Vue知识

Vue入门基础知识

1、Vue使用的基本操作

i. 先下载,引入vue.js

ii. Vue,实例化一个vue实例化对象(new Vue({}))

1. 新建一个vue实例化对象(Vue是一个构造函数)

2. 执行vue构造函数中每一句代码

3. 将新创建的vue实例化对象赋值给vue构造函数中的this

iii. 往vue实例化对象中传入一个对象(Vue实例化传入的对象里面的值也都为对象,以键值形式对存在,如data对象)

2、Vue的基础知识(应用:普通版的todolist(待办事项))

1) el: 节点挂载 限定Vue语法的作用范围

2) Data(需要渲染的数据,Vue 实例的数据对象)

a) data的类型可以为:Object | Function。

注:组件的定义只接受 function(因为函数有自己的作用域,每一个实例的data属性都是独立的)

b) data可以为:

1. 自定义数据

2. 通过ajax获取的后台数据

3. Data是一个函数

3)Vue语法,实现对(DOM)节点的渲染、删除、添加

a) 模板渲染{{ obj }}(data中的数据可以直接在html中显示,让js变量直接在html中使用)

b) v-for (列表渲染,使用for循环遍历数据生成节点,遍历对象和数组),数据驱动视图

使用:1. 用 v-for 把一个数组对应为一组元素

v-for=”(item,index) in list”

list为源数据数组并且item是数组元素迭代的别名

index为当前项的索引

2、一个对象的 v-for

v-for="(value,key) in object"

object为data中定义的一个对象,value为对象的值,key为对象的键名

c) 条件渲染v-if、v-show(使用数据隐藏和显示节点)

1.v-if删除了节点

2.v-show隐藏了节点(使用display:none隐藏了节点)

d )删除节点,使用@click时间并在methods中定义delitem删除函数,并用v-bind绑定自定义属性,

如::data-id="item.id" 事件处理@click与回调函数methods (与v-bind结合使用,因为在进行操作的时候需要传入值)

1. 在节点上直接绑定click事件

2. 在methods属性中定义函数

3. methods中使用data中的数据必须使用this访问

4. this代表vue实例化对象

e) 添加节点,通过input的value值与data绑定

v-model与表单元素的value值的双向数据绑定(在表单控件或者组件上创建双向绑定,在节点上直接修改value属性) 双向数据绑定

1. 将表单中input的值value和data中值绑定起来 (data设置该数据的属性值title:"默认值",input中绑定v-model="title",添加按钮绑定@click="additem")

2. data改变input[value]改变

data中的title的值改变,input中的value也会发生改变

3. Input[value]改变data改变 在input中输入值,点击添加按钮,data中的数据发生改变

f) 绑定属性(自定义属性)(绑定属性值)V-bind:href,data-id

1. 简写(:href)

2. v-bind:的缩写 : (冒号)

g) v-if删除了节点,页面审查不到

v-show隐藏了节点(使用display:none隐藏了节点),页面能够审查到

h) template:定义组件模板,模板中的内容即为组件的内容

1. 在template标签中写html模板,并标注id

2. 在组件中使用template属性通过id引用template标签

3. 模板将会替换挂载的元素。挂载元素的内容都将被忽略

4. template中的html不会被浏览器首次加载时所渲染,在调用了组件之后才渲染的。

也就是说:template: '<App/>' 表示用<app></app>替换index.html里面的<div id="app"></div> i) 应用:普通版的todolist

  • 0
    点赞
  • 1
    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