小编Ron*_*dot的帖子

看了这个youtube视频后,我很好奇所展示的一些功能如何用JS实现.

我的一个主要问题是如何在iframe上检测另一个系统窗口(如视频中显示的单词窗口).

在另一个视频中,有一个提示暗示该技术是基于浏览器优化渲染视图之外的元素的事实.

我无法利用所使用的确切方法/属性.

你的想法是什么？

我正在尝试在WebAssembly中实现JWT令牌(仅编码),目标是拥有一个非常轻量级的 wasm模块.作为Web开发人员,我的C知识是有限的.现在我已经实现了以下功能(从JS移植)来编码url-safe Base64编码器,它完美地工作.

char _keyStr[] = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz0123456789-_=";
char ret_val[200];

char* encode (char *data){
    int len = strlen(data);
    int i = 0;
    int j = 0;

    while(i<len){
        char chr1 = data[i++];
        int chr2Out = (i > len - 1)? 1:0;
        char chr2 = data[i++];
        int chr3Out = (i > len - 1)? 1:0;;
        char chr3 = data[i++];


        char enc1 = chr1 >> 2;
        char enc2 = ((chr1 & 3) << 4) | (chr2 >> 4);
        char enc3 = ((chr2 & …

我有一个带有webView的Android测试应用程序,如下所示:

<WebView
        android:alpha="0"
        android:id="@+id/myWebView"
        android:layout_width="match_parent"
        android:layout_height="match_parent" />

我的主要活动加载了一个我运行JS内容的页面.使用JS启用JS:

webSettings.setJavaScriptEnabled(true);

我的应用程序上有一个按钮,可以将alpha值从0切换为1(显示/隐藏webView).

是否有任何"创造性"方式来检测JS方面的变化？

我试过的事情:

• 检查requestAnimationFrame帧速率的变化.
• 可见性API

更新:

澄清,我正在寻找一个JS Only解决方案,实际的JS代码是在WebView环境中使用的SDK.

我无法控制Android应用程序,完全控制WebView内容.

使用Pimia Indians糖尿病数据集,我构建了以下顺序模型:

import matplotlib.pyplot as plt
import numpy
from keras import callbacks
from keras import optimizers
from keras.layers import Dense
from keras.models import Sequential
from keras.callbacks import ModelCheckpoint
from sklearn.preprocessing import StandardScaler

#TensorBoard callback for visualization of training history
tb = callbacks.TensorBoard(log_dir='./logs/latest', histogram_freq=10, batch_size=32,
                           write_graph=True, write_grads=True, write_images=False,
                           embeddings_freq=0, embeddings_layer_names=None, embeddings_metadata=None)


# Early stopping - Stop training before overfitting
early_stop = callbacks.EarlyStopping(monitor='val_loss', min_delta=0, patience=3, verbose=1, mode='auto')

# fix random seed for reproducibility
seed = 42
numpy.random.seed(seed)
# load pima indians dataset …

我试图创建一个 CSS 网格，它有 3 列，我可以在其中添加任意数量的具有相同高度的“内容 DIV”，这些 DIV 将按顺序添加，如下所示：

[1][2][3]
[4][5][6]
[7][8]

任何帮助，将不胜感激。

我在接受采访时得到了以下问题,但找不到解决方案.

给定是一个字符长度为n的数组,并且"重要部分"(必须保存此部分中的所有字符)长度为m,其中n> = m> = 0,如下所示:

如果没有额外的空间,请执行以下过程:
删除所有出现的A并复制所有出现的B,返回变异数组的子数组.例如,对于上面的数组[C,A,X,B,B,F,Q]n = 7,m = 5,输出将是[C,X,B,B,B,B].注意,变异的数组长度是6,因为Q在冗余部分中并且B是重复的.

如果无法执行操作,则返回-1.

