H5页面使用iosSelect.js省市县乡村四级联动

vue - 实现省市区的级联选择   最近要实现一个pc端的省市区级联选择效果,省市区的数据都是使用的本地数据,实现起来逻辑会有一点复杂,我在这里总结分享一下,希望对大家有所帮助。 一、效果图 二、实现逻辑 我这里的实现逻辑是先通过省份来获取城市,然后通过城市来获取区县,街道因为不是固定的,所以让用户自己输入。获取对应市区的逻辑是:每个省份、城市、区县都有唯一的编码,然后省份编码的前两位跟城市是一样的,通过截取的方式来筛选出城市,然后城市的前四位编码跟区县的是一样的,也同样通过截取的方式来筛选出区县即可。 因为pc端我是使用了elemen 阅读详情

H5页面使用iosSelect.js省市县乡村四级联动

项目效果

在这里插入图片描述

一.需引入文件

<link rel="stylesheet" href="static/css/iosSelect.css">
<script src="static/js/zepto.js"></script>
<script src="static/js/iscroll.js"></script>
<script src="static/js/iosSelect.js"></script>

Js和Css文件地址

二.html文件

<div class="form-item item-line" id="selectDate">                 						               
    <div class="pc-box">                     
        <span data-city="{$city['id']}" data-area="{$area['id']}" data-street="{$street['id']}" data-village="{$village['id']}" id="showDate">手动选择绑定地址</span>  
    </div>             
</div>

三.javascript

<script type="text/javascript">
 var selectDateDom = $('#selectDate'); // 绑定一个触发元素
    var showDateDom = $('#showDate'); // 绑定一个存储结果的元素
    // 数据初始化
    var city = "<?php echo $city['id'];?>";  //市
	var area = "<?php echo $area['id'];?>";  //县/ 区
	var street = "<?php  echo $street['id'];?>"; // 乡
	var village = "<?php  echo $village['id']; ?>"; //村  
    showDateDom.attr('data-city', city);
    showDateDom.attr('data-area', area);
    showDateDom.attr('data-street', street);
	showDateDom.attr('data-village', village);
    var cityData = function(callback) {
	$.ajax({
	url: "__APP__/Home/getCtiy",
					type: "post",
					success: function(data) {
						var city = [];
						$.each(data, function(i, item){    
							city.push({
								 id:item['id'] ,
								 value: item['value'],
								 parentId:item['parentId']
							});   						
						}); 
					callback(city)	  	
					}
				});
    }
    var areaData = function (city, callback) {
	$.ajax({
	url: "__APP__/Home/getArea",
					type: "post",
					data:{
						pid:city
					},
					success: function(data) {
						var area = [];
							$.each(data, function(i, item){    
								area.push({
									 id:item['id'] ,
									 value: item['value'],
									 parentId:item['parentId']
								});   						
							}); 
						callback(area)						
					}
				});
	};    
    var streetData = function (city, area, callback) {
     $.ajax({
     url: "__APP__/Home/getStreet",
     				type: "post",
     				data:{
     					pid:area
     				},
     				success: function(data) {
     					var street = [];
     						$.each(data, function(i, item){    
     							street.push({
     								 id:item['id'] ,
     								 value: item['value'],
     								 parentId:item['parentId']
     							});   						
     						}); 
     					callback(street)						
     				}
     			});
    };
    var villageData = function(city, area, street, callback) {
        var village = [];
        $.ajax({
        url: "__APP__/Home/getVillage",
        				type: "post",
        				data:{
        					pid:street
        				},
        				success: function(data) {
        					var village = [];
        						$.each(data, function(i, item){    
        							village.push({
        								 id:item['id'] ,
        								 value: item['value'],
        								 parentId:item['parentId']
        							});   						
        						}); 
        					callback(village);						
        				}
        			});
        
