三.js-位移图 使用的置换贴图的基本。 演示在这里运行:
2022-03-02 18:41:31 172KB
1
演示如何在 Xamarin.Forms 中创建“浮动”/“上下文”菜单的示例项目。 它仅使用库存的 Xamarin 组件,不依赖于自定义渲染器等。 要查看的重要代码位于 FloatMenu 项目下,并在 SamplePage.xaml 和 SamplePage.xaml.cs 文件之间拆分。 xaml 显示了您想要显示的几个元素的示例(例如 ListView)。 代码隐藏文件负责在正确的位置显示“菜单”(在本例中,我们选择在所选 ListView 所选项目下方显示菜单)。 那里有一个单独的 GestureRecognizer 用于关闭菜单。 如果需要,也可以通过更改呈现的“模态”框(它当​​前没有背景或任何指定的内容)以更“模态”的方式显示它。
2022-03-02 17:06:19 17.24MB Java
1
SimpleScopusQuery 一个简单的scopus API查询的ipython示例 这是一个正在进行的工作。 您将需要使用以下命令创建文件apikey.py apikey = yourscopusapikey 并在主代码中使用from apikey import apikey 。 您还需要创建目录results以保存结果。
2022-03-02 15:16:23 30KB HTML
1
飞行飞机 它是学习SwiftUI路径和动画的良好参考。 此解决方案来自 ,我对Xcode 12.4进行了一些修改。 如果该存储库涉嫌侵犯版权,请通知我,我将立即将其删除。
2022-03-02 11:10:13 38KB Swift
1
Flask Web Console Example 本项目是博文的示例代码 安装依赖 安装pipenv, 如果已安装则跳过 $ pip install --user pipenv 安装依赖 $ pipenv install 项目需要有一个运行的redis实例,默认在localhost:6379,如果部署在其他位置则需要修改webconsole/config.py 启动flask服务器 $ FLASK_APP=weconsole.ap flask run 访问 即可
2022-03-01 14:50:26 11KB HTML
1
基于 Jetty 的 WebSocket 服务器和 Java 和 JavaScript 客户端的简单示例。
2022-03-01 11:46:28 7KB Java
1
PyQGIS样本 目的 当您开始使用QGIS Python API(也称为“ PyQGIS”)时,最完整的文档是C ++ QGIS API文档。然后,您将依赖于 ,在线可用示例和来自的代码。现有的插件(如果您已经很擅长编程)。 为了进一步发展,许多用户都在努力使用C ++ QGIS API文档并将其应用于Python。 该存储库是一个尝试涵盖所有Python QGIS API的尝试。 这项工作仍在进行中。 目前,我们主要记录Python QGIS API的gui和核心模块。 长期目标是: 在文档中提供更多示例 本身之外检查当前样本以测试和更好地维护当前PyQGIS样本。 工作进度 对于主要的“闪亮”内容,请访问 要关注我们的文档覆盖进度,请访问: Github存储库中可用的代码可能比上发布的代码更多。 不要犹豫,浏览存储库以查找更多样本。 想要贡献吗? 它可以用于进行更正,
2022-02-28 09:55:10 10.27MB Python
1
OpenCV-相机 如何使用 pyqt 显示来自网络摄像头的 OpenCV 实时视频流的示例。 在的慷慨帮助下
2022-02-26 23:32:09 2KB Python
1
spring-boot 和 angular 6 身份验证应用程序 这个项目是一个简单的 Angular6 前端应用程序的安全认证,带有一个简单的 Spring Boot 后端 API 和 Spring Security。 里面有什么 弹簧靴 角 6 演示 用户登录
2022-02-26 11:21:02 52.08MB HTML
1
情绪识别的例子 使用Jaffe数据库的情感识别示例 我们将使用的主要库是Scikit Learn。 我建议将Anaconda Python发行版用于与科学目的相关的所有内容。 import os import matplotlib . pyplot as plt import numpy as np from mpl_toolkits . axes_grid1 import ImageGrid from skimage . feature import local_binary_pattern as lbp from sklearn . neighbors import KNeighborsClassifier as KNN from sklearn . model_selection import KFold as KF from sklearn . model_selection
1