- 博客(17)
- 收藏
- 关注
RSS订阅原创 vue-cli不同环境配置与构建
背景在h5应用开发中，仅有一个配置文件（static/js/config.js）用于维护环境变量，这样当从tst分支merge代码到prd分支时，会将prd环境的配置文件中prd环境地址覆盖成tst环境地址，需要再修改为prd环境地址后并注释掉vconsole提交代码至master。解决办法1. 将环境变量抽离出来分别存到三套环境（prd/tst/dev）的配置文件中，配置文件放在根目录下开发环境，文件名：.env.developmentNODE_ENV = 'development'
2021-08-27 09:49:28
570
原创 获取移动端H5页面中元素的位置
let elm = document.getElementById('elm')elm.getBoundingClientRect().top // 获取当前元素与viewport上边的距离elm.getBoundingClientRect().bottom // 获取当前元素与viewport下边的距离elm.getBoundingClientRect().left // 获取当前元素与viewport左边的距离elm.getBoundingClientRect().right // 获取.
2021-07-24 15:46:29
1130
原创 移动端H5触屏事件
移动端H5主要包括 3 种触屏事件touchstart：手指接触屏幕时触发 touchmove：已接触的手指开始移动后触发 touchend：手指离开屏幕时触发解释： 每个触摸事件对象都包括touches属性，用于描述目前位于屏幕上所有手指的信息 单指操作中，使用 touches[0] 即可注：在vant组件上直接调用touchmove事件可能不生效，替换为touchmove.native即可...
2021-07-24 15:41:06
1158
原创 bind、call、apply的实现
bind 的实现Function.prototype.myBind = function (that, ...args) { let fn = this return function () { return fn.apply(that, [...args, ...arguments]) }} call 的实现Function.prototype.myCall = function (that, ...args) { that.fn = t...
2021-07-22 19:07:16
151
原创 深拷贝浅拷贝
2 种浅拷贝 3 种深拷贝（包括手写实现） 2 种浅拷贝//1 let b = Object.assign({}, a)//2let b = {...a} 3 种深拷贝（包括手写实现）1. JSON.parse方法let b = JSON.parse(JSON.stringify(a))缺点：1. 会忽略undefined、Symbol 2. 不能序列化函数 3. ...
2021-07-21 13:41:57
91
原创 isPrototypeOf和instanceof区别与二者实现方法
isPrototypeOf 的两个变量都是 对象 ，用于检测调用此方法的对象是否存在于指定对象的原型链中 instanceof 的两个变量分别是 对象 和 构造函数 ，用于检测构造函数的原型是否存在于指定对象的原型链中isPrototypeOf实现...
2021-07-20 13:19:15
458
原创 Object方法总结
3 个与原型有关方法 2 个对象方法 3 个禁止扩展属性 17个Object方法 3 个与原型有关方法Object.isPrototypeOf()Object.getPrototypeOf()Object.setPrototypeOf() 2 个对象方法object.hasOwnProperty(name)object.propertyIsEnumerable() 3 个禁止扩展...
2021-07-20 09:34:48
132
原创 instanceof的实现
instanceof用于判断左侧参数的原型链中是否能找到右侧参数的原型具体实现如下：function instanceof1(left, right) { // instanceof是保留字 let prototype = right.prototype left = left.__proto__ while (left) { if (left === prototype) return true left = left.__proto__ } return
2021-07-20 09:14:06
308
原创 JS找最大值
// 找最大值Math.prototype.min.apply(Math,[1,2,3,4])Math.prototype.min.call(Math,1,2,3,4,5)// 找最小值Math.prototype.max.apply(Math,[1,2,3,4])Math.prototype.max.call(Math,1,2,3,4,5)
2021-07-19 15:51:33
407
原创 前端数组array方法总结
5 个纯函数 8 个遍历方法 5 个纯函数array.map() //1array.filter() //2array.concat(item...) //3array.slice(start, end) //4array.sort(compareFn) //5 8 个遍历方法array.every() //1array.forEach() //2array.find() //3array.findIndex() //4arra...
2021-07-19 15:26:08
561
原创 前端数据类型考点
6种基本类型 1种复杂类型 7个假值 7个typeof类型 6 种基本类型boolean undefined null number string symbol 1 种复杂类型object 7 个假值false undefined null 0 -0 NaN '' 7 个typeof值boolean undefined number string symbol function object...
2021-07-19 15:12:21
106
原创 vue大小写总结
1. 组件组件的定义有两种命名方式：PascalCase 和kebab-casePascalCase 定义的组件的引用：PascalCase 和kebab-case 均可// PascalCase定义方式Vue.component('MyComponentName', { /* ... */ })// 引用方式一<my-component-name>// 引用方式二<MyComponentName>kebab-case定...
2021-07-19 14:20:25
1580
转载 二分类问题的模型评估
创建数据之后，将它们随机分割成训练数据集和测试数据集，分别训练和测试一个二分类模型，最后可视化。代码如下：from tensorflow.python.framework import opsops.reset_default_graph()sess = tf.Session()batch_size = 25x_vals = np.concatenate((np.random.normal
2018-01-18 10:52:06
1549
转载 基于交叉熵损失函数的山鸢尾二分类问题
利用花瓣长度和花瓣宽度的特征在山鸢尾和其他物种间拟合一条曲线，可视化分类结果。代码如下：from sklearn import datasetssess = tf.Session()iris = datasets.load_iris()binary_target = np.array([1. if(x == 0) else(0.) for x in iris.target])iris_2d
2018-01-17 14:39:02
874
转载 tensorflow批量训练
学习了一下tensorflow传入批量数据并且训练的方法。代码如下：mport matplotlib.pyplot as pltimport numpy as npimport tensorflow as tfsess = tf.Session()batch_size = 20x_vals = np.random.normal(1,0.1,100)y_vals = np.repeat(
2018-01-15 22:40:40
2259
转载 Tensorflow实现损失函数
学习了一下用Tensorflow实现损失函数并且可视化的方法，代码如下，比较了4种回归算法的损失函数和4种分类算法的损失函数。import matplotlib.pyplot as pltsess = tf.Session()# 用matplot绘制回归算法的损失函数x_vals = tf.linspace(-1.,1.,500)target = tf.constant(0.)l2_
2018-01-15 09:14:35
1383
原创 基于TF-IDF和余弦定理计算文本相似度进而进行分类
1. 首先解释一下什么是TF-IDF。TF-IDF(Term Frequency-Inverse Document Frequency)，汉译为词频-逆文本频率指数。一般来说，假设一篇文章中的某个词i出现的词数为Nwi，这篇文章总词数为N，则这个词对应的词频TFi=Nwi/N。逆文本频率指数IDF一般用于表示一个词的权重，其求解办法为IDFi=log(D/Dw)，这里D指的是文本总量，Dw指的
2018-01-14 20:08:31
2902
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人