在以往的一些情况下，圆角是大家比较喜欢也经常使用的一个UI涉及元素，我们以往的办法是用背景图片或者使用CSS把一些线条叠加起来，多少有些不爽，今天无意发现Google中有个圆角的方法，可以使用，如下：代码(生成图片的URL)如下http://google.com/groups/roundedcorners?c=dd00dd&bc=white&w=40&h=40&a=tr其中:1.c表示圆角图片的颜色；2.bc表示圆角图片的背景颜色；3.w和h分别表示圆角图
系统 2019-08-29 22:25:41 2141
策略模式属于对象行为型模式，主要针对一组算法，将每一个算法封装到具有共同接口的独立的类中，从而使得它们可以相互替换。策略模式使得算法可以在不影响到客户端的情况下发生变化。通常，策略模式适用于当一个应用程序需要实现一种特定的服务或者功能，而且该程序有多种实现方式时使用。(策略模式静态图)策略模式中有三个对象：（1）环境对象：该类中实现了对抽象策略中定义的接口或者抽象类的引用。（2）抽象策略对象：它可由接口或抽象类来实现。（3）具体策略对象：它封装了实现同不功
系统 2019-08-29 22:21:24 2141
文章来源：http://blog.csdn.net/zhengzhb/article/details/7348707定义：定义一个用于创建对象的接口，让子类决定实例化哪一个类，工厂方法使一个类的实例化延迟到其子类。类型：创建类模式类图：工厂方法模式代码[java]viewplaincopyinterfaceIProduct{publicvoidproductMethod();}classProductimplementsIProduct{publicvoi
系统 2019-08-12 09:29:55 2141
枚举存储卡因为一个设备可以有多块不同名字的存储卡，应用程序不能假定一块卡的名称或者路径。Smartphone提供了FindFirstFlashCard和FindNextFlashCard函数来允许在程序中枚举存储卡。为了确定你的设备有存储卡，调用FindFirstFlashCard和FindNextFlashCard函数。FindFirstFlashCard返回一个搜索句柄给FindNextFlashCard使用。如果有的话，它还返回一个指针指向第一块存储
系统 2019-08-12 09:27:34 2141
首先设置样式：标题一，标题二，标题三......设置完成样式后，在“开始”标签选择“段落”块里的“多级列表”按钮。如果我们要设置第一级就用鼠标选中级别为1级，然后设置“将级别链接到样式”为前面设置的风格名为“标题一”的样式；同样的操作，如果设置第二级，需要从第一级开始逐级选中需要调整的级别，再设置二级列表，使用鼠标选中级别为2级，然后设置“将级别链接到样式”为前面设置的风格名为“标题二”的样式；以后如此类推。假设是设置第4级，则需要从第一级开始逐级选中需要
系统 2019-08-12 09:27:23 2141
什么时候使用曝光补偿？怎样进行补偿？补偿量多少好呢？下面，举例说明曝光补偿功能的应用。◆1由于数码相机在拍摄的时候可以从液晶屏上大致看到景物的明暗程度，特别是当按下半截快门的时候，画面会显示出一个近似最终成像效果的样子，此时留意一下它的画面效果和亮度，如果明显偏亮或偏暗，说明相机的自动测光准确度有较大偏差，要强制进行曝光补偿，不过有的时候，拍摄时显示的亮度与实际拍摄结果有一定出入。◆2由于数码相机可以在拍摄后立即浏览画面，此时，可以更加准确地看到拍摄出来的
系统 2019-08-12 09:27:17 2141
-------在SQLserver2000中测试--查询所有用户表所有字段的特征SELECTD.NameasTableName,A.colorderASColOrder,A.nameASName,COLUMNPROPERTY(A.ID,A.Name,'IsIdentity')ASIsIdentity,CASEWHENEXISTS(SELECT1FROMdbo.sysobjectsWHEREXtype='PK'ANDNameIN(SELECTNameFROM
系统 2019-08-12 01:32:19 2141
Python中的ctypes模块可能是Python调用C方法中最简单的一种。ctypes模块提供了和C语言兼容的数据类型和函数来加载dll文件，因此在调用时不需对源文件做任何的修改。也正是如此奠定了这种方法的简单性。示例如下实现两数求和的C代码，保存为add.c//sampleCfiletoadd2numbers-intandfloats#includeintadd_int(int,int);floatadd_float(float,float);inta
系统 2019-09-27 17:56:20 2140
本章包括：1、了解卷积神经网络（convnets）2、使用数据增强来减轻过度拟合3、使用预训练的convnet进行特征提取4、微调预训练的信号5、可视化回馈学习的内容以及他们如何做出分类决策一、引言一个简单的convnet示例。第二章中的密接网络的测试精度为97.8%，而convnet的测试精度为99.3%：我们将错误率降低了68%（相对）。为什么这个简单的convnet比一个紧密连接的模型工作得那么好呢？为了回答这个问题，让我们深入研究conv2d和ma
系统 2019-09-27 17:55:54 2140
安装好所需要的插件和包：python、django、pip等版本如下：采用DjangoREST框架3.01、在python文件夹下D:\python\Lib\site-packages\django\bin打开cmd命令工具,本人将python文件夹名字改为了wwj,请注意:mkdirtutorialcdtutorialvirtualenvenvsourceenv/bin/activatepipinstalldjangopipinstalldjangore
系统 2019-09-27 17:55:47 2140
