展开

关键词

【开源】 手绘风格的 JS

致力于把最实用、最好玩的开源项目给大家。chart.xkcd:手绘风格的 JS 库。手绘风格的设计给人一种很可爱的感觉,看了这些你会发现数据也可以以萌萌哒的形式展示。 只需页面中包含的脚本以及一个用于显示的 节点即可。在以下示例中,我们创建一个折线。 如果你有什么好玩、实用的前端开源项目,欢迎联系我,把最实用、最好玩的开源项目给大家。

29630

床的

关于hexo使用的免费床更新为2020.3.22GitHub+PicGo+jsDelivr 搭建自己的私人床(无备案)七牛床(有备案)微博床(凉凉)qq床(不)风过不留痕大佬的床 https:pic.alexhchu.com (强烈+1)其他我这里就不了GitHub+PicGo+jsDelivr 搭建自己的私人床教程很多,操作简单,可拓展性强,速度快并且背靠github github作为储存空间使用jsdelivr加速片。属于滥用github系列。白嫖党的福利。七牛床一开始很多人使用这个优点 速度快支持https10g够轻度人群使用。 使用coding以及github的pages无法备案微博床2020.2.11 快凉了别看了 已有防盗链 优点 无限上传支持https自带cdn加速非常快缺点 片会被打上无形的微博标带人工审核人工智障的审核片 ,有时候会清理片QQ床使用qq空间的相册 优点 访问快,容量好像没有限制吧缺点 QQ空间说不定哪天就设置上防盗链系统,而且更换域名这不是腾讯的方式,腾讯也未承诺此功能将一直可用,服务器使用的SSL

49620
  • 广告
    关闭

    90+款云产品免费体验

    提供包括云服务器,云数据库在内的90+款云计算产品。打造一站式的云产品试用服务,助力开发者和企业零门槛上云。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    js判断IE6(方法一)

    不得不使用判断的方法方法1: if ( MSIE 6.test(navigator.userAgent)){ }方法2:if ( navigator.appVersion.indexOf(MSIE

    50980

    在线

    好用免费的:灵鹿快跑1. 遇见床容量流量:免费不限容量;片尺寸:可以设置上传尺寸保存时间:永久;批量上传:允许;访问速度:网站速度较快,片加载速度较快。示例----1. 容量流量:无限;片尺寸:原;保存时间:永久;批量上传:允许;访问速度:网站速度慢,片加载速度较慢。 示例 ---- 6. 容量流量:无限;片尺寸:缩略和原,上传时可以选择缩略的像素;保存时间:永久;批量上传:允许;访问速度:网站速度较快,片加载速度快。 示例----8. 容量流量:无限;片尺寸:默认缩略和原;保存时间:永久,间接性无法加载;批量上传:不允许;访问速度:网站速度快,片加载速度快。 示例----9. 容量流量:无限;片尺寸:默认缩略与原;保存时间:永久;批量上传:允许;访问速度:网站速度快,片加载速度快。---- 示例11. 网易相册 网易旗下网站。

    5.3K00

    【学习】15款经典软件 创建最漂亮的

    以下列出的形和数据可视化的最佳软件,从创建基本的2D到产生复杂的数据集的数据可视化,这些PHP,Javascript、Flash的,对于任何一个严谨的开发者都是必须一览的。?1. MaanibXMLSWF 是个简单、强大的工具,支持XML数据创建吸引人的。XML提供灵活的数据生成,而Flash提供最好的像质量。?3. Free PHP GraphChartFusionCharts是完全免费和开源的Flash组件。可创建动画、交互的web应用、桌面应用等。 HighchartsHighcharts是纯粹的JavaScript写的库,提供简单的方式添加交互到站点或web应用,支持各种类型。?9. 数据来自外部的XML文件。?14. Zing ChartZingChart可创建独特的Flash形。安装、使用都非常简单。?15.

