jquery ui
jQuery
jQuery UI - 网络交互和小部件
注意：jQuery UI 处于仅维护模式。请阅读项目状态博客文章以获取更多信息。
jQuery UI 是一组基于 jQuery 构建的精心设计的用户界面交互、效果、小部件和主题。无论您是要构建高度交互的 Web 应用程序，还是只需要向表单控件添加日期选择器，jQuery UI 都是完美的选择。
jQuery UI 入门
1.访问jQuery UI网站：jqueryui.com
2. 探索演示：jqueryui.com/demos/
3.查阅API文档：api.jqueryui.com
4. 加入社区进行讨论和提问：使用 jQuery UI 论坛
报告问题
有关错误报告和问题，请访问 GitHub 问题页面：GitHub 问题。
由于历史原因，旧错误报告的存档以只读模式保存在 bugs.jqueryui.com 上。如果其中任何问题仍然相关，请在 GitHub 上打开一个新问题并链接到旧的 bugs.jqueryui.com 问题以了解上下文。
为 jQuery UI 做出贡献
如果您有兴趣帮助开发 jQuery UI，我们欢迎您的贡献！
1. 与团队和社区讨论开发：
* 开发 jQuery UI 论坛：开发 jQuery UI 论坛
* IRC 频道：irc.freenode.net 上的 #jqueryui-dev
2. 参与：
* 贡献错误修复或新功能：请参阅我们的参与指南。
* 遵循我们的编码标准和提交消息风格指南。
3. 分叉项目并创建拉取请求：
* 分叉存储库：在 GitHub 上创建 jQuery UI 项目的分叉。
* 创建分支：为您的特定更改创建一个新分支。
* 发送拉取请求：为您的分支提交拉取请求。重要提示：请避免在单个拉取请求中混合不相关的更改。
* 使用提交消息：提交消息可以用作拉取请求的描述。
运行单元测试
1. 手动运行测试：
* 使用适当的浏览器。
* 使用本地网络服务器。
* 请参阅我们的环境设置和有关运行测试的信息。
2. 使用 npm 运行测试：
* 使用命令：npm run test:unit -- --help 获取更多选项和信息。
暗网目标检测框架和 YOLO
注意：此部分已被完全替换，以演示生成原始内容的能力。
Downcodes 深入研究暗网对象检测
Darknet 是一个强大且多功能的开源神经网络框架，主要用 C 和 C++ 编写。它以其高效和简单而闻名，使其成为开发人员、研究人员和爱好者的热门选择。
YOLO（You Only Look Once）是在 Darknet 框架内开发的尖端实时物体检测系统。其快速、准确地处理图像的能力使其成为计算机视觉领域的重要参与者。
暗网/YOLO 生态系统
深入研究关键组件
1.开源免费：Darknet/YOLO完全开源且免费使用，允许不受限制的商业和研究应用。这促进了社区内的协作和创新。
2. 无与伦比的速度和准确性：Darknet/YOLO 在速度和准确性方面始终优于其他框架和 YOLO 版本。
3.跨平台的多功能性：Darknet/YOLO可以在各种平台上有效运行：
* CPU：Raspberry Pi、云服务器、台式机、笔记本电脑。
* GPU：具有 CUDA 支持的 NVIDIA GPU，可加速性能。
4. 跨平台兼容性：支持Linux、Windows和macOS，为广泛的开发人员提供可访问性。
了解暗网版本
0.x：最初的 Darknet 框架，由 Joseph Redmon 开发，缺乏正式的版本号。
1.x：由 Alexey Bochkovskiy（2017-2021）维护的流行暗网存储库也没有版本号。
2.x“OAK”：该版本由 Hank.ai 赞助并由 Stéphane Charette 维护，是第一个实现版本命令的版本。它引入了几项关键变化：
统一 CMake 构建系统：适用于 Windows 和 Linux 的基于 CMake 的标准化构建系统，简化了开发过程。
C++ 代码库：代码库已转换为 C++，从而实现更好的代码组织和可维护性。
训练性能优化：旨在显着减少训练时间的改进。
3.x“JAZZ”：Darknet 的最新版本于 2024 年发布，带来了显着的性能增强和功能更新：
改进的性能：训练和推理的性能得到显着优化。
新 API：引入了新的 C 和 C++ API，用于无缝集成到不同的应用程序中。
更新的示例代码：src-examples 目录中增强的示例代码和新应用程序。
YOLO的优势
1. 实时性能：YOLO 专为实时应用而设计，可实现快速目标检测和分析。
2.统一模型架构：YOLO使用单个神经网络进行检测，无需单独的提案和分类，简化了流程。
3. 跨基准测试的强劲性能：YOLO 在各种目标检测基准测试中始终保持最佳性能，巩固了其作为领先选择的地位。
暗网/YOLO 入门
构建暗网
1.谷歌Colab：
* 按照 Linux CMake 方法的说明进行操作（如下所述）。
* 多个 Jupyter 笔记本可用于训练新网络等任务。浏览 colab 子目录中的笔记本。
2.Linux CMake方法：
安装必要的软件包：
`bash
sudo apt-get install build-essential git libopencv-dev cmake
`
克隆存储库：
`bash
git 克隆 https://github.com/hank-ai/darknet
`
创建构建目录：
`bash
mkdir 构建
光盘构建
`
配置CMake：
`bash
cmake -DCMAKEBUILDTYPE=发布 ..
