jquery ui

jQuery UI: interacciones y widgets para la web

Nota: jQuery UI está en modo de solo mantenimiento. Lea la publicación del blog sobre el estado del proyecto para obtener más información.

jQuery UI es un conjunto seleccionado de interacciones, efectos, widgets y temas de interfaz de usuario creados sobre jQuery. Ya sea que esté creando aplicaciones web altamente interactivas o simplemente necesite agregar un selector de fecha a un control de formulario, jQuery UI es la elección perfecta.

Primeros pasos con la interfaz de usuario de jQuery

1. Visite el sitio web de jQuery UI: jqueryui.com

2. Explore demostraciones: jqueryui.com/demos/

3. Consulta la documentación de la API: api.jqueryui.com

4. Únase a la comunidad para debates y preguntas: Uso de jQuery UI Forum

Problemas de informes

Para informes de errores y problemas, visite la página de problemas de GitHub: Problemas de GitHub.

Por razones históricas, se mantiene un archivo de informes de errores más antiguos en modo de solo lectura en bugs.jqueryui.com. Si alguno de estos problemas sigue siendo relevante, abra un nuevo problema en GitHub y vincúlelo al problema heredado de bugs.jqueryui.com para obtener contexto.

Contribuyendo a jQuery UI

Si está interesado en ayudar a desarrollar jQuery UI, ¡agradecemos sus contribuciones!

1. Discuta el desarrollo con el equipo y la comunidad:

* Desarrollo del Foro jQuery UI: Desarrollo del Foro jQuery UI

* Canal IRC: #jqueryui-dev en irc.freenode.net

2. Involucrarse:

* Contribuya con una corrección de errores o una nueva característica: consulte nuestra guía Cómo participar.

* Siga nuestros estándares de codificación y la Guía de estilo de mensajes de confirmación.

3. Bifurca el proyecto y crea una solicitud de extracción:

* Bifurcar el repositorio: crear una bifurcación del proyecto jQuery UI en GitHub.

* Crear una rama: cree una nueva rama para su cambio específico.

* Enviar una solicitud de extracción: envíe una solicitud de extracción para su sucursal. Importante: evite mezclar cambios no relacionados en una sola solicitud de extracción.

* Utilice el mensaje de confirmación: el mensaje de confirmación se puede utilizar como descripción para su solicitud de extracción.

Ejecución de pruebas unitarias

1. Ejecute pruebas manualmente:

* Utilice navegadores adecuados.

* Utilice un servidor web local.

* Consulte la configuración de nuestro entorno e información sobre la ejecución de pruebas.

2. Ejecute pruebas con npm:

* Utilice el comando: npm run test:unit -- --help para obtener más opciones e información.

Marco de detección de objetos Darknet y YOLO

Nota: Esta sección ha sido reemplazada por completo para demostrar la capacidad de generar contenido original.

La inmersión profunda de Downcodes en la detección de objetos con Darknet

Darknet es un marco de red neuronal de código abierto potente y versátil, escrito principalmente en C y C++. Es conocido por su eficiencia y simplicidad, lo que lo convierte en una opción popular tanto para desarrolladores, investigadores como para entusiastas.

YOLO (You Only Look Once) es un sistema de detección de objetos en tiempo real de vanguardia desarrollado dentro del marco Darknet. Su capacidad para procesar imágenes de forma rápida y precisa lo ha convertido en un actor importante en el campo de la visión por computadora.

El ecosistema Darknet/YOLO

Una inmersión profunda en los componentes clave

1. Código abierto y gratuito: Darknet/YOLO es completamente de código abierto y de uso gratuito, lo que permite aplicaciones comerciales y de investigación sin restricciones. Esto fomenta la colaboración y la innovación dentro de la comunidad.

2. Velocidad y precisión inigualables: Darknet/YOLO supera consistentemente a otros marcos y versiones de YOLO en términos de velocidad y precisión.

3. Versatilidad entre plataformas: Darknet/YOLO se ejecuta eficazmente en varias plataformas:

* CPU: Raspberry Pi, servidores en la nube, computadoras de escritorio, portátiles.

* GPU: GPU NVIDIA con soporte CUDA para un rendimiento acelerado.

4. Compatibilidad multiplataforma: compatible con Linux, Windows y macOS, lo que brinda accesibilidad a una amplia gama de desarrolladores.

Comprender las versiones de Darknet

0.x: El marco Darknet original, desarrollado por Joseph Redmon, carecía de un número de versión formal.

1.x: El popular repositorio Darknet mantenido por Alexey Bochkovskiy (2017-2021) tampoco tenía un número de versión.

2.x "OAK": esta versión, patrocinada por Hank.ai y mantenida por Stéphane Charette, fue la primera en implementar un comando de versión. Introdujo varios cambios clave:

Sistema de compilación unificado de CMake: un sistema de compilación estandarizado basado en CMake para Windows y Linux, que simplifica el proceso de desarrollo.

Base de código C++: la base de código se transfirió a C++, lo que permitió una mejor organización y mantenibilidad del código.

Optimizaciones del rendimiento del entrenamiento: mejoras destinadas a reducir significativamente el tiempo de entrenamiento.

3.x "JAZZ": la última versión de Darknet, lanzada en 2024, trae importantes mejoras de rendimiento y actualizaciones de funciones:

Rendimiento mejorado: optimizaciones sustanciales del rendimiento tanto para el entrenamiento como para la inferencia.

