tag

1. Arclist 标记】
  这个标记是DedeCms最常用的一个标记,也叫自由列表标记,其中 hotart、coolart、likeart、artlist、imglist、imginfolist、specart、autolist 这些标记都是由这个标记所定义的不同属性延伸出来的别名标记。
功能说明:获取指定的文档列表
适用范围:封面模板、列表模板、文档模板
基本语法:
{dede:arclist typeid='' row='' col='' titlelen='' infolen=''
imgwidth='' imgheight='' listtype='' orderby='' keyword=''}
底层模板(InnerText)
{/dede:arclist}


属性说明:
[1] typeid='' 表示栏目ID,在列表模板和档案模板中一般不需要指定,在封面模板中允许用","分开表示多个栏目;
[2] row='' 表示返回文档列表总数;
[3] col='' 表示分多少列显示(默认为单列);
[4] titlelen='' 表示标题长度;
[5] infolen='' 表示内容简介长度;
[6] imgwidth='' 表示缩略图宽度;
[7] imgheight='' 表示缩略图高度;
[8] type='' 表示档案类型,其中空值、不使用这个属性或type='all'时为普通文档
§ type='commend'时,表示推荐文档,等同于 {dede:coolart}{/dede:coolart}
§ type='image'时,表示必须含有缩略图片的文档,等同于{dede:imglist}{/dede:imglist}、{dede:imginfolist}{/dede:imginfolist}
§ type='spec'时,表示专题,等同于标记{dede:specart}{/dede:specart}
以上属性值可以联合使用,如: type='commend image' 表示推荐的图片文档
[9] orderby='' 表示排序方式,默认值是 senddate 按发布时间排列。
§ orderby='hot' 或 orderby='click' 表示按点击数排列
§ orderby='pubdate' 按出版时间排列(即是前台允许更改的时间值)
§ orderby='sortrank' 按文章的新排序级别排序(如果你想使用置顶文章则使用这个属性)
§ orderby='id' 按文章ID排序
§ orderby='postnum' 按文章评论次数排序
§ orderby='rand' 随机获得指定条件的文档列表
[10] orderway='' 值为 desc 或 asc ,指定排序方式是降序还是顺向排序,默认为降序。
[11] keyword='' 表示含有指定关键字的文档列表,多个关键字用","分开
[12] channelid='' 表示特定的频道模型ID,内置的频道:专题(-1)、文章(1)、图集(2)、Flash(4)、软件(3)
[13] limit='起始,结束' 表示限定的记录范围,row属性必须等于"结束 - 起始",mysql的limit语句是由0起始的,如 “limit 0,5”表示的是取前五笔记录,“limit 5,5”表示由第五笔记录起,取下五笔记录,使用了本属性后,row属性将无效。
[14] att='数值' 表示自定义属性值
[15] subday='天数' 表示在多少天以内的文档,通常用于获取指定天数的热门文档、推荐文档、热门评论文档等
[16] partsort='排列位数' 表示自动获得父栏目的所有子数中排列在第几位的栏目ID,标记为 {dede:autolist}{/dede:autolist} 时,使用本属性才有效。
底层模板字段:
ID(同 id),title,iscommend,color,typeid,ismake,description(同 info),writer,shorttitle,memberid
pubdate,senddate,arcrank,click,litpic(同 picname),typedir,typename,
arcurl(同 filename),typeurl,stime(pubdate 的"0000-00-00"格式),
textlink,typelink,imglink,image
其中:
textlink = <a href='arcurl'>title</a>
typelink = <a href='typeurl'>typename</a>
