jquery ui

jQuery UI - การโต้ตอบและวิดเจ็ตสำหรับเว็บ

หมายเหตุ: jQuery UI อยู่ในโหมดบำรุงรักษาเท่านั้น โปรดอ่านโพสต์บล็อกสถานะโครงการสำหรับข้อมูลเพิ่มเติม

jQuery UI คือชุดการโต้ตอบ เอฟเฟกต์ วิดเจ็ต และธีมของอินเทอร์เฟซผู้ใช้ที่ได้รับการดูแลจัดการ ซึ่งสร้างขึ้นจาก jQuery ไม่ว่าคุณกำลังสร้างเว็บแอปพลิเคชันที่มีการโต้ตอบสูง หรือคุณเพียงแค่ต้องเพิ่มตัวเลือกวันที่ให้กับการควบคุมแบบฟอร์ม jQuery UI เป็นตัวเลือกที่สมบูรณ์แบบ

เริ่มต้นใช้งาน jQuery UI

1. เยี่ยมชมเว็บไซต์ jQuery UI: jqueryui.com

2. สำรวจการสาธิต: jqueryui.com/demos/

3. ศึกษาเอกสารประกอบ API: api.jqueryui.com

4. เข้าร่วมชุมชนเพื่อแลกเปลี่ยนความคิดเห็นและคำถาม: การใช้ jQuery UI Forum

การรายงานปัญหา

สำหรับรายงานข้อผิดพลาดและปัญหา โปรดไปที่หน้าปัญหา GitHub: ปัญหา GitHub

การเก็บถาวรรายงานข้อผิดพลาดเก่าๆ จะถูกเก็บไว้ด้วยเหตุผลทางประวัติศาสตร์ในโหมดอ่านอย่างเดียวที่ bugs.jqueryui.com หากปัญหาใดๆ เหล่านี้ยังคงเกี่ยวข้อง โปรดเปิดปัญหาใหม่บน GitHub และลิงก์ไปยังปัญหา bugs.jqueryui.com เดิมเพื่อดูบริบท

มีส่วนร่วมใน jQuery UI

หากคุณสนใจที่จะช่วยพัฒนา jQuery UI เรายินดีรับการมีส่วนร่วมของคุณ!

1. หารือเกี่ยวกับการพัฒนากับทีมงานและชุมชน:

* การพัฒนาฟอรัม jQuery UI: การพัฒนาฟอรัม jQuery UI

* ช่อง IRC: #jqueryui-dev บน irc.freenode.net

2. การมีส่วนร่วม:

* ร่วมแก้ไขข้อบกพร่องหรือฟีเจอร์ใหม่: ดูคู่มือการมีส่วนร่วมของเรา

* ปฏิบัติตามมาตรฐานการเข้ารหัสของเราและคู่มือสไตล์ข้อความยืนยัน

3. แยกโครงการและสร้างคำขอดึง:

* แยกพื้นที่เก็บข้อมูล: สร้างทางแยกของโครงการ jQuery UI บน GitHub

* สร้างสาขา: สร้างสาขาใหม่สำหรับการเปลี่ยนแปลงเฉพาะของคุณ

* ส่งคำขอดึง: ส่งคำขอดึงสำหรับสาขาของคุณ สิ่งสำคัญ: โปรดหลีกเลี่ยงการผสมการเปลี่ยนแปลงที่ไม่เกี่ยวข้องกันในคำขอดึงเดียว

* ใช้ข้อความคอมมิต: ข้อความคอมมิตสามารถใช้เป็นคำอธิบายสำหรับคำขอดึงของคุณ

รันการทดสอบหน่วย

1. รันการทดสอบด้วยตนเอง:

* ใช้เบราว์เซอร์ที่เหมาะสม

* ใช้เว็บเซิร์ฟเวอร์ท้องถิ่น

* ดูการตั้งค่าสภาพแวดล้อมและข้อมูลเกี่ยวกับการทดสอบที่กำลังดำเนินการอยู่

2. รันการทดสอบด้วย npm:

* ใช้คำสั่ง: npm run test:unit -- --help เพื่อดูตัวเลือกและข้อมูลเพิ่มเติม

กรอบการตรวจจับวัตถุ Darknet และ YOLO

หมายเหตุ: ส่วนนี้ได้ถูกแทนที่ทั้งหมดเพื่อแสดงให้เห็นถึงความสามารถในการสร้างเนื้อหาต้นฉบับ

เจาะลึกการตรวจจับวัตถุของ Downcodes ด้วย Darknet

Darknet เป็นเฟรมเวิร์กโครงข่ายประสาทเทียมแบบโอเพ่นซอร์สที่ทรงพลังและอเนกประสงค์ ซึ่งเขียนด้วยภาษา C และ C++ เป็นหลัก มีชื่อเสียงในด้านประสิทธิภาพและความเรียบง่าย ทำให้เป็นตัวเลือกยอดนิยมสำหรับนักพัฒนา นักวิจัย และผู้ที่ชื่นชอบ

YOLO (You Only Look Once) เป็นระบบตรวจจับวัตถุแบบเรียลไทม์ที่ล้ำสมัยที่พัฒนาภายในกรอบงาน Darknet ความสามารถในการประมวลผลภาพอย่างรวดเร็วและแม่นยำทำให้กลายเป็นผู้เล่นสำคัญในด้านการมองเห็นของคอมพิวเตอร์

ระบบนิเวศ Darknet/YOLO

เจาะลึกองค์ประกอบหลัก

1. โอเพ่นซอร์สและฟรี: Darknet/YOLO เป็นโอเพ่นซอร์สโดยสมบูรณ์และใช้งานได้ฟรี ช่วยให้สามารถนำไปใช้ในเชิงพาณิชย์และการวิจัยได้ไม่จำกัด สิ่งนี้ส่งเสริมความร่วมมือและนวัตกรรมภายในชุมชน

2. ความเร็วและความแม่นยำที่ไม่มีใครเทียบได้: Darknet/YOLO มีประสิทธิภาพเหนือกว่าเฟรมเวิร์กและเวอร์ชันอื่นๆ ของ YOLO อย่างต่อเนื่องทั้งในด้านความเร็วและความแม่นยำ

3. ความคล่องตัวข้ามแพลตฟอร์ม: Darknet/YOLO ทำงานอย่างมีประสิทธิภาพบนแพลตฟอร์มต่างๆ:

* CPU: Raspberry Pi, เซิร์ฟเวอร์คลาวด์, เดสก์ท็อป, แล็ปท็อป

* GPU: NVIDIA GPUs พร้อมรองรับ CUDA เพื่อประสิทธิภาพที่เร่งความเร็ว

4. ความเข้ากันได้ข้ามแพลตฟอร์ม: รองรับบน Linux, Windows และ macOS ช่วยให้นักพัฒนาหลากหลายกลุ่มเข้าถึงได้

ทำความเข้าใจกับเวอร์ชัน Darknet

0.x: กรอบงาน Darknet ดั้งเดิม พัฒนาโดย Joseph Redmon ขาดหมายเลขเวอร์ชันที่เป็นทางการ

1.x: พื้นที่เก็บข้อมูล Darknet ยอดนิยมที่ดูแลโดย Alexey Bochkovskiy (2017-2021) ยังไม่มีหมายเลขเวอร์ชันเช่นกัน

2.x "OAK": เวอร์ชันนี้ ซึ่งสนับสนุนโดย Hank.ai และดูแลโดย Stéphane Charette เป็นเวอร์ชันแรกที่ใช้คำสั่งเวอร์ชัน โดยนำเสนอการเปลี่ยนแปลงที่สำคัญหลายประการ:

Unified CMake Build System: ระบบบิลด์ที่ใช้ CMake ที่เป็นมาตรฐานสำหรับทั้ง Windows และ Linux ทำให้กระบวนการพัฒนาง่ายขึ้น

