- 综合排序
- 最热优先
- 最新优先
- 来自专栏ceshiren0001
实战演示 H5 性能分析
W3C标准是浏览器标准，一般浏览器都支持W3C标准，它规定使用者可以通过api查询性能信息，可借用W3C协议完成自动化H5性能测试。 JSON.stringify(window.performance.\ getEntriesByName (document.querySelector("img").src)[0],null,2) 案 例 H5性能测试需要配合自动化测试工具使用
62520编辑于 2022-05-06 - 来自专栏功能测试
实战演示 H5 性能分析
W3C标准是浏览器标准，一般浏览器都支持W3C标准，它规定使用者可以通过api查询性能信息，可借用W3C协议完成自动化H5性能测试。 JSON.stringify(window.performance.\ getEntriesByName (document.querySelector("img").src)[0],null,2) 案 例 H5性能测试需要配合自动化测试工具使用
72250编辑于 2022-04-22 - 来自专栏HACK学习
干货 | COM劫持实战演示
实现com劫持 之前在实战的过程中在msf上拿到了user权限的shell，但是直接getsystem不能够提到系统权限，用到了bypassuac之后得到了系统权限的dll，那么这里首先看一下msf是怎么实现 -0548-48b1-a6ee-88bd00b4a5e7}，这个CLSID可以实现对CAccPropServicesClass和MMDeviceEnumerator实例的劫持 进行注册表的创建用到的api -0548-48b1-a6ee-88bd00b4a5e7}\\InprocServer32", 0, NULL, 0, KEY_WRITE, NULL, &hKey, &dwDisposition = RegCreateKeyExA(HKEY_CURRENT_USER, "Software\\Classes\\CLSID\\{b5f8350b-0548-48b1-a6ee-88bd00b4a5e7 = RegCreateKeyExA(HKEY_CURRENT_USER, "Software\\Classes\\CLSID\\{b5f8350b-0548-48b1-a6ee-88bd00b4a5e7
3.5K10发布于 2021-10-20 - 来自专栏后端开发从入门到入魔
Redis实战：缓存穿透及其解决思路 实战演示
Shop.class); return Result.ok(shop); } //4.不存在 查询数据库 Shop shop = getById(id); //5.
1.1K10编辑于 2024-03-28 - 来自专栏Creator星球游戏开发社区
雷神归来—Thor组件实战演示
不说废话，演示视频奉上，建议在电脑上全屏观看，或点击原文链接在优酷视频观看（优酷视频清晰度更高，QQ视频在手机上惨不忍睹），以获得最佳体验！ ?
1.1K50发布于 2019-09-11 - 来自专栏WflynnWeb
原生H5 520兴趣项目演示
<meta name=renderer content=webkit> <meta name=screen-orientation content=portrait> <meta name=x5- orientation content=portrait> <meta name=x5-fullscreen content=true> <meta name=full-screen content '0.32rem' : item.name.length >= 5 ? {id: 3, name: '干农活'}, {id: 4, name: '抱抱你'}, {id: 5,
61220编辑于 2022-10-28 - 来自专栏可以叫我才哥
27个Python数据科学库实战案例演示
cv2 as cv from matplotlib import pyplot as plt img = cv.imread('h89817032p0.png') kernel = np.ones((5,5 ),np.float32)/25 dst = cv.filter2D(img,-1,kernel) blur_1 = cv.GaussianBlur(img,(5,5),0) blur_2 = cv.bilateralFilter }/{size:>5d}]") 22、Theano Theano 是一个 Python 库，它允许定义、优化和有效地计算涉及多维数组的数学表达式，建在 NumPy 之上。 __init__(**kwargs) self.conv1 = nn.Conv2D(20, kernel_size=(5,5)) self.pool1 = nn.MaxPool2D (pool_size=(2,2), strides = (2,2)) self.conv2 = nn.Conv2D(50, kernel_size=(5,5)) self.pool2
91350编辑于 2022-11-11 基于yolov5+streamlit目标检测演示系统设计