imglink = <a href='arcurl'><img src='picname' border='0' width='imgwidth' height='imgheight'></a>
image = <img src='picname' border='0' width='imgwidth' height='imgheight'>
[b]字段调用方法:[field:varname/][/b]如:
{dede:arclist infolen='100'}
[field:textlink/]
<br>
[field:info/]
<br>
{/dede:arclist}
注:底层模板里的Field实现也是织梦标记的一种形式,因此支持使用PHP语法,Function扩展等功能
如: 给当天发布的内容加上 (new) 标志
[field:senddate runphp='yes']
$ntime = time();
$oneday = 3600 * 24;
if(($ntime - @me)<$oneday) @me = "<font color='red'>(new)</font>";
else @me = "";
[/field:senddate]

2. Field 标记】

功能说明:用于获取特定栏目或档桉的字段值及常用的环境变量值
适用范围:封面模板、列表模板、文档模板
(1)基本语法
[size=large]{dede:field name='字段名'/}[/size](2) 系统分配的field
板块模板:phpurl,indexurl,indexname,templeturl,memberurl,powerby,webname,specurl
列表模板:position,title,phpurl,templeturl,memberurl,powerby,indexurl,indexname,specurl,栏目表dede_arctype的所有字段
其中 position 为 “栏目一 > 栏目二” 这样形式的链接,title则为这种形式的标题
文档模板:position,phpurl,templeturl,memberurl,powerby,indexurl,indexname,specurl,id(同 ID,aid)
(3) 文档所有内容字段
档案dede_archives表 和 附加表的所有字段。


3 .【Sql 标记】

功能说明:用于从模板中用一个SQL查询获得其返回内容。
适用范围:非扩展模块所有模板。
(1)语法:{dede:sql sql=""}底层模板{/dede:sql}
(2)属性:
[1] sql 完整的SQL查询语句。
(3)底层模板:
SQL语句中查出的所有字段都可以用[field:字段名/]来调用。
下载方式:https://pan.quark.cn/s/a4b39357ea24 在纺织制造领域中,纱线的品质水平对最终制成品的整体质量具有决定性作用。 鉴于消费者对于产品规格和样式要求的不断变化,纺织制造工艺的执行过程日益呈现为一种更为复杂的操作体系,进而导致对纱线质量进行预测的任务变得更加困难。 在众多预测技术中,传统的预测手段在面对多变量间相互交织的复杂关系时,往往显得力不从心。 因此,智能计算技术在预测纱线质量的应用场景中逐渐占据核心地位,其中人工神经网络凭借其卓越的非线性映射特性以及自适应学习机制,成为了众多预测方法中的一种重要选择。 在智能计算技术的范畴内,粒子群优化算法(PSO)和反向传播神经网络(BP神经网络)是两种被广泛采用的技术方案。 粒子群优化算法是一种基于群体智能理念的优化技术,它通过模拟鸟类的群体觅食行为来寻求最优解,该算法因其操作简便、执行高效以及具备优秀的全局搜索性能,在函数优化、神经网络训练等多个领域得到了普遍应用。 反向传播神经网络则是一种由多层节点构成的前馈神经网络,它通过误差反向传播的机制来实现网络权重和阈值的动态调整,从而达成学习与预测的目标。 在实际操作层面,反向传播神经网络因其架构设计简洁、实现过程便捷,因此被广泛部署于各类预测和分类任务之中。 然而,该方法也存在一些固有的局限性,例如容易陷入局部最优状态、网络收敛过程缓慢等问题。 而粒子群优化算法在参与神经网络优化时,能够显著增强神经网络的全局搜索性能并提升收敛速度,有效规避神经网络陷入局部最优的困境。 将粒子群优化算法与反向传播神经网络相结合形成的PSO-BP神经网络,通过运用粒子群优化算法对反向传播神经网络的权值和阈值进行精细化调整,能够在预测纱线断裂强度方面,显著提升预测结果的...