    57130

    Github 项目 | Jupyter 的 Matplotlib 交互扩展

    ipympljupyter labextension install @jupyter-widgetsjupyterlab-manager --no-buildjupyter labextension link .jscd js

    67220

    资源rpubs

    其实中文领域,公众号才是最好的资源,类似的绘细节有《老俊俊的生信笔记》:环形热进阶ggplot 绘制环形堆叠条形精彩目录, 值得细读:其实它的底层仍然是ggplot系列但是如果你要从ggplot2 一张统计就是从数据到几何对象(点、线、条形等)的形属性(颜色、形状、大小等)的一个映射。 ✦ 几何对象(Geometric objects, geoms)代中实际看到的点、线、多边形等。 ✦ 标度(Scales)是将数据的取值映射到形空间,例如用颜色、大小或形状来示不同的取值,展现标度的常见做法是绘制例和坐标轴。 文末友情做教学我们是认真的,如果你对我们的马拉松授课(直播一个月互动教学)有疑问,可以看完我们从2000多个提问互动交流里面精选的200个问答!

    16230

    资源sthda

    昨天在《生信技能树》公众号分享了 绘资源rpubs ,引起了大家的兴趣,读者纷纷留言示希望可以多类似的资源。 其实我们做分享这近十年,很多资源都是反复分享了,只不过呢很多小伙伴都是关注咱们《生信技能树》时间不长,所以很有必要再次把以前的资料重新发一次。 ✦ 几何对象(Geometric objects, geoms)代中实际看到的点、线、多边形等。 ✦ 标度(Scales)是将数据的取值映射到形空间,例如用颜色、大小或形状来示不同的取值,展现标度的常见做法是绘制例和坐标轴。 文末友情做教学我们是认真的,如果你对我们的马拉松授课(直播一个月互动教学)有疑问,可以看完我们从2000多个提问互动交流里面精选的200个问答!

    12130

    资源rpubs

    rpubs这个网页其实不仅仅是绘资源,同时包含了很多各行各业的统计示例,但是它是以创作者用户为单位组织内容,并没有行业分区的板块,也没有思维导那样的层次结构供检索和学习。 其实中文领域,公众号才是最好的资源,类似的绘细节有《老俊俊的生信笔记》:环形热进阶ggplot 绘制环形堆叠条形精彩目录, 值得细读:其实它的底层仍然是ggplot系列但是如果你要从ggplot2 一张统计就是从数据到几何对象(点、线、条形等)的形属性(颜色、形状、大小等)的一个映射。 ✦ 几何对象(Geometric objects, geoms)代中实际看到的点、线、多边形等。 ✦ 标度(Scales)是将数据的取值映射到形空间,例如用颜色、大小或形状来示不同的取值,展现标度的常见做法是绘制例和坐标轴。

    13260

    资源sthda

    昨天在《生信技能树》公众号分享了 绘资源rpubs ,引起了大家的兴趣,读者纷纷留言示希望可以多类似的资源。 其实我们做分享这近十年,很多资源都是反复分享了,只不过呢很多小伙伴都是关注咱们《生信技能树》时间不长,所以很有必要再次把以前的资料重新发一次。 比如:sthda网站的ggplot核心示例:链接:http:www.sthda.comenglishwikiggplot2-essentials书籍本身提供售卖,价格是17欧元,不过内容都是电子化了 ✦ 几何对象(Geometric objects, geoms)代中实际看到的点、线、多边形等。 ✦ 标度(Scales)是将数据的取值映射到形空间,例如用颜色、大小或形状来示不同的取值,展现标度的常见做法是绘制例和坐标轴。

    10920

    算法——基于算法PersonalRank算法

    一、的概述在系统中,通常是要向用户商品,如在购物网站中,需要根据用户的历史购买行为,向用户一些实际的商品;如在视频网站中,的则是不同的视频;如在社交网站中,的可能是用户等等,无论是真实的商品 (片来自参考文献)在上中,左侧的A,B,C示的是三个用户,右侧的a,b,c,d示的是四个商品,中间的连线示用户与商品之间有过行为,或者是购买或者是打分,的目的是从商品列中向指定的用户用户未行为过的商品 的算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的算法。 二、基于算法PersonalRank算法1、PersonalRank算法简介在协同过滤中,主要是将上述的用户和商品之间的关系示成一个二维的矩阵(用户商品矩阵)。 而在基于算法中,将上述的关系示成二部的形式,为用户A商品,实际上就是计算用户A对所有商品的感兴趣程度。

