基于angularJs1.x的h5 签名

本文介绍了一种使用HTML5和jQuery插件实现的电子签名方案。通过简单的代码配置即可完成签名绘制、清除及保存功能。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

最近应公司要求做了一个h5的电子签名,废话不多说,直接上代码

<!--HTML部分-->
<script src="lib/jquery.1.11.3.min.js" type="text/javascript" charset="utf-8"></script>
<script src="lib/jq-signature.js" type="text/javascript" charset="utf-8"></script>
<div class="js-signature"
	         data-width="600"
	         data-height="200"
	         data-border="1px solid #1ABC9C"
	         data-background="#16A085"
	         data-line-color="#000"
	         data-auto-fit="true" 
	         data-line-width="5">
	    </div>
	    <button id="clearBtn" ng-click="clearCanvas();">清空签名</button>
	    <button id="saveBtn" ng-click="saveSignature();" disabled>保存签名</button>
	    <div id="signature"></div>
//js部分
$(function(){
$('.js-signature').jqSignature();
});	
	    $scope.clearCanvas=function() {
	        $('#signature').html('<p><em>Your signature will appear here when you click "Save Signature"</em></p>');
	        $('.js-signature').jqSignature('clearCanvas');
	        $('#saveBtn').attr('disabled', true);
	    }
	    $scope.saveSignature=function() {
	        $('#signature').empty();
	        var dataUrl = $('.js-signature').jqSignature('getDataURL');
	        var img = $('<img>').attr('src', dataUrl);
	        $('#signature').append($('<p>').text("Here's your signature:"));
	        $('#signature').append(img);
	    }
	    $('.js-signature').on('jq.signature.changed', function() {
	        $('#saveBtn').attr('disabled', false);
	    });

效果如下:
这里写图片描述

### 如何在 TensorFlow 1.x 中正确保存 Keras 模型为 .h5 格式 在 TensorFlow 1.x 版本中,Keras 提供了多种方式来保存模型及其权重。为了将模型保存为 `.h5` 文件格式,可以利用 `model.save()` 方法或者 `model.save_weights()` 方法[^3]。 #### 使用 `model.save()` 如果希望保存整个模型(包括架构和权重),可以直接调用 `model.save(filepath)` 方法。此方法会自动检测文件扩展名并决定存储格式。当指定的路径以 `.h5` 结尾时,模型将以 HDF5 格式保存: ```python model.save('my_model.h5') ``` 上述代码片段中的 `'my_model.h5'` 将作为最终保存的目标文件名称。 #### 使用 `model.save_weights()` 另一种情况是只保存模型的权重而不保存其结构,在这种情况下可使用 `model.save_weights(filepath)` 方法。同样地,若路径带有 `.h5` 扩展名,则权重会被序列化到 HDF5 文件中: ```python model.save_weights('my_model_weights.h5') ``` 需要注意的是,这种方式不会保留模型配置信息,因此后续加载时需先重建相同的模型实例再加载权重。 以下是基于这两种方法的一个完整示例: ```python import tensorflow as tf from tensorflow import keras # 假设已经定义了一个简单的 Sequential 模型 model = keras.Sequential([ keras.layers.Dense(64, activation='relu', input_shape=(32,)), keras.layers.Dense(10, activation='softmax') ]) # 编译模型 (此处省略具体参数设置) model.compile(optimizer=..., loss=...) # 训练模型 (此处省略) # 方案一:保存整个模型至 H5 文件 model.save('full_model.h5') # 方案二:仅保存模型权重至 H5 文件 model.save_weights('weights_only.h5') ``` 以上两种方案均适用于 TensorFlow 1.x 的环境,并能有效生成标准的 `.h5` 文件用于进一步处理或部署。 ### 注意事项 尽管 `.h5` 文件便于共享和迁移学习场景下的应用,但在某些特定需求下(如导出为 Frozen Graph 或 SavedModel 格式以便于生产环境中高效推理),还需要额外考虑其他形式的支持][^[^24]。
评论
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