data

最近想在小程序做股票K线图，于是尝试用Canvas实现股票K线图。 K线图用到Canvas的API其实只有划线和画矩形，即moveTo(),lineTo(),fillRect()等函数。 第一步，我们先定义K线类： function Bar(open,high,low,close,width){ this.open = open; this.high = high; this.low = low; this.close = close; this.width = width | 5; } 输入参数分别表示开盘价，最高价，最低价，收盘价，K线宽度。 K线类定义一个绘制函数： Bar.prototype.draw = function(pen,x,base,frag,screen){ //根据base,frag计算坐标 var _open = screen - (this.open - base)*frag - 10; var _high = screen - (this.high - base)*frag - 10; var _low = screen - (this.low - base)*frag - 10; var _close = screen - (this.close - base)*frag - 10; //根据base,frag画K线 pen.save(); if

ajax --前后台分离开发 api(程序应用集---数据接口) 局部刷新技术 异步请求（请求和后续代码同时执行） 同步请求（等待请求执行完成在执行后续代码） 专门做后台数据的访问的 先学习原生js的ajax 对象 XMLhttprequest 对象 后台数据访问的对象 原生js在访问后台数据的时候专门写 1.实例化对象 2.open 连接远程服务器 参数： method 请求的方式 get post url:请求的服务器路径 async 当前的请求是同步还是异步 true 异步 false 同步 user 用户名 password 密码 send() 发送请求 4.响应事件onreadystatechange 5.渲染界面 var http = new XMLHttpRequest(); //2.建立服务器连接 http.open("get", "./data/student.txt"); //3.发送请求 http.send(); //4.服务器响应 http.onreadystatechange = function () { //5.界面的渲染 //判断 获取最终读取完成状态 if (http.readyState == 4) { //返回的数据都是string //console.log(typeof http.responseText); console.log

tensorflow object detection API 创造一些精确的机器学习模型用于定位和识别一幅图像里的多元目标仍然是一个计算机视觉领域的核心挑战。tensorflow object detection API是一个开源的基于tensorflow的框架，使得创建，训练以及应用目标检测模型变得简单。在谷歌我们已经确定发现这个代码对我们的计算机视觉研究需要很有用，我们希望这个对你也会很有用。 1. 安装tensorflow以及下载object detection api 安装tensorflow： 对于CPU版本：pip install tensorflow 对于GPU版本：pip install tensorflow-gpu 升级tensorflow到最新版1.4.0：pip install --upgrade tensorflow-gpu 安装必须库： sudo pip install pillow sudo pip install lxml sudo pip install jupyter sudo pip install matplotlib protobuf编译：在tensorflow/models/research/目录下 protoc object_detection/protos/*.proto --python_out=. 添加pythonpath

cloud执行：https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_pets.md 本地执行： https://github.com/tensorflow/models/blob/master/research/object_detection/g3doc/running_locally.md 1. 获取数据Oxford-IIIT Pets Dataset # From tensorflow/models/research/ wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/images.tar.gz wget http://www.robots.ox.ac.uk/~vgg/data/pets/data/annotations.tar.gz # 解压 tar -xvf images.tar.gz tar -xvf annotations.tar.gz 最后 tensorflow/models/research/下文件结构 images/ annotations/ object_detection/ others 2. 对数据进行转换 Tensorflow Object Detection

软件版本： centos 7.5-64 mysql 5.7 xtrabackup 2.4 按照相关文档和资料在centos7上安装了xtrabackup，然后依照命令进行备份报错： [root@host7 ~]#innobackupex --default-file=/etc/my.cnf --user=root --password=111111 --host=localhost /Data/bak_db/ …… …… InnoDB: Operating system error number 24 in a file operation. InnoDB: Error number 24 means 'Too many open files'. 操作系统，防止系统压力过大或者资源不足，对用户可以打开的文件数或进程数等做了相应的限制。 既然上面的命令报错，就想到了可能是系统限制导致的错误。 解决办法： 在redhat相关的Linux系统中，在 /etc/security/limits.conf 配置（限制）每个用户的资源。 格式： #<domain> <type> <item> <value> # soft core 0 # hard rss 10000 #@student hard nproc 20 #@faculty soft nproc 20 #@faculty hard

在Visual Studio 2010的服务器资源管理器中无法连接到Sql Server,对话框提示" 找不到请求的.NET Framework Data Provider。可能没有安装 " 解决办法: 打开C:\WINDOWS\Microsoft.NET\Framework\ v2.0.50727 \CONFIG\machine.config,复制DbProviderFactories节点下的内容到C:\WINDOWS\Microsoft.NET\Framework\ v4.0.30319 \Config\machine.config中的相应位置(原内容为空). <DbProviderFactories> <add name="Odbc Data Provider" invariant="System.Data.Odbc" description=".Net Framework Data Provider for Odbc" type="System.Data.Odbc.OdbcFactory, System.Data, Version=2.0.0.0, Culture=neutral, PublicKeyToken=b77a5c561934e089"/> <add name="OleDb Data Provider" invariant="System.Data.OleDb"

