ajax26怎么样,任务26-jquery 常用方法&ajax

问答

1. Jquery 中, $(document).ready()是什么意思?和window.onload 的区别? 还有其他什么写法或者替代方法?

$(document).ready()是当 DOM(文档对象模型) 已经加载,并且页面(包括图像)已经完全呈现时,会发生 ready 事件。

区别:

执行时机:

$(document).ready()只需要在页面中所有的DOM结构绘制完毕后就执行。

window.onload必须等网页中的所有内容加载完毕后(包括图片、CSS、脚本等),才能执行。

编写个数:

$(document).ready()能同时编写多个,根据编写顺序依次执行。

window.onload只能编写一个。如果编写多会也只会执行最后一个 window.onload代码。

简写方法:

$(document).ready()可以简写成:$().ready(function(){// body...})或$(function(){// body...})

2. $node.html()和$node.text()的区别?

$node.html()获取集合中第一个匹配元素的HTML内容或设置每一个匹配元素的HTML内容。当()没有参数时,获取集合中第一个匹配元素的HTML内容;当()有参数时,设置node的HTML的内容。

$node.text()得到匹配元素集合中每个元素的文本内容结合,包括他们的后代,或设置匹配元素集合中每个元素的文本内容为指定的文本内容。当()没有参数时,得到匹配元素集合中每个元素的合并文本,包括他们的后代。当()有参数时,设置node的文本内容。

cfa5ae966893

cfa5ae966893

3. $.extend 的作用和用法?

作用:将两个或更多对象的内容合并到第一个对象。

写法:

jQuery.extend( [deep ], target, object1 [, objectN ] )

[deep]可选。类型: Boolean。如果是true,合并成为递归(又叫做深拷贝)。不能设置成false。

target对象扩展。将接收新的属性。可以写成{}。

object1合并到新的属性的第一个参数。

[,objectN]可选。合并到新的属性的第N个参数。

用法:

合并两个对象,并修改第一个对象。

cfa5ae966893

cfa5ae966893

采用递归的方式合并两个对象,并修改第一个对象。与上面的用法不同处在于如果目标对象的某个属性在附加对象中有,那么这个属性的值会发生合并。

cfa5ae966893

cfa5ae966893

合并 defaults 和 options 对象,并且不修改 defaults 对象。这是常用的插件开发模式。

cfa5ae966893

cfa5ae966893

4. JQuery 的链式调用是什么?

链式操作就是分步骤地对jQuery对象实现各种操作。

$(#test).css('color','blue').show(200).removeClass('style');

上面的一行代码,对id为test的对象进行了三项操作:先设置字体颜色为蓝色,再显示对象,最后移除对象的“style”。

上面 每一步的jQuery操作,返回的都是一个jQuery对象,所以不同的操作可以连接在一起。

优点:

代码更精简。链式操作能大大精简代码量,多项操作一行代码一气呵成,搞定;

优化性能。使用链式操作,所有操作代码共享一个jQuery对象,省去了逐步查询DOM元素的性能耗损。

5. JQuery ajax 中缓存怎样控制?

jQuery ajax方法中是利用cache参数来控制缓存,默认cache值为true(即缓存)。但在有些情况下我们是不需要ajax的默认缓存数据的,如时间等的实时发生变化的数据,这样我们可以通过设置cache为false,每次发送请求的数据上加上时间戳的方式,每次发送请求时都带上当时的时间参数,由于时间一直在变化,这样发生网络请求时,浏览器会认为这不是同一个页面,因此不会从缓存获取数据,而是重新发送请求获取数据。

6. jquery 中 data 函数的作用?

.data( key, value )在匹配元素上存储任意相关的数据。

cfa5ae966893

.data(key)或者.data()返回匹配的元素集合中的第一个元素的给定名称的数据存储的值。

 
 

alert( $("body").data("foo")); //undefined,如果指定元素上没有设置任何值,那么将返回undefined。

$("body").data("bar", "foobar");

alert( $("body").data("bar")); //foobar

本文版权归本人和饥人谷所有,转载请注明来源。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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