    };

    selectDateDom.bind('click', function () { // 添加监听事件
        var oneLevelId = showDateDom.attr('data-city');
        var twoLevelId = showDateDom.attr('data-area');
        var threeLevelId = showDateDom.attr('data-street');
        var fourLevelId = showDateDom.attr('data-village');
        var iosSelect = new IosSelect(4,   //需要几级选项直接修改数字即可,最多支持6级
            [cityData, areaData, streetData, villageData],
            {
                title: '地址选择',
                itemHeight: 35,  // 每个元素的高度
                relation: [1, 1, 1, 0],  //第一第二第三联动  ,最多支持六级,每各级别是用逗号隔开即可 , 0是不联动 1是想选项联动
                itemShowCount: 9,    // 每一列显示元素个数,超出将隐藏
                oneLevelId: oneLevelId,
                twoLevelId: twoLevelId,
                threeLevelId: threeLevelId,
                fourLevelId: fourLevelId,
                callback: function (selectOneObj, selectTwoObj, selectThreeObj, selectFourObj) { // 用户确认选择后的回调函数
                    showDateDom.attr('data-city', selectOneObj.id);
                    showDateDom.attr('data-area', selectTwoObj.id);
                    showDateDom.attr('data-street', selectThreeObj.id);
                    showDateDom.attr('data-village', selectFourObj.id);
                    showDateDom.html(selectOneObj.value + ' ' + selectTwoObj.value + ' ' + selectThreeObj.value + ' ' + selectFourObj.value );
                }
        });
    });
</script >

四.ajax接口注意事项:

返回数据形式为:
在这里插入图片描述
市 县 乡 村 级别之间通过parentId字段进行关联

五.iOSselect特点

  • 0依赖,只需引用一个js和css即可
  • 样式可自己定制,也可使用默认样式
  • 一个页面同时实例化多个组件
  • jquery zepto angular vue react均适用
  • 支持最多6级级联 支持设置高度和高度单位
  • 适用于android和iOS设备(PC端支持IE9+,不过PC端上滑动体验不太实用)

六.iOSselect参数说明

level

default: 1
type:    number

数据的层级,最多支持6层

data

default: undefined
type:    ...Array

[oneLevelData[, twoLevelData[, threeLevelData[, fourLevelData[, fiveLevelData[, sixLevelData]]]]]] 可以用数组,也可以用方法。 6项分别对应级联1,2,3,4,5,6项,每一项又是一个数组或方法 如果是数组: 每一项数组中包含一系列对象,每个对象必须要有id,作为该条数据在该项数组中的唯一标识,value作为显示值,parentId是可选属性,作为关联的标志,数据形如:

var iosProvinces = [
  {"id": "130000', "value": "河北省", "parentId": "0"}
];
var iosCitys = [
  {"id":"130100","value":"石家庄市","parentId":"130000"},
];

当我们选择河北省时,就到城市中找到parentId为河北省id的数据,然后展示出来。

如果是方法: 传入一个方法,在方法中获取数据,该方法有该列前序列的选中值和回调方法。 如果是第一列的方法,可如下定义:

function oneFun(callback) {
	var arr1 = [];
	callback(arr1);
}

如果是第二列的方法,可如下定义:

function twoFun(oneLevelId, callback) {
	var arr2 = [];
	callback(arr2);
}

如果第三列,可如下定义方法:

function threeFun(oneLevelId, twoLevelId, callback) {
	var arr3 = [];
	callback(arr3);
}

依次类推,第六列获取数据的方法可如下定义:、

function sixFun(oneLevelId, twoLevelId, threeLevelId, fourLevelId, fiveLevelId, callback) {
	var arr6 = [];
	callback(arr6);
}

在方法里可以根据前序列的选中值定义需要的数据,比如年月日,当年月变化时,可根据年月选中值,设置日期的取值范围。

如何ajax获取数据
在这里插入图片描述
options

type:    object

其余选项,含以下几个属性:

options.container

default: ''
type:    string

实例化后的对象包裹元素,可选项

options.callback

default: undefined
type:    function

选择完毕后的回调函数,必选项 options.callback(selectOneObj, selectTwoObj, selectThreeObj, selectFourObj, selectFiveObj, selectSixObj) selectNumberObj为每级对应选中项,包含对应数据的所有字段及dom对象

options.fallback

default: undefined
type:    function

选择取消后的回调函数,可选项

fallback: function (e) {
	console.log(e);
},

options.maskCallback

default: undefined     type:    function

点击背景层关闭组件时触发的方法,可选项

fallback: maskCallback (e) {
	console.log(e);
},

options.title

default: ''
type:    string

显示标题,可选项

options.sureText

default: '确定'
type:    string

设置确定按钮文字,可选项

options.closeText

default: '取消'
type:    string

设置取消按钮文字,可选项

options.itemHeight

default: 35
type:    number

每一项的高度,可选项

options.itemShowCount

default: 7
type:    number

组件展示的项数,可选项,可选3,5,7,9,不过不是3,5,7,9则展示7项

options.headerHeight

default: 44
type:    number

组件标题栏高度,可选项

options.cssUnit

default: 'px'
type:    string

元素css尺寸单位,可选项,可选px或者rem

options.addClassName

default: ''
type:    string

组件额外类名,用于自定义样式,可选项

options.relation

default: [0, 0, 0, 0, 0]
type:    ...Array

[oneTwoRelation, twoThreeRelation, threeFourRelation, fourFiveRelation, fiveSixRelation] 可选项。如果数据是数组(非方法),各级选项之间通过parentId关联时,需要设置;如果是通过方法获取数据,不需要该参数。

