padding

sample : https://github.com/thmatuza/oms-client-ios-sample 是swift的 官方 suit [4.3]的(http://registrationcenter-download.intel.com/akdlm/irc_nas/16082/Intel_CS_WebRTC.v4.3.zip) 官方文档 带openssl 编译owt 架构师的指点 之前的构建 openssl 1.1.1废弃了一些api owt 编译不过 构建带外置openssl的webrtc 版本 ✘ zhangbin@pb6a80114  ~/tet/webrtc_build/owt-native/src/src  ➦ e983dc8 ●  python scripts/build.py --arch 'x64' --ssl_root '/Users/zhangbin/tet/webrtc_build/owt-native/OpenSSL-for-iPhone/bin/iPhoneSimulator13.2-x86_64.sdk' --scheme 'debug' 选择openssl版本 owt 官方说的是OpenSSL 1.1.0l or higher. issue上是 ./build-libssl.sh --version=1.1.0f -

盒子模型 盒子模型 盒子模型有元素内容、边框（border）、内边距（padding）、外边距（margin）组成； 盒子里面的文字和图片等元素是内容区域； 盒子的厚度 我们称为 盒子的边框； 盒子内容与盒子之间的距离是内边距； 盒子与盒子之间的距离是外边距； 标准盒子模型 盒子边框（border） border: border-width || border-style || border-color 属性 作用 border-width 定义边框粗细，单位是 px border-style 边框的样式 border-color 边框颜色 border-style ： none：没有边框即忽略所有边框的宽度（默认值） solid：边框为单实线； dashed：边框为虚线； dotted：边框为点线； 表格细线边框 通过表格的 cellspacing="0" ，将单元格与单元格之间的距离设为 0 但是两个单元格之间的边框会出现边框，从而使边框变粗； 通过设置 css 属性 table {border-collapse: collapse;} 表示相邻边框合并在一起； <style> table, th, td { border: 1px dashed #ccc; border-collapse: collspase; } </style> 内边距（padding） 属性 作用

卷积神经网络结构(CNN Convolutional neural network) 输入层 将每个像素代表一个特征节点输入到网络中 卷积层 卷积运算的主要目的是使原信号特征增强，并降低噪音 步长 表示卷积核在图片上移动的格数 步长大于一，是降维的一张方法 卷积后图片的尺寸，步长为S，原始图片尺寸为[N1,N1]，卷积核大小为[N2,N2] [(N1-N2)/S+1,(N1-N2)/S+1] 方法 0填充 通过对5 5的灰度图添加边缘，使3 3的卷积层转化为5*5的卷积层 多通道卷积 通过不同的卷积提取不同的特征 将这些特征图相同位置上的值相加，生成一张特征图 加偏置，生成最终特征图 降采样层 降低网络训练参数及模型的过拟合程度 可以通过池化进行降采样，但池化不是唯一的降采样 池化 计算图像一个区域上的某个特定特征的平均值或最大值 均值池化 对池化区域内的像素点取均值 对背景信息更加敏感 最大池化 对池化区域内的像素点取最大值 对纹理特征信息更加敏感 全连接层 对生成的特征进行加权 softmax层 获得当前样例属于不同类别的概率 在Tensorflow中的实现 卷积函数 tf.nn.conv2d(input,filter,strides,padding,use_cudnn_on_gpu,name) input 需要做卷积的输入数据，这是一个4维的张量[batch,in

逆卷积：convtranspose2d(fractionally-strided convolutions) 1.首先先定义进行卷积的参数： 输入特征图为高宽一样的H in *H in 大小的x 卷积核大小kernel_size 步长stride padding填充数(填充0) 输出特征图为H out *H out 大小的y 计算式子为： H out = floor( H in + 2*padding - kernel_size / stride) + 1 2.然后实现上面的卷积的转置卷积 定义其参数为： 输入特征图为高宽一样的H out *H out 大小的y 卷积核大小kernel_size 步长stride padding new 填充数(填充0) 输出特征图为H in *H in 大小的x 逆卷积的过程主要分两步： 对输入的特征图y进行变换，得到新的特征图y new 内部变换，与卷积时设置的stride相关 外部变换，与卷积时设置的padding相关 根据得到的特征图进行卷积即可 1）对输入的特征图y进行变换，得到新的特征图y new 1》内部变换 当卷积时设置的stride>1时，将对输入的特征图y进行插值操作(interpolation)。 即需要在输入的特征图y的每个相邻值之间插入(stride-1)行和列0，因为特征图中能够插入的相邻位置有(height-1)个位置

关于grid_search中param_grid可以选取哪些参数（以keras为例） 最近在学习调参时看到了 grid_search (也就是网格搜索算法） https://cloud.tencent.com/developer/article/1447855 细节可以见上面这篇文章 官方原话解释是 param_griddict or list of dictionaries Dictionary with parameters names (string) as keys and lists of parameter settings to try as values, or a list of such dictionaries, in which case the grids spanned by each dictionary in the list are explored. This enables searching over any sequence of parameter settings. param_grid中传入参数列表 找遍了 官方地址 也没有看到，找了很多例子有使用kernel、batchsize、epochs、optimizer的，后来在看到一篇文章时发现 keras 官方地址 给出了详细解释，英文原话如下 When using scikit

