  		console.log(msg)
  	}
  }

Vue-Router:

this.$router.go(-1);返回上一页

滚动行为:scrollBehavior (to, from, savedPosition) {
    return { x: 0, y: 0 }

子路由:

children:[{
        path:'/son1',
        component:son1
      },{
        path:'/son2',
        component:son2
      }]

路由别名:

alias:'/',

VueX:

状态管理

export default new Vuex.Store({
  state: {

     //数据

  },

getters:{

    //数据修饰

}
  mutations: {

     //方法

  },
  actions: {

     //异步方法

  }
})

 

 

  • 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