options.relation.oneTwoRelation

default: 0
type:    number

第一列和第二列是否通过parentId关联,可选项

options.relation.twoThreeRelation

default: 0
type:    number

第二列和第三列是否通过parentId关联,可选项

options.relation.threeFourRelation

default: 0
type:    number

第三列和第四列是否通过parentId关联,可选项

options.relation.fourFiveRelation

default: 0
type:    number

第四列和第五列是否通过parentId关联,可选项

options.relation.fiveSixRelation

default: 0
type:    number

第五列和第六列是否通过parentId关联,可选项

options.oneLevelId

type:    string

实例展示时,第一级数据默认选中值,可选项,默认为第一级数据第一项id

options.twoLevelId

type:    string

实例展示时,第二级数据默认选中值,可选项,默认为第二级数据第一项id

options.threeLevelId

type:    string

实例展示时,第三级数据默认选中值,可选项,默认为第三级数据第一项id

options.fourLevelId

type:    string

实例展示时,第四级数据默认选中值,可选项,默认为第四级数据第一项id

options.fiveLevelId

type:    string

实例展示时,第五级数据默认选中值,可选项,默认为第五级数据第一项id

options.sixLevelId

type:    string

实例展示时,第6级数据默认选中值,可选项,默认为第6级数据第一项id

options.showLoading

default: false
type:    boolean

实例展示时,在数据加载之前下拉菜单是否显示加载中的效果,建议ajax获取数据时设置为true

options.showAnimate

default: false
type:    boolean

是否显示入场动画和退场动画,如需自定义动画效果,请覆写.fadeInUp .layer和.fadeOutDown .layer的css3动画。PS:动画时间为0.5秒。

方法
close

关闭已实例化的组件

object.close();

事件
IosSelectCreated

组件创建完毕事件

window.addEventListener('IosSelectCreated', function(e) {
		console.log(e);
});

IosSelectDestroyed
组件销毁事件

window.addEventListener('IosSelectDestroyed', function(e) {
		console.log(e);
});
H5使用iosselect实现一级、二级下拉,使用jq或者vue html部分直接使用就可,一般都是通过input标签来触发,不过在H5里有时候会有安卓、ios兼容问题,所以这里实现通过点击p标签来触发选择事件。使用 iosselect 需要下载iosSelect.css 和iosSelect.js 可以去文档demo的代码里找文件。一样input可能会有安卓、ios 兼容问题所以也是用p标签来实现触发,先说通过jq实现,直接引入文件,注意引入路径。vue 中使用iosselect插件。文档和demo可以访问。至此 jq方法实现结束。iosselect 和。 阅读详情

相关推荐

移动前端H5城市选择控件

移动前端H5城市选择控件,移动前端H5城市选择控件,移动前端H5城市选择控件

js移动端那些事之iosSelect.js

关于js移动端与iosSect.js

yjwu5353的博客 6775

iosSelect.js 五级联动(最多支持六级联动)

iosSelect.js 省市县乡村五级分类js和css文件

h5使用iosselect.js实现日期选择器datepicker

之前有在weui datepicker在pc端无法正常使用,使用iOSSelect代替这篇文章中提到用iOSselect.js实现datepicker,但是没有上传例子,今天在这里上传一个实例给大家看看,如果有需要的可以直接用。 先看一下实例:datePicker. 源码下载:datePicker源码 效果图如下: 然后看看代码 html: <!DOCTYPE html&g......