C++ Codebase: Codebase ถูกเปลี่ยนไปเป็น C++ ทำให้สามารถจัดระเบียบโค้ดและบำรุงรักษาได้ดีขึ้น

การเพิ่มประสิทธิภาพการฝึกอบรม: การปรับปรุงที่มีจุดมุ่งหมายเพื่อลดเวลาการฝึกอบรมลงอย่างมาก

3.x "JAZZ": Darknet รุ่นใหม่ล่าสุดที่เปิดตัวในปี 2567 นำเสนอการปรับปรุงประสิทธิภาพที่สำคัญและการอัปเดตฟีเจอร์:

ประสิทธิภาพที่ได้รับการปรับปรุง: การเพิ่มประสิทธิภาพอย่างมากสำหรับทั้งการฝึกอบรมและการอนุมาน

API ใหม่: เปิดตัว C และ C++ API ใหม่สำหรับการรวมเข้ากับแอปพลิเคชันที่หลากหลายได้อย่างราบรื่น

อัปเดตโค้ดตัวอย่าง: โค้ดตัวอย่างที่ได้รับการปรับปรุงและแอปพลิเคชันใหม่ในไดเร็กทอรี src-examples

ข้อได้เปรียบของ YOLO

1. ประสิทธิภาพแบบเรียลไทม์: YOLO ได้รับการออกแบบมาเพื่อการใช้งานแบบเรียลไทม์ ทำให้สามารถตรวจจับและวิเคราะห์วัตถุได้อย่างรวดเร็ว

2. สถาปัตยกรรมโมเดลแบบครบวงจร: YOLO ใช้โครงข่ายประสาทเทียมเดียวในการตรวจจับ ไม่จำเป็นต้องแยกข้อเสนอและการจำแนกประเภท และทำให้กระบวนการคล่องตัวขึ้น

3. ประสิทธิภาพที่แข็งแกร่งเหนือเกณฑ์มาตรฐาน: YOLO ประสบความสำเร็จในด้านประสิทธิภาพสูงสุดอย่างต่อเนื่องในเกณฑ์มาตรฐานการตรวจจับวัตถุต่างๆ ทำให้สถานะของบริษัทแข็งแกร่งขึ้นในฐานะตัวเลือกชั้นนำ

เริ่มต้นใช้งาน Darknet/YOLO

การสร้าง Darknet

1. Google Colab:

* ปฏิบัติตามคำแนะนำสำหรับวิธี Linux CMake (อธิบายไว้ด้านล่าง)

* สมุดบันทึก Jupyter หลายรุ่นพร้อมใช้งานสำหรับงานต่างๆ เช่น การฝึกอบรมเครือข่ายใหม่ สำรวจสมุดบันทึกในไดเรกทอรีย่อย colab

2. วิธีลินุกซ์ CMake:

ติดตั้งแพ็คเกจที่จำเป็น:

`ทุบตี

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

-

โคลนที่เก็บ:

`ทุบตี

โคลนคอมไพล์ https://github.com/hank-ai/darknet

-

สร้างไดเรกทอรีสร้าง:

`ทุบตี

สร้าง mkdir

สร้างซีดี

-

กำหนดค่า CMake:

`ทุบตี

cmake -DCMAKEBUILDTYPE=ปล่อย ..

-

สร้าง Darknet:

`ทุบตี

ทำ -j4

-

ติดตั้ง (ไม่จำเป็น):

`ทุบตี

ทำแพ็คเกจ

sudo dpkg -i darknet-VERSION.deb

-

3. วิธี Windows CMake:

ติดตั้งข้อกำหนดเบื้องต้น:

`ทุบตี

winget ติดตั้ง Git.Git

winget ติดตั้ง Kitware.CMake

ติดตั้ง winget nsis.nsis

winget ติดตั้ง Microsoft.VisualStudio.2022.Community

-

แก้ไขการติดตั้ง Visual Studio: ตรวจสอบให้แน่ใจว่าได้เลือกการพัฒนาเดสก์ท็อปด้วย C ++