<div title="基本信息" style="padding:2px; "> <iframe id="newsrc" style="width: 100%;height: 100%;" scrolling="auto" frameborder="0" src="${webRoot}/data/toRegImage.do?rel=${param.rel }&id=${data.s_recNo}"></iframe> </div> 设计成一个按钮触发 $("#copybutt").click(function(){ //重新刷新页面 绑定新参数 var frame = document.getElementById("newsrc"); var src1 = frame.src ; var src2 = src1 + "&type=1"; frame.src = src2; }); 来源： https://www.cnblogs.com/zwbcccc/p/10762869.html

position属性absolute与relative 详解 最近一直在研究javascript脚本,熟悉DOM中CSS样式的各种定位属性,以前对这个属性不太了解,从网上找到两篇文章感觉讲得很透彻,收藏下来,唯恐忘记。 一. 解读absolute与relative 很多朋友问过我absolute与relative怎么区分，怎么用？我们都知道absolute是绝对定位，relative是相对定位，但是这个绝对与相对是什么意思呢？绝对是什么地方的绝对，相对又是相对于什么地方而言的呢？那他们又有什么样的特性，可以做出什么样的效果呢？关于两者之间又有什么样的技巧呢？下面我们就来一一解读。 Absolute，CSS中的写法是：position:absolute; 他的意思是绝对定位，他是参照浏览器的左上角，配合TOP、RIGHT、BOTTOM、LEFT(下面简称TRBL)进行定位，在没有设定TRBL，默认依据父级的做标原始点为原始点。如果设定TRBL并且父级没有设定position属性，那么当前的absolute则以浏览器左上角为原始点进行定位，位置将由TRBL决定。 一般来讲，网页居中的话用Absolute就容易出错，因为网页一直是随着分辨率的大小自动适应的，而Absolute则会以浏览器的左上角为原始点，不会应为分辨率的变化而变化位置。很多人出错就在于这点上出错

1. 卷积层（Convolution Layer）：由若干个卷积核f（filter）和偏移值b组成，（这里的卷积核相当于权值矩阵），卷积核与输入图片进行点积和累加可以得到一张feature map。 卷积层的特征： （1）网络局部连接：卷积核每一次仅作用于图片的局部 （2）卷积核权值共享：一个卷积层可以有多个不同的卷积核，每一个filter在与输入矩阵进行点积操作的过程中，其权值是固定不变的。 2. 卷积核（filter）：用于提取图片的局部特征，不同的卷积核提取图片特征的效果不同。 感受野：卷积核的大小 / 范围，卷积核所能感知的区域 一个卷积层可以有若干个卷积核，卷积核的通道数=输入图片的通道数，每一个卷积核的通道与图片的对应通道进行点积+累加的操作，可以得到1个featrue map，假设有3个通道，那么可以得到3个featrue map，然后把这3个feature map对应的位置相加，即可得到1张featrue map，得到的这一张就是该卷积核与图片进行卷积操作的feature map。一般图片有3个通道，red、green、bule，然后卷积核的通道数为3，分别对应r、g、b，然后这对应的三个通道分别点积+累加，得到3个feature map，最后再把这3张feature ma相加，然后再加上偏移值b，就可以得到1张feature map。 3. 卷积层的运行： ①输入

文章目录 网页布局本质 css盒子模型 盒子组成 边框 内边距 外边距 嵌套块元素垂直外边距的塌陷 清除内外边距代码 圆角边框 盒子阴影 网页布局本质 网页布局就是由一个又一个的盒子组成的，盒子包括标准流，浮动和定位。 下面有个口诀： 列找标准流 行找浮动 飘动找定位 css盒子模型 网页布局的核心就是盒子。 盒子组成 边框 是由粗细，样式，颜色组成。 border : border-width | border-style | border-color 属性 作用 border-width 定义边框粗细，单位是px border-style 边框的样式 border-color 边框的颜色 border-style：solid(实线边框)，dashed(虚线边框)，dotted(点边框) border-color：red 复合写法： border : 3px solid red 内边距 设置盒子中的内容和边框的距离。 属性 作用 padding-left 左内边距 padding-right 右内边距 padding-top 上内边距 padding-bottom 下内边距 复合写法： 值的个数 表达意思 padding:5px; 1个值，代表上下左右都有5像素内边距 padding:5px 10px; 2个值，代表上下内边距是5像素，左右内边距是10像素; padding

Css的盒子模型 1.盒模型的组成部分 盒模型规定了网页元素如何显示以及元素之间相互关系，包含边框、边界、补白、内容区 2.border属性 border-width边框宽度 border-color边框颜色 border-style边框样式solid/dashed/dottedd/double 简写border：1px solid red border-top/bottom/left/right 3.margin属性：元素外边的空白区域被称为外边距 margin-top/bottom/left/right 属性值的4种方式： 上 右 下 左 上 左右 下 上下 左右 四个方向 margin-top有兼容问题时，应该给父元素添加边框border-top或给父元素（或子元素添加浮动）或给父元素添加overflow：hidden margin可以给负值，margin:0 auto可以让一个有宽度的容器水平居中 4.padding属性 padding-top/bottom/left/right padding在设定页面中一个元素的边缘（边框）之间的距离，也称补白 用来调整内容在容器中的位置关系 padding是额外加在元素原有大小基础上的，若想元素大小不改变，需要从宽或高减掉添加的padding值 属性值的4种方式： 上 右 下 左 上 左右 下 上下 左右 四个方向 5