肖波的博客 1万+

JS模拟IOS联动选择插件iosselect代码

JS模拟IOS联动选择插件iosselect代码,使用非常简单,只需引用一个js和css即可,样式可自己定制,也可使用默认样式。

在Ubuntu 22.04上从零搭建TrinityCore 3.3.5服务器:一份保姆级避坑指南

本文详细介绍了在Ubuntu 22.04系统上从零搭建TrinityCore 3.3.5服务器的完整流程,包括环境准备、源码编译、数据库配置、资源文件处理及性能调优等关键步骤。特别针对国内开发者和低配置用户优化,提供保姆级避坑指南,帮助用户高效搭建魔兽世界经典旧世版本私服。

weixin_33393017的博客 304

iosSelect插件 H5中实现iOS的select下拉联动效果

简要说明官网:http://zhoushengfe.com/iosselect/website/index.html 下载:在官网点击 github 菜单项就可以下载此插件。下载好后可以看到两个文件夹,将src下的两个文件放到工程里的对应位置引入之后就可以按照说明进行使用了,这个插件更适用于移动端。 还有一个demo文件夹,里面是一些下拉联动效果的实例,可以参考它们使用 来实现想要的功能。因为我

陈雪珊的博客 1万+

Dev C++调试程序方法详解

Dev C++调试程序方法详解

weixin_70641798的博客 1万+

使用iOSSelect.js实现iOS的select下拉选择日期的联动效果

引入文件: <link rel="stylesheet" href="/static/css/iosSelect.css"> <script type="text/javascript" src="/static/js/iosSelect.js"></script> HTML部分: <div class="mui-input-row"> ...

小城市的故事 745

【faers数据库-R语言】

摘要:本文详细介绍了FAERS数据库不良反应信号挖掘的完整流程,包括数据解压导入(R代码示例)、数据结构理解、数据清洗(缺失值处理、标准化、合并和编码映射)、信号挖掘准备(药物-反应组合表创建)以及信号强度指标计算(PRR和ROR)。重点阐述了数据清洗的关键步骤,如缺失值处理(colSums(is.na()))、数据标准化(toupper()、as.Date())和表合并(merge()),并提供了完整的R语言实现代码。最后强调结果需结合临床知识解读,建议使用data.table等高效工具处理大数据。整个流

weixin_46587777的博客 1500

【k8s实战】 在离线项目混部 通过kubeflow(tf-operator)部署TensorFlow机器学习任务+prometheus/grafana监控资源使用全过程(最新 图文)

目录在离线混合部署概念最新版kubeflow部署TensorFlow部署二级目录三级目录 在离线混合部署概念 先举一个例子,众所周知的天猫双十一当天的流量非常之大,那么就需要成百上千台服务器构成一个超大集群来提供计算能力,但是双十一过去之后,集群资源就面临着浪费的局面。假设业务分为在线和离线两种模式:在线任务需要资源相对较少,但要求响应时间短;离线任务则不需要对任务进行迅速响应,但是计算量相对较大、占用资源多。那么我们应该怎么在K8S集群上完成这两种业务的部署、并且使得CPU利用率始终维持在一个比较高的水平

Eros1on的博客 1545

html+原生js实现 4级select联动完整实例

html+原生js实现 4级select联动完整实例

易查薪 736

Openwork 入门指南:开源 AI 桌面助手快速上手

Openwork是一款开源的AI桌面代理工具,提供类似Claude Cowork的免费替代方案。它支持本地运行,确保隐私安全,并能高效处理文件整理、文档读写等任务。支持多种AI模型,通过MIT许可完全免费。安装简单,仅需运行命令行或下载桌面版,需配置API Key后即可使用。操作直观,支持多步骤规划和权限控制,适合自动化重复工作。目前主要支持macOS,未来将扩展至Windows/Linux。建议从简单任务入手,逐步掌握这一高效的数字助手工具。

3802

vue-elementui省市区三级选择器

1.vue使用elementui的el-cascader 1.导入element-china-area-data 2.页面引入 regionData

又菜又爱玩的博客 2731

北京大学MuMo多模态肿瘤分类模型复现与迁移学习

本项目复现了北京大学MuMo多模态肿瘤分类模型,并针对特定医学影像数据集进行迁移学习。MuMo模型通过整合CT、MRI、PET等多模态医学影像数据,显著提升了肿瘤分类准确性。项目内容包括环境配置(Python 3.8+、PyTorch 1.9+)、数据预处理(DICOM/NIfTI格式处理、强度归一化)、多模态数据集类实现,以及训练验证测试集划分。关键特点是采用MONAI医学影像处理库,实现三维医学影像的标准化预处理流程,并支持多种模态数据的并行加载与联合训练,为后续模型复现和迁移学习奠定基础。

max500600的博客 1241

基于YOLOv11的手写数字与符号识别系统设计与实现

手写数字与符号识别系统需要丰富多样的训练数据才能达到理想的泛化性能。MNIST:包含70,000个手写数字样本(0-9),28x28灰度图像优点:干净整齐,适合初学者缺点:多样性不足,只有数字EMNIST:MNIST的扩展,包含数字、字母(大小写)和特殊符号样本量:814,255张图像覆盖62个类别(10数字+26小写字母+26大写字母)HASYv2:专门的手写符号数据集包含369个不同符号类别约168,000个标注实例包括数学符号、箭头、括号等:英文手写文本数据库。