เปิดพร้อมท์คำสั่งสำหรับนักพัฒนาสำหรับ VS 2022: อย่าใช้ PowerShell

ติดตั้ง VCPKG:

`ทุบตี

CDC:

mkdir c:src

ซีดี c:src

โคลนคอมไพล์ https://github.com/microsoft/vcpkg

ซีดี vcpkg

bootstrap-vcpkg.bat

.vcpkg.exe รวมการติดตั้ง

.vcpkg.exe รวม PowerShell

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

-

พื้นที่เก็บข้อมูลโคลน Darknet:

`ทุบตี

ซีดี c:src

โคลนคอมไพล์ https://github.com/hank-ai/darknet.git

-

กำหนดค่า CMake (ระบุตำแหน่ง VCPKG):

`ทุบตี

ซีดีดาร์กเน็ต

สร้าง mkdir

สร้างซีดี

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

-

สร้างโดยใช้ msbuild:

`ทุบตี

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

-

สร้างแพ็คเกจการติดตั้ง:

`ทุบตี

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

-

เรียกใช้ Darknet

1. Darknet CLI (อินเทอร์เฟซบรรทัดคำสั่ง):

คำสั่งพื้นฐาน:

* เวอร์ชัน darknet: ตรวจสอบเวอร์ชัน Darknet ที่ติดตั้ง

* วิธีใช้ darknet: รับรายการคำสั่งที่ใช้ได้

การทำนาย:

* การทดสอบเครื่องตรวจจับ Darknet cars.data cars.cfg cars_best.weights image1.jpg: ทำนายโดยใช้รูปภาพ

* การสาธิตเครื่องตรวจจับ darknetanimals.dataanimals.cfganimals_best.weights test.mp4: ประมวลผลวิดีโอ

* การสาธิตเครื่องตรวจจับ darknetanimals.dataanimals.cfganimals_best.weights -c 0: อ่านจากเว็บแคม

การฝึกอบรม:

* เครื่องตรวจจับ darknet ฝึก Animals.data Animals.cfg: เริ่มฝึกเครือข่ายใหม่

2. DarkHelp CLI (CLI ทางเลือก):

DarkHelp มอบอินเทอร์เฟซบรรทัดคำสั่งทางเลือกพร้อมคุณสมบัติขั้นสูง เช่น การติดตามวัตถุและการเรียงภาพ

มันเป็นส่วนเสริมของ Darknet CLI และสามารถใช้ร่วมกับมันได้

3. ตุ้มน้ำหนักที่ผ่านการฝึกอบรม MSCOCO:

YOLO หลายเวอร์ชันได้รับการฝึกอบรมล่วงหน้าในชุดข้อมูล MSCOCO (80 คลาส) ตุ้มน้ำหนักเหล่านี้มีไว้เพื่อการสาธิตและสามารถดาวน์โหลดได้จากพื้นที่เก็บข้อมูล Darknet

บทสรุป

ภาพรวมที่ครอบคลุมของ Downcodes เกี่ยวกับเฟรมเวิร์กการตรวจจับวัตถุ Darknet และ YOLO นำเสนอรากฐานสำหรับทุกคนที่สนใจเจาะลึกการตรวจจับวัตถุแบบเรียลไทม์ จากลักษณะโอเพ่นซอร์สและประสิทธิภาพที่ไม่มีใครเทียบได้ ไปจนถึงความสามารถรอบด้านข้ามแพลตฟอร์ม Darknet/YOLO ยังคงเป็นเครื่องมือที่ทรงพลังสำหรับนักพัฒนา นักวิจัย และผู้ที่ชื่นชอบ

ข้อควรจำ: สำรวจคำถามที่พบบ่อยของ Darknet/YOLO และเข้าร่วมเซิร์ฟเวอร์ Darknet/YOLO Discord เพื่อรับแหล่งข้อมูลเพิ่มเติมและการสนับสนุนจากชุมชน