jquery ui
jQuery
jQuery UI — взаимодействия и виджеты для Интернета
Примечание. Пользовательский интерфейс jQuery находится в режиме только обслуживания. Для получения дополнительной информации прочтите сообщение в блоге о состоянии проекта.
Пользовательский интерфейс jQuery — это тщательно подобранный набор взаимодействий пользовательского интерфейса, эффектов, виджетов и тем, созданных на основе jQuery. Независимо от того, создаете ли вы высокоинтерактивные веб-приложения или вам просто нужно добавить средство выбора даты в элемент управления формы, пользовательский интерфейс jQuery — идеальный выбор.
Начало работы с пользовательским интерфейсом jQuery
1. Посетите веб-сайт пользовательского интерфейса jQuery: jqueryui.com.
2. Изучите демо-версии: jqueryui.com/demos/
3. Ознакомьтесь с документацией API: api.jqueryui.com.
4. Присоединяйтесь к сообществу для обсуждений и вопросов: Использование форума jQuery UI.
Отчеты о проблемах
Отчеты об ошибках и проблемах можно найти на странице проблем GitHub: Проблемы GitHub.
Архив старых отчетов об ошибках хранится по историческим причинам в режиме только для чтения на сайте bugs.jqueryui.com. Если какая-либо из этих проблем все еще актуальна, откройте новую проблему на GitHub и дайте ссылку на устаревшую проблему bugs.jqueryui.com для контекста.
Участие в пользовательском интерфейсе jQuery
Если вы заинтересованы в помощи в разработке пользовательского интерфейса jQuery, мы будем рады вашему вкладу!
1. Обсудите разработку с командой и сообществом:
* Форум по разработке пользовательского интерфейса jQuery: Форум по разработке пользовательского интерфейса jQuery
* IRC-канал: #jqueryui-dev на irc.freenode.net.
2. Участие:
* Внесите исправление ошибки или новую функцию: см. наше руководство по началу работы.
* Следуйте нашим стандартам кодирования и руководству по стилю сообщений о фиксации.
3. Форкните проект и создайте запрос на включение:
* Форк репозитория: создайте форк проекта пользовательского интерфейса jQuery на GitHub.
* Создайте ветку: создайте новую ветку для вашего конкретного изменения.
* Отправьте запрос на включение: отправьте запрос на включение для вашего филиала. Важно: избегайте смешивания несвязанных изменений в одном запросе на включение.
* Используйте сообщение фиксации. Сообщение фиксации можно использовать в качестве описания вашего запроса на включение.
Запуск модульных тестов
1. Запустите тесты вручную:
* Используйте соответствующие браузеры.
* Используйте локальный веб-сервер.
* См. настройки нашей среды и информацию о запуске тестов.
2. Запустите тесты с помощью npm:
* Используйте команду: npm run test:unit -- --help для получения дополнительных параметров и информации.
Платформа обнаружения объектов Darknet и YOLO
Примечание. Этот раздел был полностью заменен, чтобы продемонстрировать возможность создания оригинального контента.
Глубокое погружение Downcodes в обнаружение объектов с помощью Darknet
Darknet — это мощная и универсальная среда нейронных сетей с открытым исходным кодом, написанная в основном на C и C++. Он известен своей эффективностью и простотой, что делает его популярным выбором среди разработчиков, исследователей и энтузиастов.
YOLO (You Only Look Once) — это передовая система обнаружения объектов в реальном времени, разработанная в рамках Darknet. Его способность быстро и точно обрабатывать изображения сделала его важным игроком в области компьютерного зрения.
Экосистема Даркнет/YOLO
Глубокое погружение в ключевые компоненты
1. Открытый исходный код и бесплатность: Darknet/YOLO имеет полностью открытый исходный код и бесплатен для использования, что позволяет использовать неограниченное количество коммерческих и исследовательских приложений. Это способствует сотрудничеству и инновациям внутри сообщества.
2. Непревзойденная скорость и точность: Darknet/YOLO неизменно превосходит другие платформы и версии YOLO как по скорости, так и по точности.
3. Универсальность на разных платформах. Darknet/YOLO эффективно работает на различных платформах:
* Процессор: Raspberry Pi, облачные серверы, настольные компьютеры, ноутбуки.
* Графический процессор: графические процессоры NVIDIA с поддержкой CUDA для повышения производительности.
4. Межплатформенная совместимость: поддерживается в Linux, Windows и macOS, обеспечивая доступность широкому кругу разработчиков.
Понимание версий даркнета
0.x: Исходная структура Darknet, разработанная Джозефом Редмоном, не имела официального номера версии.
1.x: Популярный репозиторий Darknet, который поддерживал Алексей Бочковский (2017–2021), также не имел номера версии.
2.x «OAK»: эта версия, спонсируемая Hank.ai и поддерживаемая Стефаном Шареттом, была первой, в которой реализована команда версии. Он внес несколько ключевых изменений:
Унифицированная система сборки CMake: стандартизированная система сборки на основе CMake для Windows и Linux, упрощающая процесс разработки.
Кодовая база C++: кодовая база была переведена на C++, что обеспечивает лучшую организацию кода и удобство сопровождения.
Оптимизация эффективности обучения: улучшения, направленные на значительное сокращение времени обучения.