植物实例分割数据集 一、基础信息 数据集名称:植物实例分割数据集 图片数量: - 训练集:9,600张图片 - 验证集:913张图片 - 测试集:455张图片 总计:10,968张图片 分类类别:59个类别,对应数字标签0至58,涵盖多种植物状态或特征。 标注格式:YOLO格式,适用于实例分割任务,包含多边形标注点。 数据格式:图像文件,来源于植物图像数据库,适用于计算机视觉任务。 二、适用场景 • 农业植物监测AI系统开发:数据集支持实例分割任务,帮助构建能够自动识别植物特定区域并分类的AI模型,辅助农业专家进行精准监测和分析。 • 智能农业应用研发:集成至农业管理平台,提供实时植物状态识别功能,为作物健康管理和优化种植提供数据支持。 • 学术研究与农业创新:支持植物科学与人工智能交叉领域的研究,助力发表高水平农业AI论文。 • 农业教育与培训:数据集可用于农业院校或培训机构,作为学生学习植物图像分析和实例分割技术的重要资源。 三、数据集优势 • 精准标注与多样性:标注采用YOLO格式,确保分割区域定位精确;包含59个类别,覆盖多种植物状态,具有高度多样性。 • 数据量丰富:拥有超过10,000张图像,大规模数据支持模型充分学习和泛化。 • 任务适配性强:标注兼容主流深度学习框架(如YOLO、Mask R-CNN等),可直接用于实例分割任务,并可能扩展到目标检测或分类等任务。
室内物体实例分割数据集 一、基础信息 • 数据集名称:室内物体实例分割数据集 • 图片数量: 训练集:4923张图片 验证集:3926张图片 测试集:985张图片 总计:9834张图片 • 训练集:4923张图片 • 验证集:3926张图片 • 测试集:985张图片 • 总计:9834张图片 • 分类类别: 床 椅子 沙发 灭火器 人 盆栽植物 冰箱 桌子 垃圾桶 电视 • 床 • 椅子 • 沙发 • 灭火器 • 人 • 盆栽植物 • 冰箱 • 桌子 • 垃圾桶 • 电视 • 标注格式:YOLO格式,包含实例分割的多边形标注,适用于实例分割任务。 • 数据格式:图片为常见格式如JPEG或PNG。 二、适用场景 • 实例分割模型开发:适用于训练和评估实例分割AI模型,用于精确识别和分割室内环境中的物体,如家具、电器和人物。 • 智能家居与物联网:可集成到智能家居系统中,实现自动物体检测和场景理解,提升家居自动化水平。 • 机器人导航与交互:支持机器人在室内环境中的物体识别、避障和交互任务,增强机器人智能化应用。 • 学术研究与教育:用于计算机视觉领域实例分割算法的研究与教学,助力AI模型创新与验证。 三、数据集优势 • 类别多样性:涵盖10个常见室内物体类别,包括家具、电器、人物和日常物品,提升模型在多样化场景中的泛化能力。 • 精确标注质量:采用YOLO格式的多边形标注,确保实例分割边界的准确性,适用于精细的物体识别任务。 • 数据规模充足:提供近万张标注图片,满足模型训练、验证和测试的需求,支持稳健的AI开发。 • 任务适配性强:标注格式兼容主流深度学习框架(如YOLO系列),便于快速集成到实例分割项目中,提高开发效率。
Sub OnLButtonDown(ByVal Item, ByVal Flags, ByVal x, ByVal y) Dim tag10,tag11,tag12,tag13,tag14,tag15,tag16,tag17,tag18,tag19 Dim tag1,tag2,tag3,tag4,tag5,tag9,PreTemp,PreTemp2,PreTemp3,RT,PreTemp4,PreTemp5,PreTemp6 Dim tag20,tag21,tag22,tag23,tag24,tag25,tag26,tag27,tag28,tag29 Dim tag30,tag31,tag32,tag33,tag34,tag35,tag36,tag37,tag38,tag39 Set tag20 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-1功率偏移")'入口CV_編輯_DB_加熱區_CA1-1功率偏移 Set tag21 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-2功率偏移") Set tag22 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-3功率偏移") Set tag23 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-4功率偏移") Set tag24 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-5功率偏移") Set tag25 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-6功率偏移") Set tag26 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-7功率偏移") Set tag27 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-8功率偏移") Set tag28 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-9功率偏移") Set tag29 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_CA1-10功率偏移") Set tag10 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_1") Set tag11 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_2") Set tag12 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_3") Set tag13 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_4") Set tag14 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_5") Set tag15 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_6") Set tag16 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_7") Set tag17 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_8") Set tag18 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_9") Set tag19 = HMIRuntime.Tags("rcp_HOT_PowerSet_HU1_10") Set tag9 = HMIRuntime.Tags("入口CV_編輯_DB_加熱區_STEP5上功率") Set tag30 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_1") 'rcp_HOT_PowerSet_Up_1_1 Set tag31 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_2") Set tag32 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_3") Set tag33 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_4") Set