小编Lfa*_*Lfa的帖子

像大多数应用程序一样,我正在编写一个在http响应/请求处理程序中需要大量类似逻辑的应用程序.例如,我必须始终检查刷新令牌并将它们保存到AsyncStorage,或者始终将头设置为我的AuthService头,甚至检查404以路由到相同的404错误页面.

我是Angular中http拦截器的忠实粉丝; 你可以在哪里定义和注册一个http拦截器(缺少一个更好的术语)拦截所有的http流量,然后运行组合的通用逻辑.

我有两个主要问题:

1. 由于在本地做出反应,我们定义这些独立的组件,我们应该不会在第一时间被提取常见的http逻辑,以保持该组件的重用性？
2. 如果我们不想复制代码,React Native(第一个)或Objective-C/Swift(第二个)是否有办法拦截http流量并为请求提供处理程序？

我使用Django REST Framework编写了一个API.对于身份验证,我使用的是django-oauth2-provider:https://github.com/caffeinehit/django-oauth2-provider

我在我的设置页面中配置了cors(使用Corsheaders中间件).

MIDDLEWARE_CLASSES = (
    ...
    'corsheaders.middleware.CorsMiddleware',
    'django.middleware.common.CommonMiddleware',
    ...
)

CORS_ORIGIN_ALLOW_ALL = True  # Dangerous (using for testing purposes)

我的客户端应用程序是使用Angular JS构建的.但是,每次我们发出任何请求(包括GET请求)时,都会发出一个选项请求.此选项请求需要约50 - 500 ms,具体取决于请求.

api调用看起来像" https://example.com/api/v1/posts/?page=1(2,3,4 ......等)"

我需要了解为什么要提出此请求,以及如何提高应用程序的性能.

我试图让一个组件的位置反应原生.

说我有一个观点:

<ScrollView>
    lots of items...
    lots of items...
    lots of items...
    <View></View>
</ScrollView>

最后,我希望能够最终滚动到View所在的位置.

此链接显示如何使用本机ui管理器获取位置,但是在运行时它返回:

"尝试测量布局,但偏移或尺寸为NaN"

React Native:获取元素的位置

我试过了

this.refs.VIEW.measure((ox, oy, width, height, px, py) => {
    //ox ... py all = 0
});

我已经使用Django Rest Framework构建了API。我想更改分页以获得更好的用户体验。

问题：

客户打电话要求所有帖子。该请求看起来像：

http://website.com/api/v1/posts/?page=1

这将返回帖子的第一页。但是，总是会创建新的帖子。因此，当用户请求时：

http://website.com/api/v1/posts/?page=2

这些帖子几乎总是与第1页相同（因为总是有新数据出现，我们正在按排序-created）。

可能的解决方案？

我的想法是随请求一起发送对象ID，以便我们在获取帖子时使用。我们针对最后一个查询抓住它们。

http://website.com/api/v1/posts/?page=2&post_id=12345

当我们分页时，我们在哪里过滤 post_id < 12345

但这仅在我们的post_id为整数的情况下有效。

现在我目前仅使用基本 ListAPIView

class PostList(generics.ListAPIView):
    """
    API endpoint that allows posts to be viewed
    """
    serializer_class = serializers.PostSerializer # just a basic serializer
    model = Post

有没有更好的分页方法？这样，在创建新数据时，该用户会话的下一个请求就不会像第一个请求那样。

我目前正在编写一个关于 react-native version 的应用程序0.7.1。我正在尝试编写一个聊天组件。

通过聊天，您通常在底部输入文本，消息从屏幕底部推送到顶部。此外，当聊天屏幕初始化时，它会在屏幕底部初始化并允许用户向上滚动。我想在 react-native 中实现相同的行为。ScrollView 的当前行为将项目从顶部推到底部。为此，我尝试了几种不同的解决方案：

• 第一个解决方案涉及尝试测量 ScrollView 组件。这个概念是，如果我知道视图的高度，我可以this.refs.messages.scrollTo(contentHeight)。有人提到了以下功能：this.refs.messages.measure(callbackWithTheseParams((a, b, width, height, px,py )). 但是测量函数结果是未定义的。
• 第二种方法涉及包https://www.npmjs.com/package/react-native-invertible-scroll-view。这个包实际上也正确地对我的数据进行了排序（反向）。你可以把它想象成翻转屏幕上的像素，这样 (0,0) 是底部。这使我可以调用scrollTo(0,0). 但是，似乎此功能仅在 0.8.0-rc 中可用。我不确定它是否稳定（或者更稳定）。

编辑 - 添加示例

我的构造函数：

componentDidMount() {
    this.measureComponent()
}

// measureComponent
measureComponent() {
    console.log('this gets called');
    this.refs.messages.measure((ox, oy, width, height) => {
        console.log(height); // does not get called.  
    });
}

我的渲染功能是：

return (
  <ScrollView 
    scrollEventThrottle={200}
    ref="messages" 
    style={styles.container}>
    <View style={styles.messages}>
      {messages.map(this.renderMessage)}
    </View>
    <TextInput
      style={styles.newMessage}
      value={this.state.message}
      onSubmitEditing={this.sendMessage}
      onChangeText={(text) => this.setState({message: …

我有一个 AlexNet 的实现。我感兴趣的是在完全连接的分类层之前提取训练模型的特征向量

weights = {
    'wc1': tf.Variable(tf.random_normal([3, 3, 1, 64])),
    'wc2': tf.Variable(tf.random_normal([3, 3, 64, 128])),
    'wc3': tf.Variable(tf.random_normal([3, 3, 128, 256])),
    'wd1': tf.Variable(tf.random_normal([4*4*256, 1024])),
    'wd2': tf.Variable(tf.random_normal([1024, 1024])),
    'out': tf.Variable(tf.random_normal([1024, 10]))
}

biases = {
    'bc1': tf.Variable(tf.random_normal([64])),
    'bc2': tf.Variable(tf.random_normal([128])),
    'bc3': tf.Variable(tf.random_normal([256])),
    'bd1': tf.Variable(tf.random_normal([1024])),
    'bd2': tf.Variable(tf.random_normal([1024])),
    'out': tf.Variable(tf.random_normal([n_classes]))
}

def alex_net(_X, _weights, _biases, _dropout):
   # Reshape input picture


    _X = tf.reshape(_X, shape=[-1, 28, 28, 1])

    # Convolution Layer
    conv1 = conv2d('conv1', _X, _weights['wc1'], _biases['bc1'])
    # …