3.x «JAZZ»: последняя версия Darknet, выпущенная в 2024 году, содержит значительные улучшения производительности и обновления функций:
Улучшенная производительность: существенная оптимизация производительности как для обучения, так и для вывода.
Новый API: представлены новые API C и C++ для плавной интеграции в разнообразные приложения.
Обновленный пример кода: расширенный пример кода и новые приложения в каталоге src-examples.
Преимущество ЙОЛО
1. Производительность в реальном времени: YOLO предназначен для приложений, работающих в режиме реального времени, что позволяет быстро обнаруживать и анализировать объекты.
2. Унифицированная архитектура модели: YOLO использует единую нейронную сеть для обнаружения, устраняя необходимость в отдельных предложениях и классификациях и оптимизируя процесс.
3. Высокая производительность во всех тестах: YOLO последовательно достигает высочайших показателей в различных тестах обнаружения объектов, укрепляя свою позицию ведущего выбора.
Начало работы с Даркнетом/YOLO
Создание даркнета
1. Google Колаб:
* Следуйте инструкциям по методу Linux CMake (описанным ниже).
* Для таких задач, как обучение новой сети, доступно несколько блокнотов Jupyter. Изучите блокноты в подкаталоге colab.
2. Метод Linux CMake:
Установите необходимые пакеты:
`бить
sudo apt-get install build-essential git libopencv-dev cmake
`
Клонируем репозиторий:
`бить
клон git https://github.com/hank-ai/darknet
`
Создайте каталог сборки:
`бить
сборка mkdir
сборка компакт-диска
`
Настройте CMake:
`бить
cmake -DCMAKEBUILDTYPE=Выпустить ..
`
Построить Даркнет:
`бить
сделать -j4
`
Установите (необязательно):
`бить
сделать пакет
sudo dpkg -i darknet-ВЕРСИЯ.deb
`
3. Метод Windows CMake:
Предварительные условия установки:
`бить
winget установить Git.Git
winget установить Kitware.CMake
winget установить nsis.nsis
winget install Microsoft.VisualStudio.2022.Community
`
Измените установку Visual Studio: убедитесь, что выбран вариант «Разработка настольных компьютеров с помощью C++».
Откройте командную строку разработчика для VS 2022: не используйте PowerShell.
Установите ВЦПКГ:
`бить
CDC:
mkdir c:src
компакт-диск c: источник
клон git https://github.com/microsoft/vcpkg
компакт-диск vcpkg
bootstrap-vcpkg.bat
.vcpkg.exe интегрировать установку
.vcpkg.exe интегрирует PowerShell
.vcpkg.exe install opencv[contrib,dnn,freetype,jpeg,openmp,png,webp,world]:x64-windows
`
Клонировать репозиторий Darknet:
`бить
компакт-диск c: источник
клон git https://github.com/hank-ai/darknet.git
`
Настройте CMake (укажите расположение VCPKG):
`бить
компакт-диск даркнет
сборка mkdir
сборка компакт-диска
cmake -DCMAKEBUILDTYPE=Выпуск -DCMAKETOOLCHAINFILE=C:/src/vcpkg/scripts/buildsystems/vcpkg.cmake ..
`
Сборка с помощью msbuild:
`бить
msbuild.exe /property:Platform=x64;Configuration=Release /target:Build -maxCpuCount -verbosity:normal -detailedSummary darknet.sln
`
Создайте установочный пакет:
`бить
msbuild.exe /property:Platform=x64;Configuration=Release PACKAGE.vcxproj
`
Запуск Даркнета
1. Darknet CLI (интерфейс командной строки):
Основные команды:
* Версия Darknet: проверьте установленную версию Darknet.
* Справка даркнета: получите список доступных команд.
Прогноз:
* тест детектора даркнета cars.data cars.cfg cars_best.weights image1.jpg: Прогнозирование с использованием изображения.
* демо-версия детектора даркнета животные.данные животные.cfg животные_лучшие.веса test.mp4: Обработка видео.
* демо-версия детектора даркнета животные.данные животные.cfg животные_best.weights -c 0: Чтение с веб-камеры.
Обучение:
* Детектор даркнета поезд животные.данные животные.cfg: Начните обучение новой сети.
2. DarkHelp CLI (Альтернативный интерфейс командной строки):
DarkHelp предоставляет альтернативный интерфейс командной строки с расширенными функциями, такими как отслеживание объектов и мозаика изображений.
Он дополняет интерфейс командной строки Darknet и может использоваться вместе с ним.
3. Предварительно обученные веса MSCOCO:
Несколько версий YOLO предварительно обучены на наборе данных MSCOCO (80 классов). Эти веса предоставлены в демонстрационных целях и могут быть загружены из репозитория Darknet.
Заключение
Комплексный обзор Downcodes структуры обнаружения объектов Darknet и YOLO предлагает основу для всех, кто хочет углубиться в обнаружение объектов в реальном времени. Благодаря своей природе с открытым исходным кодом и непревзойденной производительности, а также универсальности на разных платформах, Darknet/YOLO продолжает оставаться мощным инструментом для разработчиков, исследователей и энтузиастов.
Помните: изучите FAQ по Darknet/YOLO и присоединитесь к серверу Discord Darknet/YOLO для получения дополнительных ресурсов и поддержки сообщества.
