layer

Layui上传图片 “选择的图片中包含不支持的格式”

混江龙づ霸主 提交于 2020-08-08 19:12:25
layui上传图片控件 //上传图片 upload.render({ elem: '#upload_pic', url: '../file/uploadImage.do', size: 30720, //限制文件大小,单位 KB field: 'file', exts: 'jpg|gif|png|jpeg', done: function (res) { if (res.code == 0) { layer.msg("上传成功"); } else { layer.msg(res.msg); } } }); 选择不是上传限制的图片类型,因为增加了富文本框ueditor和form嵌入造成提示框 “选择的图片中包含不支持的格式” 偏下解决办法 修改 layui下 upload.js中提示框源码 文件路径:layui -> lay -> modules -> upload.js 修改内容:o.msg("选择的图片中包含不支持的格式"); 更改为 -> parent.layer.msg("选择的图片中包含不支持的格式"); 来源: oschina 链接: https://my.oschina.net/u/3204029/blog/4292212

原创 Spring Boot 2.3 新特性分层JAR

谁说胖子不能爱 提交于 2020-08-08 19:10:31
背景 在我们实际生产容器化部署过程中,往往会遇到 Docker 镜像很大,部署发布很慢的情况 影响 docker 镜像大小的因素,主要有以下三个方面: 基础镜像的大小 。尽量选择 aphine 作为基础镜像 减少操作系统内置软件 Dockerfile 指令层数。 这就要求我们优化 Dockerfile 能合并在一行的尽量合并等 应用 jar 的大小。这是今天要分享的重点内容 helloworld 镜像 我们先来基于 spring boot 2.3.0 构建一个最简单的 web helloworld,然后构建镜像。 FROM adoptopenjdk:11-jre-hotspot as builder WORKDIR application ARG JAR_FILE=target/*.jar COPY ${JAR_FILE} application.jar ENTRYPOINT ["java", "-jar application.jar"] docker build --build-arg JAR_FILE=./demo-layer-0.0.1-SNAPSHOT.jar . -t demo:v1.0 查看镜像分层信息 我们通过 docker inspect demo:v1.0 来看下此镜像的每层的散列值 // demo:v1.0 版本镜像分层信息摘要 "Layers": [

openlayers6地图切换展示(附源码下载)

夙愿已清 提交于 2020-08-08 18:01:26
前言 之前写过一篇openlayers4版本的地图切换效果,但是由于是封装一层 js代码写的,很多初学者看起来比较有点吃力,所以本篇文章重新写一篇地图切换效果,直接基于最新版本openlayers6写的,纯粹html + js + css形式,没有任何封装。 内容概览 1.基于openlayers6实现地图切换展示效果 2.源代码demo下载 效果图如下: 大概实现思路如下:地图初始化配置加载各种在线地图,比如天地图,arcgis地图,谷歌地图,高德地图,百度地图,OSM地图等等,默认图层只显示一个地图,其他在线地图默认隐藏不可见状态;js自定义一个底图切换的控件,底图切换时候,动态设置图层的隐藏以及可见性,达到底图切换目的。 部分核心代码,完整的见源码demo下载 var satelliteLayer = new ol.layer.Tile({ // 天地图卫星图 visible: true , source: new ol.source.XYZ({ url: 'http://t{0-7}.tianditu.com/DataServer?T=img_w&x={x}&y={y}&l={z}&tk=7786923a385369346d56b966bb6ad62f' , crossOrigin: "anonymous" }) }); var satelliteLabelLayer =