    1.2K100

    系统】系统中的网络模型

    整理:极验作者:Roxana Pamfil在互联网时代,系统无处不在。不仅可以向用户实体商品,还可以电影、歌曲、新闻报道、酒店旅行等,为用户提供量身定制的选择。 这些系统中有许多都涉及了协同过滤——根据其他相似用户的偏好向用户 item。系统的背后还用到了包括矩阵分解、邻域方法以及各种混合方法。 因此,我们有两种根据客户对促销酸奶的意向进行排名的方法,并使用收益比较这些排名。在收益中,可以绘制出积极反应的百分比(在本例中为兑换的优惠券的百分比)与人口规模的函数关系。 如果排名较高的客户中有更多积极的响应,则排名是可预测的,并且该排名对应于中对角线上方的曲线。?结果明,该网络模型胜过 spend rank,并且通常更适合于识别可能兑换优惠券的客户。 这明我们可以根据客户与社区中客户之间的相似性,而不仅仅是他们过去的购买记录,来了解客户对商品的意向。总结二部是购买数据的自然示。一项重要任务是预测新的边,可以将其引入系统和针对性的促销活动。

    39710

    算法——基于算法PersonalRank算法

    一、的概述在系统中,通常是要向用户商品,如在购物网站中,需要根据用户的历史购买行为,向用户一些实际的商品;如在视频网站中,的则是不同的视频;如在社交网站中,的可能是用户等等,无论是真实的商品 (片来自参考文献)在上中,左侧的A,B,C示的是三个用户,右侧的a,b,c,d示的是四个商品,中间的连线示用户与商品之间有过行为,或者是购买或者是打分,的目的是从商品列中向指定的用户用户未行为过的商品 的算法有很多,包括协同过滤(基于用户的协同过滤和基于物品的协同过滤)以及其他的一些基于模型的算法。 二、基于算法PersonalRank算法1、PersonalRank算法简介在协同过滤中,主要是将上述的用户和商品之间的关系示成一个二维的矩阵(用户商品矩阵)。 而在基于算法中,将上述的关系示成二部的形式,为用户A商品,实际上就是计算用户A对所有商品的感兴趣程度。

    97630

    安利一些不错的D3.js数据可视化资源

    其实群里蛮早就有人问 D3.js 如何学习、求 D3.js 教程、问有啥书籍等,虽然没统计过,但目测十多次看到这些问题还是有的,古柳也过很多次自己觉得不错的资源,论理应该写篇文章整理分享下,这样以后再有人问起 之所以这个是因为里面提到用 D3.js 画任何的通用七个步骤,也就是下面的绘步骤清单Chart drawing checklist。 古柳也能想到大家刚接触 D3.js 时多半先看到的都是实现柱形散点折线,明明用其他工具或 Echarts 可视化库等会很方便就搞定,但是 D3.js 里却一堆新概念,需要花很大力气才能实现: “那么简单基础的都这么麻烦,复杂的怕是实现难度更高吧?”想来不少人应该都有过这样的想法吧? 有这样的看法实在很正常,但古柳作为一个姑且复现过一些大家之前没接触过、看着似乎蛮复杂的可视化作品的实践者,可以拍着胸脯说,复杂的实现流程大体上其实和简单的步骤是一样的,掌握了上面七个步骤,相信大家也有能力复现出这样漂亮的作品

    28620

    | github 项目:用 edge-connect 进行像修复

    文中提出了一种 2 阶对抗式边缘连接模型,该模型由一个边缘生成器和一个像完成网络组成。边缘生成器先描绘出像缺失区域(规则和不规则)的边缘,像完成网络先验使用描绘出的边缘填充缺失区域。 (a)输入有缺失区域的像,缺失区域用白色示。(b)计算得到的边缘,使用 Canny 边缘检测器计算(针对可用区域)黑色绘制的边缘;而蓝色显示的边缘由边缘生成器网络描绘。 下载完成后,运行 scriptsflist.py (http:edge-connect)这个文件来生成训练、测试和验证集文件列。 请使用 scriptsflist.py 生成上述训练、测试和验证集掩膜文件列。开始使用以下链接下载预先训练的模型,并将其复制到.checkpoints 目录下。 在每种情况下,都需要提供一个输入像(带掩膜的像)和一个灰度掩膜文件。请确保掩膜文件覆盖输入像中的整个掩膜区域。