例子:

n=2, m=2 , [A,B] => [B,B]  
n=2, m=2 , [B,B] => -1 (since the result [B,B,B,B] is larger then the array)  
n=3, m=2 , [A,B,C] => [B,B]  
n=3, m=3 , [A,B,C] => [B,B,C]  
n=3, m=2 , [Z,B,A] => [Z,B,B] (since A was in the redundant section)

寻找代码示例,这可以在O(n)时间复杂度中完成吗？

我试图建立一个序列到序列模型，以根据前几个输入预测传感器信号随时间的变化（见下图）

该模型工作正常，但我想“增加趣味”并尝试在两个 LSTM 层之间添加一个注意力层。

型号代码：

def train_model(x_train, y_train, n_units=32, n_steps=20, epochs=200,
                n_steps_out=1):

    filters = 250
    kernel_size = 3

    logdir = os.path.join(logs_base_dir, datetime.datetime.now().strftime("%Y%m%d-%H%M%S"))
    tensorboard_callback = TensorBoard(log_dir=logdir, update_freq=1)

    # get number of features from input data
    n_features = x_train.shape[2]
    # setup network
    # (feel free to use other combination of layers and parameters here)
    model = keras.models.Sequential()
    model.add(keras.layers.LSTM(n_units, activation='relu',
                                return_sequences=True,
                                input_shape=(n_steps, n_features)))
    model.add(keras.layers.LSTM(n_units, activation='relu'))
    model.add(keras.layers.Dense(64, activation='relu'))
    model.add(keras.layers.Dropout(0.5))
    model.add(keras.layers.Dense(n_steps_out))
    model.compile(optimizer='adam', loss='mse', metrics=['mse'])
    # train network
    history = model.fit(x_train, y_train, epochs=epochs,
                        validation_split=0.1, verbose=1, callbacks=[tensorboard_callback]) …

我正在开发一个POC SDK,我需要添加一个能力来检测当前App上用户我的SDK是否存在任何其他第三方SDK(来自有限列表).

例如,检测到正在使用Google Maps SDK.

在Android和IOS上这样做的方法是什么？

最近我发现了Keras和TensorFlow,我正试图进入ML.我手动将来自用户DB的列车和测试数据分类如下:

9个功能和标签,功能是我的系统中的事件,如"用户添加了个人资料图片"或"用户付费X服务",标签是正或负ROI(1或0)

样品:

我使用以下代码对用户进行了分类:

import numpy as np
from keras.layers import Dense
from keras.models import Sequential

train_data = np.loadtxt("train.csv", delimiter=",", skiprows=1)
test_data = np.loadtxt("test.csv", delimiter=",", skiprows=1)

X_train = train_data[:, 0:9]
Y_train = train_data[:, 9]

X_test = test_data[:, 0:9]
Y_test = test_data[:, 9]

model = Sequential()
model.add(Dense(8, input_dim=9, activation='relu'))
model.add(Dense(6, activation='relu'))
model.add(Dense(3, activation='relu'))
model.add(Dense(1, activation='sigmoid'))

# Compile model
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

# Fit the model
model.fit(X_train, Y_train, epochs=12000, batch_size=10)

# evaluate the model
scores = model.evaluate(X_test, Y_test) …

我刚开始探索GraphQL作为我的分析平台API层的一个选项.

我的UI主要是从表格和图表构建的.大多数情况下,数据表示按维度分组的某些数据库列.

我从Microsoft 找到了以下文章https://www.microsoft.com/developerblog/2017/09/28/data-independent-graphql-using-view-model-based-schemas/,描述了他们对如何吮吸的看法应该设计GraphQL模式(见下文).

type Query {
  channels(source: String!, query:String!, appId:String!, apiKey:String!): [Channel]
  lineCharts(source: String!, query:String!, appId:String!, apiKey:String!, filterKey:String, filterValues:[String]): [LineChart]
  pieCharts(source: String!, query:String!, appId:String!, apiKey:String!): [PieChart]
  barCharts(source: String!, query:String!, appId:String!, apiKey:String!, filterKey:String, filterValues:[String]): [BarChart]
}

type Channel {
  name: String
  id: Int
}

type LineChart {
  id: String
  seriesData : [Series]
}

type PieChart {
  id: String
  labels: [String]
  values: [Int]
}

type BarChart {
  id: String
  seriesData : [Series]
}

type Series {
  label: String
  x_values: …