当YOLOv5与Streamlit相遇，它们共同开启了一个智能目标检测可视化新项目。 在这个项目中，基于YOLOv5和Streamlit的目标检测可视化展示系统为用户提供了前所未有的便利与体验。 效果展示： 基于yolov5+streamlit目标检测演示系统设计演示视频： 基于yolov5+streamlit目标检测演示系统设计_哔哩哔哩_bilibili这是使用yolov5-7.0配合streamlit 网页框架实现的一个演示系统，支持图片，视频文件和摄像头，详情看视频介绍。 deesport的行人入侵检测系统，yolov9+deepsort+pyqt5实现目标追踪结果演示，将yolov5-6.2封装成一个类几行代码完成语义分割任务，用C#部署yolov8的tensorrt模型进行目标检测 winform最快检测速度，C++使用纯opencv部署yolov9的onnx模型，使用纯opencv部署yolov8目标检测模型onnx，基于yolov5的单目测距视频演示，将yolov8封装成一个类几行代码完成语义分割任务
45910编辑于 2025-07-20基于yolov5+gradio目标检测演示系统设计
当YOLOv5与Gradio相遇，它们共同开启了一个目标检测可视化展示的新篇章。 在这个新篇章中，YOLOv5与Gradio的结合为用户带来了前所未有的目标检测可视化体验。 【测试环境】 anaconda3+python3.8 gradio==4.26.0 torch==1.9.0+cu111 【视频演示】 基于yolov5+gradio目标检测演示系统设计_哔哩哔哩_bilibili 使用yolov5-7.0框架结合gradio==4.26.0模块实现一个目标检测系统演示。 ，[深度学习][旋转目标检测][项目介绍]yolov5_obb项目简单介绍，使用纯opencv部署yolov5目标检测模型onnx，使用C++部署yolov9的tensorrt模型进行目标检测，基于pyqt5 +yolov5+sort车流量统计，基于yolov5+deepsort+SLPNet实现车辆检测车辆识别车辆违停指定区域检测一体化系统，[课程][原创]yolo-nas训练自己目标检测模型windows
30200编辑于 2025-07-20- 来自专栏CSDN博客专家-小蓝枣的博客
Python 技术篇-PyQt5动画功能演示，组件移动、尺寸改变动画演示
# PyQt5库引入。 很经典，喜欢的可以收藏下 from PyQt5 import QtCore, QtGui, QtWidgets from PyQt5.QtCore import * from PyQt5.QtWidgets import * from PyQt5.QtGui import * self.listView_Anim = QPropertyAnimation(self.listView, b"geometry
1.4K10发布于 2020-09-23 - 来自专栏CSDNToQQCode
Rust实战案例-内存安全完整演示与深度解析
本文通过一个完整的实战项目，深入展示 Rust 如何通过编译时检查实现内存安全，以及如何防止常见的内存安全问题。 5.2 演示5：生命周期确保引用有效 fn longest<'a>(x: &'a str, y: &'a str) -> &'a str { if x.len() > y.len() { 4, 5]; // println! (" 5. 借用检查器：防止数据竞争"); } 详细对比： 1. 缓冲区溢出问题 C 代码（危险）： // ❌ C：缓冲区溢出，可能导致安全漏洞 int arr[5] = {1, 2, 3, 4, 5}; printf("%d\n", arr[10]); // 未定义行为
61310编辑于 2025-12-16 - 来自专栏TechLead
长短时记忆网络（LSTM）完整实战：从理论到PyTorch实战演示
文章还详细演示了如何使用PyTorch构建和训练LSTM模型，并突出了LSTM在实际应用中的优势。 1. LSTM的实战演示 4.1 使用PyTorch构建LSTM模型 LSTM在PyTorch中的实现相对直观和简单。 下面，我们将演示如何使用PyTorch构建一个LSTM模型，以便于对时间序列数据进行预测。 定义LSTM模型 我们首先定义一个LSTM类，该类使用PyTorch的nn.Module作为基类。 进一步评估预测 ... 5. LSTM总结 长短时记忆网络（LSTM）自从被提出以来，已经成为深度学习和人工智能领域的一个重要组成部分。
26.9K44编辑于 2023-10-21 - 来自专栏我分享我快乐
在手机上演示H5页面
教大家如何把自己的H5页面用手机进行预览测试：
1.6K80发布于 2018-05-02 - 来自专栏程序人生 阅读快乐
HTML5实战
作为Web开发领域里发展最快的技术之一，HTML5凭借其动态特性及跨平台特性日益成为程序设计领域备受推崇的语言。 作为一门新兴语言，HTML5的应用范畴远远不止移动浏览器和桌面浏览器这两个方面，本书将带读者了解一个全方位的HTML5。 《HTML5实战》是一本全面介绍运用HTML5开发Web应用的书籍，包括了数据存储、通信以及如何创建视频游戏等诸多内容。 全书分为四个部分， 部分介绍HTML5语法及本书所涉及的全部API；第二部分介绍基于浏览器的应用；第三部分介绍交互式图像、媒体及游戏；第四部分是附录内容，深入介绍一些本书的主题，提供了一系列重要的参考资科 《HTML5实战》内容结构清晰，示例完整，适合于对JavaScript和HTML语法有一定基础的Web开发人员阅读。通过阅读本书，你将能够创建更加真实、全功能的Web应用。
77420发布于 2018-10-10 - 来自专栏用户3645619的专栏
（5）Flink CEP SQL四种匹配模式效果演示