Nueva API: se introdujeron nuevas API de C y C++ para una integración perfecta en diversas aplicaciones.

Código de muestra actualizado: código de muestra mejorado y nuevas aplicaciones en el directorio src-examples.

La ventaja de YOLO

1. Rendimiento en tiempo real: YOLO está diseñado para aplicaciones en tiempo real, lo que permite una rápida detección y análisis de objetos.

2. Arquitectura de modelo unificado: YOLO utiliza una única red neuronal para la detección, lo que elimina la necesidad de propuestas y clasificaciones separadas y agiliza el proceso.

3. Sólido rendimiento en todos los puntos de referencia: YOLO ha logrado consistentemente el máximo rendimiento en varios puntos de referencia de detección de objetos, consolidando su posición como una opción líder.

Primeros pasos con Darknet/YOLO

Construyendo la red oscura

1. Colaboración de Google:

* Siga las instrucciones para el método CMake de Linux (que se explican a continuación).

* Hay varios cuadernos de Jupyter disponibles para tareas como entrenar una nueva red. Explore los cuadernos en el subdirectorio colab.

2. Método CMake de Linux:

Instalar paquetes esenciales:

`golpear

sudo apt-get install build-essential git libopencv-dev cmake

`

Clonar el repositorio:

`golpear

clon de git https://github.com/hank-ai/darknet

`

Crear directorio de compilación:

`golpear

compilación mkdir

compilación de cd

`

Configurar CMake:

`golpear

cmake -DCMAKEBUILDTYPE=Lanzar ..

`

Construir red oscura:

`golpear

hacer -j4

`

Instalar (opcional):

`golpear

hacer paquete

sudo dpkg -i darknet-VERSIÓN.deb

`

3. Método CMake de Windows:

Requisitos previos de instalación:

`golpear

instalación de alas Git.Git

Instalación de Winget Kitware.CMake

instalación de alas nsis.nsis

Winget instala Microsoft.VisualStudio.2022.Community

`

Modifique la instalación de Visual Studio: asegúrese de que esté seleccionado Desarrollo de escritorio con C++.

Abra el símbolo del sistema del desarrollador para VS 2022: no use PowerShell.

Instale VCPKG:

`golpear

Centros para el Control y la Prevención de Enfermedades:

mkdirc:src

cdc:src

clon de git https://github.com/microsoft/vcpkg

cd vcpkg

arranque-vcpkg.bat

.vcpkg.exe instalación integrada

.vcpkg.exe integra powershell

.vcpkg.exe instalar opencv[contrib,dnn,freetype,jpeg,openmp,png,webp,world]:x64-windows

`

Clonar repositorio Darknet:

`golpear

cdc:src

clon de git https://github.com/hank-ai/darknet.git

`

Configure CMake (especifique la ubicación de VCPKG):

`golpear

cd red oscura

compilación mkdir

compilación de cd

cmake -DCMAKEBUILDTYPE=Versión -DCMAKETOOLCHAINFILE=C:/src/vcpkg/scripts/buildsystems/vcpkg.cmake ..

`

Construir usando msbuild:

`golpear

msbuild.exe /property:Platform=x64;Configuration=Release /target:Build -maxCpuCount -verbosity:normal -detailedSummary darknet.sln

`

Crear paquete de instalación:

`golpear

msbuild.exe /property:Platform=x64;Configuration=Versión PACKAGE.vcxproj

`

Ejecutando la red oscura

1. Darknet CLI (interfaz de línea de comando):

Comandos básicos:

* versión darknet: Verifique la versión Darknet instalada.

* ayuda de darknet: obtenga una lista de comandos disponibles.

Predicción:

* prueba del detector darknet cars.data cars.cfg cars_best.weights image1.jpg: Predice usando una imagen.

* Demostración del detector de darknet animales.data animales.cfg animales_best.weights test.mp4: Procesar un vídeo.

* Demostración del detector darknet animales.data animales.cfg animales_best.weights -c 0: Leer desde una cámara web.

Capacitación:

* detector de red oscura entrenar animales.datos animales.cfg: Comience a entrenar una nueva red.

2. CLI DarkHelp (CLI alternativa):

DarkHelp proporciona una interfaz de línea de comandos alternativa con funciones avanzadas como seguimiento de objetos y mosaico de imágenes.

Es complementario a Darknet CLI y se puede utilizar junto con él.

3. Pesas preentrenadas de MSCOCO:

Varias versiones de YOLO están previamente entrenadas en el conjunto de datos MSCOCO (80 clases). Estos pesos se proporcionan con fines de demostración y se pueden descargar desde el repositorio de Darknet.

Conclusión

La descripción general completa de Downcodes del marco de detección de objetos Darknet y YOLO ofrece una base para cualquier persona interesada en profundizar en la detección de objetos en tiempo real. Desde su naturaleza de código abierto y su rendimiento inigualable hasta su versatilidad en todas las plataformas, Darknet/YOLO sigue siendo una herramienta poderosa para desarrolladores, investigadores y entusiastas por igual.

Recuerde: explore las preguntas frecuentes de Darknet/YOLO y únase al servidor Darknet/YOLO Discord para obtener recursos adicionales y apoyo de la comunidad.