【pytorch】改造resnet为全卷积神经网络以适应不同大小的输入

帅比萌擦擦* 提交于 2020-08-08 17:56:02
为什么resnet的输入是一定的? 因为resnet最后有一个全连接层。正是因为这个全连接层导致了输入的图像的大小必须是固定的。 输入为固定的大小有什么局限性? 原始的resnet在imagenet数据集上都会将图像缩放成224×224的大小,但这么做会有一些局限性: (1)当目标对象占据图像中的位置很小时,对图像进行缩放将导致图像中的对象进一步缩小,图像可能不会正确被分类 (2)当图像不是正方形或对象不位于图像的中心处,缩放将导致图像变形 (3)如果使用滑动窗口法去寻找目标对象,这种操作是昂贵的 如何修改resnet使其适应不同大小的输入? (1)自定义一个自己网络类,但是需要继承models.ResNet (2)将自适应平均池化替换成普通的平均池化 (3)将全连接层替换成卷积层 相关代码: import torch import torch.nn as nn from torchvision import models import torchvision.transforms as transforms from torch.hub import load_state_dict_from_url from PIL import Image import cv2 import numpy as np from matplotlib import pyplot as plt

layui导出表格全部数据

这一生的挚爱 提交于 2020-08-08 16:39:32
2020.1.16 最近终于又用到了导出表格,我在实际项目里使用了上次发现的导出全部数据方法,然后遇到了一些问题,并进行了解决,终于可以正式写在博客中了。 整体代码: < div style ="display: none" > < table id ="table" > </ table > </ div > // 导出表格配置 table.render({ elem: '#table' , id: 'exportTable' , title: '导出的文件名' , cols: [[ // 表头 { field: 'uid' , title: 'ID' , }, { field: 'uname' , title: '姓名' , } ]] }); // 导出事件 $('#export').on('click', function () { // 使用ajax请求获取所有数据 $.ajax({ url: "url" , type: 'post' , data: { type: 1 }, async: false , dataType: 'json' , success: function (res) { // 使用table.exportFile()导出数据 table.exportFile('exportTable', res.data, 'xls' ); } }); });

layui父页面获取子页面表格中radio选中值

柔情痞子 提交于 2020-08-08 15:51:58
var guan = layer . open ({ type : 2 , title : 'title' , skin : 'layui-layer-molv' , area : [ '45%' , '90%' ], btn :[ '保存' , '取消' ], // where:{id:id}, yes : function (index){ var iframeWindow = window [ 'layui-layer-iframe' + index] var checkStatus = iframeWindow . layui . table . checkStatus ( 'test-table-toolbar' ); console . log ( checkStatus ) console . log ( checkStatus . data [ 0 ]) }, no : function (){ layer . close (); }, content : "路径" }); 来源: oschina 链接: https://my.oschina.net/u/4174369/blog/4456009

来自前端同学对后端的吐槽

只愿长相守 提交于 2020-08-08 15:08:47
作者 : 李熠 链接 : https://juejin.im/post/5cfbe8c7e51d4556da53d07f 前言 去年的某个时候就想写一篇关于接口的吐槽,当时后端提出了接口方案对于我来说调用起来非常难受,但又说不上为什么,没有论点论据所以也就作罢。最近因为写全栈的缘故,团队内部也遇到了一些关于接口设计的问题,于是开始思考实现接口的最佳实践是什么。在参考了许多资料之后,逐渐对这个问题有了自己的理解。同时回想起过去的经验,终于恍然大悟自己当时的痛点在哪里。 既然是吐槽,那么请原谅我接下来态度的不友善。本文中列举的所有例子都是我个人的亲身经历。 谁应该主导接口的设计 或者更直白一些,应该是接口的消费方还是提供方来决定接口的设计? 当然是接口的消费方 「接口」最吊诡的地方在于提供方大费周章把它实现了,但它自己却(几乎)重来都不使用。于是这极易陷入一种自嗨的境地,因为他更本不知道接口的好坏。就好比一个从来不尝自己做的菜的厨子,你指望他的菜能好到哪里去,他的厨艺能好到哪里去。上面隐含的前提是(我认为)接口是有绝对好坏之分的,坏的接口消费者调用难受,提供者维护难受,还导致产品行为别扭体验变差。 然而接口的好坏与谁来主导设计有什么关系?因为坏接口产生的原因之一是提供方只站在开发者的角度解决问题: 例子一 (Chatty API) 某次需要实现允许用户创建仪表盘页面的功能