学习中遇到的问题： 找不到请求的 .Net Framework Data Provider。可能没有安装. 找到的解决方法 解决方法: 安装Microsoft SQL Server Compact 4.0. 安装Microsoft SQL Server Compact 4.0之后，程序运行正常。 问题的原因就是程序连接.sdf的数据库时的报错，所以安装Microsoft SQL Server Compact 4.0即可。 Microsoft SQL Server Compact 4.0中文版下载地址: http://www.microsoft.com/en-us/download/details.aspx?id=17876 安装后如果不可： 在Visual Studio 2010的服务器资源管理器中无法连接到Sql Server,对话框提示" 找不到请求的.NET Framework Data Provider。可能没有安装 " 解决办法: 打开C:\WINDOWS\Microsoft.NET\Framework\ v2.0.50727 \CONFIG\machine.config,复制DbProviderFactories节点下的内容 替换 C:\WINDOWS\Microsoft.NET\Framework\ v4.0.30319 \Config\machine

最近公司有个小工具需要用到DB2数据库，以前没玩过DB2，觉得应该很容易就实现了。 这个小工具最开始用了Nhibernate来连接DB2，Nhibernate也是第一次用。。实在是惭愧啊。。。 第一次用DB2，查了半天资料说DB2的控制中心有UI可以输入SQL命令，结果。。控制中心没连上。。一直报错。 当然，我起初是不知道这是怎么回事。还以为我装的DB2数据库有问题。实际上，不是。是我没去配置中心去配置它的IP，导致不能连接。 第一次用的同学可以网上搜一下当控制中心连接不上时报错的信息（最开始内心是崩溃的），会有告诉你怎么去配置的文章。 控制中心连接数据库界面如下。打圈的地方就是执行SQL命令的地方 经过网上查询资料，Nhibernate连接DB2的用法，什么映射文件要编译为嵌入的资源，配置文件要加上什么<hibernate-configuration xmlns="urn:nhibernate-configuration-2.2"> 等等。（具体略。。了解也不是很清楚，需要的可以网上查查） 最后查出了连接DB2，要用IBM.Data.DB2.dll。最开始我装的DB2都是64位，用Nhibernate连接DB2，运行程序，居然报格式不匹配（反正就是位数不对的错误。应该用32位的dll）。记得公司程序都编译为x86，所以我就重装了DB2 X86版本，然后引用的是X86的IBM

3 月，跳不动了？>>> 人们总喜欢往HTML标签上添加自定义属性来存储和操作数据。但这样做的问题是，你不知道将来会不会有其它脚本把你的自定义属性给重置掉，此外，你这样做也会导致html语法上不符合Html规范，以及一些其它副作用。这就是为什么在HTML5规范里增加了一个自定义data属性，你可以拿它做很多有用的事情。 你可以去读一下HTML5的详细规范，但这个自定义data属性的用法非常的简单，就是你可以往HTML标签上添加任意以 "data-"开头的属性，这些属性页面上是不显示的，它不会影响到你的页面布局和风格，但它却是可读可写的。 下面的一个代码片段是一个有效的HTML5标记： 复制代码 代码如下: <div id="awesome" data-myid="3e4ae6c4e">Some awesome data</div> 可是，怎么来读取这些数据呢？你当然可以遍历页面元素来读取你想要的属性，但jquery已经内置了方法来操作这些属性。使用jQuery的.data()方法来访问这些"data-*" 属性。其中一个方法就是 .data(obj)，这个方法是在 jQuery1.4.3版本后出现的，它能返回相应的data属性。 举个例子，你可以用下面的写法读取 data-myid属性值： 复制代码 代码如下: var myid= jQuery("#awesome").data(

Unix Pipes Unix管道扫描稿 简单样例： $ netstat -apn | grep 8080 相信这个大家经常使用，这里就不细说了。 那么管道基本思想是什么呢？ 让每个程序只完成一件事，并将其做好( do one thing and do it well )，完成一个新任务，新建一个程序，而不是在旧程序中添加新特性 标准化每个程序的输入和输出，让任意符合标准的程序可以串在一起( write programs to work together ) 设计和创造软件，而不是架构或系统 NodeJS Stream NodeJS中引入流概念来解决I/O异步问题，如果没有Stream，我们可能要这么写代码： var http = require('http'); var fs = require('fs'); // 著名的回调地狱又来了 var server = http.createServer(function (req, res) { fs.readFile(__dirname + '/data.txt', function (err, data) { res.end(data); }); }); server.listen(8000); 但有了Stream，我们就可以更优雅的编写代码： var http = require('http'); var fs =