我正在学习ES6标准,所以我从一个非常基本的示例代码开始.
我的第一个档案是 Rectangle.js
class Rectangle {
perimeter(x, y) {
return (2 * (x + y));
}
area(x, y) {
return (x * y);
}
}
export default class { Rectangle };
Run Code Online (Sandbox Code Playgroud)
在另一个文件中solve-1.js,我有一些像这样的导入
import Rectangle from './Rectangle';
function solveRect(l, b) {
if (l < 0 || b < 0) {
console.log(`Rectangle dimensions should be greater than zero: l = ${l} and b = ${b}`);
} else {
console.log(Rectangle.area(l, b));
}
}
solveRect(2, 4);
Run Code Online (Sandbox Code Playgroud)
我正在使用babel-node来运行这个程序,我确实需要安装预设,我的.babelrc包含
{
"presets": [ …Run Code Online (Sandbox Code Playgroud) 我将尝试用简短的段落描述一个最小化的问题.
总之,我想用一些逻辑,或是从网页调用一些功能在我的电子应用在我的电子应用(我在实际包装为我的网页电子应用"壳").
假设我想在我的Electron应用程序中公开一个函数.说,
function printNumbers () {
console.log(1)
}
Run Code Online (Sandbox Code Playgroud)
请注意它应该位于我的电子代码中.
然后在运行我的应用程序后,我想从我的网页上调用此功能(单击我的网页中的一个按钮,该按钮从网站加载,然后在我的Electron App中打开一个新窗口).现在,我想我可以使用开发者控制台检查printNumber是否有效.
我已经检查了如何使用remote模块来调用电子内部的函数/模块.但我没有找到一种方法来调用我在电子代码库中编写的函数.
顺便说一句:我可以启用该nodeIntegration选项.
我正在学习 ES6 标准,所以我从一个非常基本的示例代码开始。
JavaScript 中存在回调地狱,所以这次我确实想避免使用回调。但我遇到了一个问题,我真的不知道如何将回调样式代码转换为承诺。
例如,如果我有这样的代码如下所示
module.exports = (x, y, callback) => {
try {
if (x < 0 || y < 0) {
throw new Error('Rectangle dimensions are wrong.');
} else {
callback(null, {
perimeter() {
return (2 * (x + y));
},
area() {
return (x * y);
},
});
}
} catch (error) {
callback(error, null);
}
};
Run Code Online (Sandbox Code Playgroud)
ES6 中如何将其转换为 a Promise?这是一种将回调转换为承诺的推荐行为吗?
我已经读过这个例子,但实际上我对结果感到困惑。我认为在开始重写对 Promise 的回调之前,我需要首先了解这一点。
let promise = new Promise(function(resolve, reject) {
console.log('Promise');
resolve();
});
promise.then(function() …Run Code Online (Sandbox Code Playgroud) 我正在播放关于递归神经网络的一些演示.
我注意到每列中我的数据规模差异很大.所以我在考虑将数据批量输入我的RNN之前做一些预处理工作.关闭列是我希望将来预测的目标.
open high low volume price_change p_change ma5 ma10 \
0 20.64 20.64 20.37 163623.62 -0.08 -0.39 20.772 20.721
1 20.92 20.92 20.60 218505.95 -0.30 -1.43 20.780 20.718
2 21.00 21.15 20.72 269101.41 -0.08 -0.38 20.812 20.755
3 20.70 21.57 20.70 645855.38 0.32 1.55 20.782 20.788
4 20.60 20.70 20.20 458860.16 0.10 0.48 20.694 20.806
ma20 v_ma5 v_ma10 v_ma20 close
0 20.954 351189.30 388345.91 394078.37 20.56
1 20.990 373384.46 403747.59 411728.38 20.64
2 21.022 392464.55 405000.55 426124.42 20.94
3 …Run Code Online (Sandbox Code Playgroud) machine-learning neural-network deep-learning recurrent-neural-network