Spring Boot 2.3 分层jar包、优雅停机、完美支持 Docker\k8s,一起尝鲜儿吧

让人想犯罪 __ 提交于 2020-08-08 12:23:36
我是风筝,公众号「古时的风筝」,一个兼具深度与广度的程序员鼓励师,一个本打算写诗却写起了代码的田园码农! 文章会收录在 JavaNewBee 中,更有 Java 后端知识图谱,从小白到大牛要走的路都在里面。 Spring Boot 2.3 已经发布一个月了,这两天才想起来尝一尝鲜儿。除了常规的升级外,很大部分的升级是针对 Docker 的,让你不得不相信,Docker 容器化微服务已然大势所趋。还没有用过的同学,再不下手就晚了。 此次升级主要包括如下几个方面,接下来就跟着我一起来尝一尝吧。 准备工作 为了说明 Spring Boot 2.3 的新特性,必须创建一个项目,以便试验。 创建一个项目并启动 1、创建一个 Spring Boot 项目,可以到 https://start.spring.io/ 上创建,也可以使用 IDEA 自带的功能创建。选择版本 2.3.1,JDK 还是选择亲爱的 Java 8,引入 Web 和 Actuator 两个依赖包。 有一点要注意一下,在我写本文的时候,Spring Boot 2.3.1 还不能从中央仓库下载,需要添加 Spring Boot 官方的里程碑仓库。 <repositories> <repository> <id>spring-milestone</id> <name>Spring Milestone Repository</name

fullcalendar日历插件的使用并动态增删改查

北城以北 提交于 2020-08-08 11:26:19
我上个项目是做了一个关于教育方面的web端页面,其中的课程表就要用到fullcalendar日历插件,刚开始也是不会用,因为以前也没用过,后面也是看官方文档,问同事,最后完成了这个课程表,个人感觉fullcalendar这个日历插件功能很强大!下面我来附上几张图片: 1、刚进去默认显示当前月份,查出数据库的数据并展示,今天是2018年1月19号,所以我给上过的课次颜色变为灰色,而没上过的课次变为橙色: 2、点击特定的日期,添加课次: 点击未上过的课次进行编辑或删除: 以及课次的拖动,如将1月22号的“08:00-09:00 高数一班”拖动到1月29号: 下面我来说一下我是怎么实现的 首先需要导入必须的css和js: <link href=' ../../../../static/fullcalendar/css/fullcalendar.css ' rel=' stylesheet' /> <script src=' ../../../../static/fullcalendar/js/jquery.min.js '> </script> <script src=' ../../../../static/fullcalendar/js/moment.min.js '> </script> <script src=' ../../../../static/fullcalendar

强化学习(九)Deep Q-Learning进阶之Nature DQN

家住魔仙堡 提交于 2020-08-08 02:20:07
    在 强化学习(八)价值函数的近似表示与Deep Q-Learning 中,我们讲到了Deep Q-Learning(NIPS 2013)的算法和代码,在这个算法基础上,有很多Deep Q-Learning(以下简称DQN)的改进版,今天我们来讨论DQN的第一个改进版Nature DQN(NIPS 2015)。     本章内容主要参考了ICML 2016的 deep RL tutorial 和Nature DQN的论文。 1. DQN(NIPS 2013)的问题     在上一篇我们已经讨论了DQN(NIPS 2013)的算法原理和代码实现,虽然它可以训练像CartPole这样的简单游戏,但是有很多问题。这里我们先讨论第一个问题。     注意到DQN(NIPS 2013)里面,我们使用的目标Q值的计算方式:$$y_j= \begin{cases} R_j& {is\_end_j\; is \;true}\\ R_j + \gamma\max_{a'}Q(\phi(S'_j),A'_j,w) & {is\_end_j \;is\; false} \end{cases}$$     这里目标Q值的计算使用到了当前要训练的Q网络参数来计算$Q(\phi(S'_j),A'_j,w)$,而实际上,我们又希望通过$y_j$来后续更新Q网络参数。这样两者循环依赖