2016首发!!!紧急版本项目

2016年

从加班开始


4号开始上班,然后,然后,当天收到消息,说有个版本,15号结束(由于之前一直做的都是迭代开发,而且做的都是周期很长的那种,所以以为是15号结束开发的),心想,还有半个月,不捉急的

当天无事


5号早上一来,集合,进会议室

说了一上午需求,快结束时,重点来了!15号上线!!!!上线!!!!上线!!!!

我擦,就是说,15号之前要完成,编码,st,uat等等。。。

然后,经理评估了一下,5号开发,7号下午前结束!!!,本周争取加班加点完成st

就是说,在剩下48个小时中完成本次版本!!!

好吧,干吧

任务分配,从功能上说我的最多,四个功能(相对简单重复,但是在任务数上,哈哈哈哈哈,你懂的),总共14个功能,6个人

四个页面,查询主页面,但是,业务上也繁琐


5号下午,针对需求写sql

来来来,比方说一个问题

表中两个字段,一个表示(买/卖)的字段buyOrSell,一个是金额dlPrc

求买卖的净额(就是买的总额-卖的总额),谁减谁无所谓,反正求净额

可以理解为,小卖部,求当天净利润一样,拿总的卖出金额(营业额)-买入金额(进货款)

类似于这样的

想了各种办法,最后

浓缩到一句SQL

nvl( sum( decode( buyOrSell , ‘卖' , dlPrc , dlPrc*-1 ) ) , 0 )

有人说子查询,有人说行转列,当然,我是不知道他是怎么想到行转列这么麻烦的事情,去年帮别人写过一个,但是忘记保存了,现在木有了,又不会了,哈哈哈哈哈哈哈

子查询还能接受,但是,这个只是我的一个查询字段啊,还有一堆啊,不能为了这一个字段加子查询啊,再说,本身就已经是在left join 的子查询中,不能再套了

所以,就这一句sql,我靠,想了差不多一个小时

尽可能的简单明了

后续还有一个逻辑,繁琐,但是涉及到具体业务字段,这里就不能描述出来了,不然,我得进去了,哈哈哈哈哈哈


下午开始开发,开发到7号,就是今天!!!,天天晚上加班到十点半,没错,没有通宵,只是几个页面,木有必要,再说,家里还有美娇娘,不是充气的啊,嘿嘿嘿


木有这么高强度的连续工作过,之前的都是那种周期很长的,现在开发,两三个月之后才上生产的那种,测试多,st,uat ,模拟 ,仿真

所以,都是很不捉急的


原来一直写后台多,页面写的不多,这次连续写了四个页面,但是由于类似,所以,吸收的不多,但是开始有一点的,顺带帮别人解决一个去年我也遇到的问题,哈哈哈

就是

jquery的datatables控件的显示属性bInfo,某些情况下不想显示datatables的下面的分页信息,就是,什么共多少,当前多少啊什么的,

bPaginate属性控制的是要不要分页,效果就是,一个显示全部的数据,然后木有翻页按钮


其他都是死板的搬砖工作了,再次不做冗余阐述,就这样OVER了


今晚还要加班,别人木完成,不知道合并代码的时候有没有问题,所以,还是留下来吧,万一页面嵌入的时候出现问题了呢

由于此次做的项目特殊需求

所以,再次我可以说,我是为了中华崛起,名族复兴而加班!!!!!(但是我就是不告诉你)


差点忘了。之前遇到一个问题

之前,一直以为hibernate木有提交,或者在service事物中,木有提交,数据不保存到表中

但是,用sql的话不会。。。但是,今天发现不是啊,不是啊,sql也不行啊,一样跟随service事物,不提交啊

上个版本(现在在uat中)出现了一个bug,改了个接口,自己会查表捞数据的,但是,别人调用的时候,木有提交,然后,然后,然后就悲剧了,有木有啊

哎,桑心,好桑心!!!关键是,得我改,由于这个接口都不知道是N久之前哪个坑货写的,挖的一个大坑,评估了下,还是我这边改的话变动最小,不然,就是大改了

不知道,是哪个坑货挖了这么大一个坑!!!居然,这个业务上一直没用,好几年了,所以一直木有发现!!!


哎呀,加班多了,记性不好

还有一个问题,jsp页面的css样式优先级别问题

<ul class="list01 fix">

<li class="span1">

<div class="fValue"></div>

</li>

</ul>


有一个js文件,里面定义

.list01 li .fValue{ margin-left:100px }

然后呢

我在页面的head里面写了一个

.fValue{ margin-left:80px }

木有生效!!!为什么呢,按照优先来说,应该是嵌入-》内-》外

是吧,明显应该是生效内样式,但是木有啊,页面显示的是100px

哈哈哈哈,这里涉及到一个权值问题

一朋友的解释是:

js 里面的css 对这个.fvalue做了一个条件限制;

 限制了.list01 li 下的.fvalue宽度为100px;

head中定义的只是对这个.fvalue做了一个定义宽度为80px,这个只是在独立的使用,如这样<div class='fvalue'></div> 这个div就为80px

js中的.list li .fvalue{width:100px;}
head中的.fvalue{width:80px;}
在浏览器中解析的时候应该就是下面这样的
.list01 li .fvalue{width:100}
.fvalue{width:80px;}

那么在body中
<ul class='list01'>
<li>
<div class='.fvalue'>--这个就为100px
</div></li></ul>

<div class='fvalue'></div>--这个就为80px

哈哈,很牛逼有木有,就是权值的通俗解释。。。


  • 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