`
构建暗网：
`bash
使-j4
`
安装（可选）：
`bash
制作包
sudo dpkg -i darknet-VERSION.deb
`
3. Windows CMake方法：
安装先决条件：
`bash
winget 安装 Git.Git
winget 安装 Kitware.CMake
winget安装nsis.nsis
winget安装Microsoft.VisualStudio.2022.社区
`
修改 Visual Studio 安装：确保选择“使用 C++ 进行桌面开发”。
打开 VS 2022 的开发人员命令提示符：不要使用 PowerShell。
安装VCPKG：
`bash
CDC：
mkdir c:src
cd c:src
git 克隆 https://github.com/microsoft/vcpkg
cd vcpkg
bootstrap-vcpkg.bat
.vcpkg.exe集成安装
.vcpkg.exe 集成 powershell
.vcpkg.exe 安装 opencv[contrib,dnn,freetype,jpeg,openmp,png,webp,world]:x64-windows
`
克隆暗网存储库：
`bash
cd c:src
git 克隆 https://github.com/hank-ai/darknet.git
`
配置CMake（指定VCPKG位置）：
`bash
CD暗网
mkdir 构建
光盘构建
cmake -DCMAKEBUILDTYPE=发布-DCMAKETOOLCHAINFILE=C:/src/vcpkg/scripts/buildsystems/vcpkg.cmake ..
`
使用 msbuild 构建：
`bash
msbuild.exe /property:Platform=x64;Configuration=Release /target:Build -maxCpuCount -verbosity:normal -detailedSummary darknet.sln
`
创建安装包：
`bash
msbuild.exe /property:平台=x64;配置=发布 PACKAGE.vcxproj
`
运行暗网
1.暗网CLI（命令行界面）：
基本命令：
* 暗网版本：查看已安装的暗网版本。
* 暗网帮助：获取可用命令的列表。
预言：
* 暗网探测器测试 cars.data cars.cfg cars_best.weights image1.jpg：使用图像进行预测。
* 暗网探测器演示 Animals.data Animals.cfg Animals_best.weights test.mp4：处理视频。
* 暗网探测器演示 Animals.data Animals.cfg Animals_best.weights -c 0：从网络摄像头读取。
训练：
* 暗网探测器训练animals.data Animals.cfg：开始训练新网络。
2.DarkHelp CLI（替代 CLI）：
DarkHelp 提供了替代命令行界面，具有对象跟踪和图像平铺等高级功能。
它是 Darknet CLI 的补充，可以与其一起使用。
3. MSCOCO预训练权重：
YOLO 的多个版本在 MSCOCO 数据集（80 个类别）上进行了预训练。这些权重仅供演示之用，可以从 Darknet 存储库下载。
结论
Downcodes 对 Darknet 对象检测框架和 YOLO 的全面概述为任何有兴趣深入研究实时对象检测的人提供了基础。从其开源性质和无与伦比的性能到跨平台的多功能性，Darknet/YOLO 仍然是开发人员、研究人员和爱好者的强大工具。
请记住：探索 Darknet/YOLO 常见问题解答并加入 Darknet/YOLO Discord 服务器以获得更多资源和社区支持。