tag34 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_5") Set tag35 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_6") Set tag36 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_7") Set tag37 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_8") Set tag38 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_9") Set tag39 = HMIRuntime.Tags("rcp_HOT_PowerSet_Up_1_10") Set tag1 = HMIRuntime.Tags("rcp_HOT_PowerOfSet_UP_NDS_1") Set tag2 = HMIRuntime.Tags("rcp_HOT_PowerOfSet_UP_AM_Z1") Set tag4 = HMIRuntime.Tags("rcp_HOT_PowerOfSet_UP_SEC1") Set tag5 = HMIRuntime.Tags("rcp_HOT_PowerOfSet_UP_DS_1") tag30.Read tag31.Read tag32.Read tag33.Read tag34.Read tag35.Read tag36.Read tag37.Read tag38.Read tag39.Read tag1.Read '上變 tag2.Read '手,自 tag4.Read '基本值 tag5.Read '下變 tag9.Read If tag2.Value = 1 Then PreTemp=CDbl((1-tag1.Value) * 0.67) PreTemp2=CDbl((1-tag1.Value)* 0.33) PreTemp4=CDbl((1-tag5.Value) * 0.67) PreTemp5=CDbl((1-tag5.Value)* 0.33) tag2.Value=0 tag10.Value = CDbl(tag4.Value * tag1.Value) * CDbl(tag9.Value) tag11.Value = CDbl(tag4.Value * (1-PreTemp) * CDbl(tag9.Value)) tag12.Value = CDbl(tag4.Value * (1-PreTemp2) * (CDbl(tag9.Value))) tag13.Value = CDbl(tag4.Value * CDbl(tag9.Value)) tag14.Value = CDbl(tag4.Value * CDbl(tag9.Value)) tag15.Value = CDbl(tag4.Value * (1-PreTemp5) * (CDbl(tag9.Value))) tag16.Value = CDbl(tag4.Value * (1-PreTemp4)) * (CDbl(tag9.Value)) tag17.Value = CDbl(tag4.Value * tag5.Value) * (CDbl(tag9.Value)) tag20.Value = (tag4.Value * tag1.Value) * 100 tag21.Value = (tag4.Value)* (1-PreTemp) * 100 tag22.Value = (tag4.Value)*(1-PreTemp2) * 100 tag23.Value = (tag4.Value * 100) tag24.Value = (tag4.Value * 100) tag25.Value = (tag4.Value)*(1-PreTemp5) * 100 tag26.Value = (tag4.Value * (1-PreTemp4) * 100) tag27.Value = ((tag4.Value * tag5.Value) * 100) ' tag28.Value = (tag4.Value * (1-PreTemp4) * 100) ' tag29.Value = ((tag4.Value * tag5.Value) * 100) Else tag2.Value=1 tag10.Value = CInt(tag4.Value * tag30.Value * CDbl(tag9.Value)) tag11.Value = CInt(tag4.Value * tag31.Value * CDbl(tag9.Value)) tag12.Value = CInt(tag4.Value * tag32.Value * CDbl(tag9.Value)) tag13.Value = CInt(tag4.Value * tag33.Value * CDbl(tag9.Value)) tag14.Value = CInt(tag4.Value * tag34.Value * CDbl(tag9.Value)) tag15.Value = CInt(tag4.Value * tag35.Value * CDbl(tag9.Value)) tag16.Value = CInt(tag4.Value * tag36.Value * CDbl(tag9.Value)) tag17.Value = CInt(tag4.Value * tag37.Value * CDbl(tag9.Value)) ' tag18.Value = CInt(tag4.Value * tag38.Value * CDbl(tag9.Value)) ' tag19.Value = CInt(tag4.Value * tag39.Value * CDbl(tag9.Value)) ' tag20.Value = CDbl(tag4.Value * tag30.Value ) * 100 tag21.Value = CDbl(tag4.Value * tag31.Value ) * 100 tag22.Value = CDbl(tag4.Value * tag32.Value ) * 100 tag23.Value = CDbl(tag4.Value * tag33.Value ) * 100 tag24.Value = CDbl(tag4.Value * tag34.Value ) * 100 tag25.Value = CDbl(tag4.Value * tag35.Value ) * 100 tag26.Value = CDbl(tag4.Value * tag36.Value ) * 100 tag27.Value = CDbl(tag4.Value * tag37.Value ) * 100 ' tag28.Value = CDbl(tag4.Value * tag38.Value ) * 100 ' tag29.Value = CDbl(tag4.Value * tag39.Value ) * 100 End If tag2.Write tag10.Write tag11.Write tag12.Write tag13.Write tag14.Write tag15.Write tag16.Write tag17.Write ' tag18.Write ' tag19.Write tag20.Write tag21.Write tag22.Write tag23.Write tag24.Write tag25.Write tag26.Write tag27.Write ' tag28.Write ' tag29.Write End Sub
10-11
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值