南修子|数组和列表介绍

Array数组

注意:scala访问数组下标是用的小括号!

在这里插入图片描述
或者是
在这里插入图片描述

List的用法介绍

在这里插入图片描述

::用法

::,两个冒号就是把左边的加到右边的最前方
读作“cons”

在这里插入图片描述

:::的用法介绍

:::三个冒号,实现类似叠加的功能,看下面示例代码

在这里插入图片描述

帮我把以下实际javascript数据 转成JSON样例数据形式,需要转换完成得数据文件 样例数据1 { "vdata": { "total_task": 31, "completed_rate": 0.3225, "completed_task": 10 } } 样例数据2 { "vdata": [ { "overdue_task_days": 10, "overdue_task_title": "完善应急预案修订", "overdue_completed_rate": 0.2188, "overdue_task_department": "调度指挥中心" }, { "overdue_task_days": 11, "overdue_task_title": "完善应急预案修订", "overdue_completed_rate": 0.3188, "overdue_task_department": "调度指挥中心" }, { "overdue_task_days": 12, "overdue_task_title": "完善应急预案修订", "overdue_completed_rate": 0.4188, "overdue_task_department": "调度指挥中心" } ] }, # 首页 ## 线路统计 ```javascript const data = [ { title: '高风险', value: 30 }, { title: '中风险', value: 230 }, { title: '低风险', value: 130 } ] ``` ## 统计详情 ```javascript const tableData = ref([ { level: '高风险', position: '5号线-车站-宋家庄', startTime: '2021-09-01 10:00:00', workContent: '供电综合2#UPS电池核对性充放电', workPerson: '李四' }, { level: '中风险', position: '5号线-车站-宋家庄', startTime: '2021-09-01 10:00:00', workContent: '直流配电柜清扫检修', workPerson: '李四' }, { level: '低风险', position: '5号线-车站-宋家庄', startTime: '2021-09-01 10:00:00', workContent: '配合房山线综合监控系统硬件更新改造', workPerson: '李四' } ]) ``` ## 线路列表 ```javascript const data = ref([ { title: "一项", children: [ { name: '5号线', color: '#A43188' }, { name: '亦庄线', color: '#ED0280' }, ] }, { title: "二项", children: [ { name: '1-八通线', color: '#AC3937' }, { name: '11号线', color: '#DA6E65' }, { name: '51号线', color: '#9E542D' } ] }, { title: "三项", children: [ { name: '2号线', color: '#1F5D8A' }, { name: '13号线', color: '#DBCB2B' }, ] }, { title: "四项", children: [ { name: '15号线', color: '#1F5D8A' }, ] }, { title: "五项", children: [ { name: '6号线', color: '#BA8327' }, ] }, { title: "六项", children: [ { name: '房山线', color: '#DF5A2D' }, { name: '9号线', color: '#7DB238' }, ] }, { title: "七项", children: [ { name: '10号线', color: '#BA8327' }, ] }, { title: "八项", children: [ { name: '昌平线', color: '#C574A3' }, ] }, { title: "九项", children: [ { name: '8号线', color: '#00966A' }, ] }, { title: "十项", children: [ { name: '7号线', color: '#E5A95D' }, ] }, { title: "十一项", children: [ { name: '1-八通线', color: '#AC3937' }, ] }, { title: "接触网", children: [ { name: '接触网', color: '#1C58A3' }, ] }, { title: "控制中心", children: [ { name: '控制中心', color: '#1C58A3' }, ] }, ]); ``` ## 线路标点 ```javascript const data = [ { name: "苹果园", number: 1 }, { name: "白石桥南", number: 4 }, { name: "东四", number: 6 }, { name: "青年路", number: 2 }, { name: "黄渠", number: 1 }, { name: "通运门", number: 2 }, { name: "东夏园", number: 6 }, ] ``` # 指标 ```javascript const data = [ { name: '待执行任务总数', value: 135, }, { name: '人工投入量', value: 122, }] ``` ```javascript const data= [ { value: 20, name: '高风险' }, { value: 47, name: '中风险' }, { value: 68, name: '低风险' }, ] ``` ```javascript const data = [ { value: 15, name: '10kV中压' }, { value: 20, name: '400V低压' }, { value: 25, name: '牵引' }, { value: 35, name: '电子自动化' }, { value: 40, name: '综合监控' }, ] ``` ```javascript const seriesData = { categories: ['计划修', '专项修', '故障修', '预测修', '缺陷', '其他', '工程改造'], lowRisk: { name: '低风险', data: [120, 132, 101, 134, 90, 230, 210] }, mediumRisk: { name: '中等风险', data: [220, 182, 191, 234, 290, 330, 310] }, highRisk: { data: [150, 232, 201, 154, 190, 330, 410], name: '高风险' } } ``` ```javascript const data = { categories: [ '1-八通线', '2号线', '3号线', '5号线', '6号线', '7号线', '8号线', '9号线', '10号线', '11号线', '12号线', '13号线', '15号线', '51号线', '昌平线', '房山线', '亦庄线' ], // 各风险等级的数据(已对齐为 17 项) seriesData: { lowRisk: { data: [120, 132, 101, 134, 90, 230, 210, 132, 101, 134, 90, 230, 132, 101, 134, 90, 230], // 原17项,保留 name: '低风险' }, mediumRisk: { data: [220, 182, 191, 234, 290, 330, 310, 101, 134, 90, 230, 210, 132, 10, 101, 134, 90], // 截取前17项 name: '中等风险' }, highRisk: { data: [150, 232, 201, 154, 190, 330, 410, 290, 330, 310, 101, 134, 90, 230, 210, 0, 0], name: '高风险' } }, }; ```
08-28
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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

打赏作者

南修子

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
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