YOLO 291

vue 城市选择器(省市区)的使用 element-china-area-data

本文参考:Element UI 中国省市区级联数据 本文参考:根据此文做的整理 2. 使用 regionData是省市区三级联动数据(不带“全部”选项) CodeToText是个大对象,属性是区域码,属性值是汉字 用法例如:CodeToText[‘110000’]输出北京市 extToCode是个大对象,属性是汉字,属性值是区域码用法例如:TextToCode[‘北京市’].code输出110000,TextToCode[‘北京市’][‘市辖区’].code输出110100,TextToCode[‘北京

weixin_55966654的博客 2万+

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Vue结合element-ui实现省市区三级区域联动选择

说明: 代码自带地区数据源,由于篇幅限制,只放了部分地区数据 效果: 代码: <!DOCTYPE html> <html> <head> <meta charset="UTF-8" /> <meta name="author" content="LF" /> <meta name="description" content="" /> <meta name="viewport" conten

Y_seaboy的博客 4110

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

【亲测免费】 iOSSelect组件使用指南

iOSSelect是一款专为解决跨平台(Android 和 iOS)下拉菜单样式及交互一致性的组件。它模仿了iOS下的原生select控件的交互和外观,旨在提供统一且美观的选择体验。 ### 主要特点: - **无依赖**:仅需引入一个JS和CSS文件即可。 - **自定义样式**:虽然提供了默认样式,但你可以根据需求自定义样式。 - **兼容多种框架**:适用于jQuery, Zepto, ...

gitblog_00331的博客 899

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

jq四级联动

前端代码: &lt;div class="tc"&gt; &lt;div class="aboutBannerBox"&gt;&lt;/div&gt; &lt;div class="aboutCont"&gt; &lt;div id="address"&gt; &lt;select

qq_37605470的博客 751

Claude代码模板:如何将开发时间从数小时压缩到5分钟?

你是否曾花费数小时配置项目环境,只为搭建一个简单的开发框架?Claude代码模板正是为了解决这一痛点而生的开发加速器,它通过预制的多语言模板,让开发者能够专注于核心业务逻辑而非重复配置工作。 ## 🕒 传统开发 vs 模板化开发的效率对比 | 开发阶段 | 传统开发方式 | Claude代码模板方式 | 时间节省 | |---------|-------------|------------

gitblog_00389的博客 554

超实用的vue省市区三级联动(带地区编码)

基于vue+element 省市区三级联动,内含各地区编码

c_qianxia5040的博客 5912

Vue+element ui表单中省市区级联选择—v-distpicker/Cascader

Vue+element ui表单中省市区级联选择—v-distpicker/Cascader

咏絮 3914

vue 地址选择器_超棒 Vue 省市县联动选择器组件V-Distpicker

今天给大家推荐一款超好用的 vue.js 组件,省市区三级联动选择器VDistpicker。v-distpicker 一个简单易用的地区选择器组件。支持省、市、地区三级联动选择,提供多种选择模式。安装$ npm i v-distpicker -S引入# 在main.js中全局引入import VDistpicker from 'v-distpicker'Vue.component('v-distp...

weixin_36182916的博客 700

js实现展开全部内容,收起全部内容

整理一个昨天做的案例,虽然很简单我感觉我这个脑子有必要整理一下,不然睡一觉又忘记了,这个是关于移动端页面中,如果模块中内容过多,首先展示部分,用户自己选择看不看全部的一个小功能。 首先看看这个页面的效果吧,如下图所示: 下面一起来看一下代码吧 html部分(css样式就不在这里写了,需要自行下载) <div class="con"> <p class="intro_ti...

撸猫@冒泡泡 5884
上一篇: laravel-admin 后台框架安装及常见问题
下一篇: H5移动版识别二维码和条形码
撸猫@冒泡泡
博客等级 码龄10年 16粉丝 50原创
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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

打赏作者

撸猫@冒泡泡

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
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