patternItem的事件开始进行下一次匹配（4）skip to last pattern Item从匹配成功的事件序列中最后一个对应于patternItem的事件开始进行下一次匹配接下来我们代码来演示一下每种策略模式表达的效果 LocalDateTime.parse("2021-12-10 10:00:03", dateTimeFormatter)), new Ticker(5, LocalDateTime.parse("2021-12-10 10:00:03", dateTimeFormatter)), new Ticker(5, LocalDateTime.parse("2021-12-10 10:00:03", dateTimeFormatter)), new Ticker(5, LocalDateTime.parse("2021-12-10 10:00:03", dateTimeFormatter)), new Ticker(5,
83150编辑于 2022-08-24 - <div style="width: 90%;margin-left: <em>5</em>% 90%;height:8rem;background:rgba(255,255,255,1);border-radius:0.22rem;position: fixed;top: 25%;left: <em>5</em>% : '6'}, {name: '耳朵', val: '4'}, {name: '鼻翼', val: '3'}, {name: '左下巴', val: '<em>5</em>' 0;word-wrap:break-word;}html{-webkit-text-size-adjust:none;}body,div,dl,dt,dd,ul,ol,li,h1,h2,h3,h4,h<em>5</em>,来自专栏WflynnWeb
H5痣相占卜页面+特效演示（酷炫特效）
90%;height:6.2rem;background:rgba(253,249,241,1);border-radius:0.22rem;margin-top: 68%;margin-left: 5% id="sjs">正在在线解答
NVIDIA专家实战演示，教你快速搭建情感识别系统
分享大纲如下： · 情感识别任务介绍 · NVIDIA Transfer Learning Toolkit工具简介 · NVIDIA Triton工具介绍 · 实战演示：利用TLT和Triton快速搭建情感识别系统 实战演示：搭建情感识别系统 下面，我们将通过一份简单的代码，调用TLT和Triton工具来实现情感识别模型的训练与部署。 大家可观看视频、继续学习： 直播回放链接：https://www.bilibili.com/video/BV1744y167Ag p.s.代码演示部分从第35分钟开始~ PPT下载链接： https:/ /images.nvidia.cn/cn/webinars/2021/Jun02/%E5%BF%AB%E9%80%9F%E6%90%AD%E5%BB%BA%E6%83%85%E6%84%9F%E8%AF %20Toolkit%203.0%E5%92%8CTriton%E6%90%AD%E5%BB%BA%E6%83%85%E6%84%9F%E8%AF%86%E5%88%AB%E7%B3%BB%E7%BB%
【Docker项目实战】使用Docker部署PPTist在线演示文稿应用
一、PPTist介绍 1.1 PPTist简介 一个基于 Vue3.x + TypeScript 的在线演示文稿（幻灯片）应用，还原了大部分 Office PowerPoint 常用功能，支持 文字、图片 jeven 192.168.3.166 centos 7.6 20.10.17 2.2 本次实践介绍 1.本次实践部署环境为个人测试环境，生产环境请谨慎； 2.在Docker环境下部署PPTist在线演示文稿应用 Pulling from jeven/pptist Digest: sha256:e64a92173057cf8bd3e1c13fa7b4c6cfbf09f9ca1f9972afa45907c41e819af5
实战演示Django自定义模板过滤器应用
点击关注州的先生 编程应用、实战教程，不容错过 Django本身附带的模板系统提供了大量的内建标签和过滤器供我们在开发的时候使用。 关于如何自定义Django模板标签和过滤器，在Django的官方文档上有比较详细的介绍，但是缺少足够清晰的实例说明，所以本篇文章将以开源文档写作应用——MrDoc的源码，来演示讲解自定义Django的模板过滤器
人脸识别完整项目实战（2）：完整项目运行演示
一、前言 本文是《人脸识别完整项目实战》系列博文第1部分，第一节《完整项目运行演示》，本章内容系统介绍：人脸系统核心功能的运行演示。 本内容已经录制成视频课程，详见CSDN学院。 整个《人脸识别完整项目实战》系统架构结构如下图所示： ? DLib框架源码编译、项目工程文件创建、项目开发环境配置、项目性能优化设置； 程序设计篇：从实时视频采集开始，涵盖人脸区域检测、人脸特征点标定、人脸对齐、人脸比对和活体检测等全部技术环节的代码设计、运行演示和执行结果输出 1和dlib深度学习实战案例2，两个完整的案例，让大家对dlib的深度学习框架有一个直观的认识； 二、正文 （1）数据样本标注 ? 三、未完待续 本文是《人脸识别完整项目实战》系列博文第2章《完整项目案例演示》，全文共53个章节，持续更新，敬请关注。