    83620

    从数据分析,这个实用的框架令你如虎添翼

    近日,由微软研究院、北京大学和清华大学共同发了一篇论文,文中提出的新型框架 Table2Charts 可以高效地解决创建问题。? 但是,要构建一个能够常用组成的智能助手,通常面临着多方言统一、数据不平衡和开放词汇这些根本性问题。 它能够学习共享示形式,以便在所有类型的任务中获得更好的性能和效率,这是通过在类型之间的统一操作空间上定义模板来实现的;对于涉及从中选择数据字段以填充模板的结构化预测问题(生成分析操作序列 DQN 的编码器部分学习示,而解码器部分学习序列生成;首次构建并大规模评估能够从人类智慧中学习的端到端系统。 这些模式(及其)按 7:1:2 的比例分配给训练、验证和测试。对单一类型任务的评估评价结果如 1 所示。

    24920

    | 解机器学习

    确实,机器学习的各种套路确实不少,但是如果掌握了正确的路径和方法,其实还是有迹可循的,这里我SAS的Li Hui的这篇博客,讲述了如何选择机器学习的各种方法。 如果对于算法的的准确性要求比较高,的回归算法包括:随机森林,神经网络或者Gradient Boosting Tree。如果要求速度优先,建议考虑决策树和线性回归。 其每个非叶节点示一个特征属性上的测试,每个分支代这个特征属性在某个值域上的输出,而每个叶节点存放一个类别。 如上所示,K=3,鼠标移动到任何一个点,就找到距离该点最近的K个点,然后,这K个点投票,多数决获胜。就是这么简单。 Victorjs 2D向量库一些机器学习的路线https:ml-cheatsheet.readthedocs.ioenlatest10大机器学习算法 https:www.gitbook.combookwizardforceldm-algo-top10http

    53150

    解抖音算法

    抖音算法究竟如何是做抖音短视频运营的同学非常关心的问题,抖音官方并没有披露正式的算法,但凭借着民间的智慧和官方披露的部分信息中,网友已经总结出抖音算法的秘密。 这里整理资料如下:首先看短视频发布后抖音一般会进行的一系列流程第0步:双重审核在抖音,每天有数量庞大的新作品上传,纯靠机器审核容易被钻空子,纯靠人工审核又不太现实。 ,或者降权(仅粉丝可见、仅自己可见)。 人工审核:主要集中在3块:视频标题、封面截和视频关键帧。针对机器审核筛选出疑似违规作品,以及容易出现违规领域的作品,抖音审核人员进行逐个细致审核。 第一步:冷启动抖音的算法机制是著名的信息流漏斗算法,也是今日头条的核心算法。

    48310

    NS绘制工具

    世界上要画NS的人肯定很少,这种无聊的东西= =我根据个人经验和直觉,三个套工具。一、签字笔(铅笔+橡皮)+作业纸+拍照的手机  鉴于我以前手绘版ns已经找不到了,就用室友之前画的做个例子。 三、Draw.io  这个是一个国外的网页,除了画ns,它还能画前端的,这才是重点呐。不过不知道为什么室友的电脑经常上不去这个网站。https:www.draw.io? 缺点:界面全英文(可以输入中文),有时候不能准确定位(害死强迫症)如上三角形的地方不能和下面的竖线对齐,有可能上不去这个网站,要用电。总结不管哪种方法都好烦= =

    36220

    :Computational Genomics with R

    这次书地址在:http:compgenomr.github.iobook你可以学到什么?每章后面还有练习。学习吧,骚年!

    3720

    相关产品

    • 智能推荐平台

      智能推荐平台

      集生态、技术、场景于一体,采用业界领先的AI学习技术和智能推荐算法,基于腾讯多年在超大型场景中积累的最佳实践方法论,助力客户业务实现增长的企业级应用产品。

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券