dojo in google app

本文介绍了解决GAE上Dojo应用1000文件上传限制的方法,包括通过配置排除部分文件以及利用Dojo的跨域加载特性来加速页面加载。

在  GAE上写Dojo应用,GAE有1000文件上传限制,虽然可以通过删除dojoroot下的dojox(不会用到),删除国际化文件,把文件数降低到1000以下(还要设置

<resource-files>
        <exclude path="/dojoroot/**.*" />
        <exclude path="/**.jpg" />
        <exclude path="/**.gif" />
        <exclude path="/**.js" />
        <exclude path="/**.css" />
    </resource-files>

 排除这些文件,否则gae会把他们既当成静态文件又当成资源文件,一个文件数了2次,很容易超过1000),这样才可以发布dojo包到gae上开始写应用,

但还有一个方法就是dojo支持跨域加载,把http://o.aolcdn.com/dojo/1.3.0 替换dojoroot就可以,要注意的是

 

 <script type="text/javascript" src="http://o.aolcdn.com/dojo/1.3.0/dojo/dojo.xd.js"
djConfig="parseOnLoad: true,isDebug:true"></script>

 

中是 dojo.xd.js  而不是 dojo.js,这样你的项目文件就不用包含任何dojo文件了

 

改了之后页面加载速度也快了

<head>
		<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
		<title>Account Preferences Final Form</title>
		<style type="text/css">
			@import "http://o.aolcdn.com/dojo/1.3.0/dijit/themes/tundra/tundra.css";
			@import
			"http://o.aolcdn.com/dojo/1.3.0/dojo/resources/dojo.css"
		</style>
		<script type="text/javascript" src="http://o.aolcdn.com/dojo/1.3.0/dojo/dojo.xd.js"
			djConfig="parseOnLoad: true,isDebug:true"></script>
		<script>
			dojo.require("dojo.parser" );
			dojo.require("dijit.layout.ContentPane" );
			dojo.require("dijit.layout.TabContainer" );
			dojo.require("dijit.form.ValidationTextBox" );
			dojo.require("dijit.form.DateTextBox" );
		</script>
		<style>
.formContainer {
	width: 600px;
	height: 600px;
}

label {
	width: 150px;
	float: left;
}
</style>
	</head>

 当dojo与其他的css文件一起使用时,dijit会遭到破坏

 

 

一次加载所有组件

           dojo.require("dojo.parser" );  
            dojo.require("dijit.dijit");
            dojo.require("dijit.dijit-all");

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络与PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
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