我受不了啦，大家感觉怎样，vs2002有事没事总是在html中加入一句，

wolve 2003-10-16 03:31:05

不知大家有什么办法干掉它？

...全文

75 7 打赏收藏转发到动态举报

写回复

用AI写文章

7 条回复

切换为时间正序

请发表友善的回复…

发表回复

wolve 2003-10-16

打赏
举报

大家给我提了个醒，对，用正则来替换。我试一下，给大家帖。

menuvb 2003-10-16

打赏
举报

我已经被它搞得耐心十足了:)

darzui 2003-10-16

打赏
举报

比较好的解决方法是在dreamweaver中用清除制定标签的方法清除。

limiteee 2003-10-16

打赏
举报

是啊是啊，

不过也不用全替换掉吧，有些重复的可以换掉

yourbj 2003-10-16

打赏
举报

对呀，民族意识多强啊！
我的建议是，等全部程序写完后，Ctrl+Shift+F在项目中查找“<FONT face="宋体"></FONT>”，然后一并用空白替换，然后再找“<FONT face="宋体">”，并注意把对应的“</FONT>”替掉

nebular 2003-10-16

打赏
举报

MS的东西都是这样

2002pine 2003-10-16

打赏
举报

可能是bug,我只有用file replace 把它全删掉

人工智能向来有三大应用方向: CV、NLP、语音，而计算机视觉(computer vision)作为人工智能技术应用方向的领头羊，被广泛使用到:人脸识别、安防监控、无人驾驶、医疗影像等各个领域。与此同时，也催生了一批除BAT和安防老大海康威视之外的CV独角兽，比如旷世 face++、Sense Time(商汤科技)、依图、云从。而且随着深度学习的飞速发展和硬件技术的飞跃，CV创业公司最近两年更是扎堆出现。公司多了，对人才的需求自然水涨船高、供不应求。本CV二期特在第期的基础，上做全面彻底的升级、改进、强化，从CV基础出发，面向企业，竭力为社会培养工业界所需要的视觉工程师，传授学员如何运用深度学习和机器学习的最新算法，解决视觉中的各种问题。

手把手讲授如何搭建成功OpenVINO框架，并且使用预训练模型快速开发超分辨率、道路分割、汽车识别、人脸识别、人体姿态和行人车辆分析。得益于OpenVINO框架的强大能力，这些例子都能够基于CPU达到实时帧率。课程的亮点在于在调通Demo的基础上更进一步：一是在讲Demo的时候，对相关领域问题进行分析（比如介绍什么是超分辨率，有什么作用）、预训练模型的来龙去脉（来自那篇论文，用什么训练的）、如何去查看不同模型的输入输出参数、如何编写对应的接口参数进行详细讲解；二是基本上对所有的代码进行重构，也就是能够让例子独立出来，并且给出了带有较详细注释的代码；三是注重实际运用，将Demo进一步和实时视频处理框架融合，形成能够独立运行的程序，方便模型落地部署；四是重难点突出、注重总结归纳，对OpenVINO基本框架，特别是能够提高视频处理速度的异步机制和能够直接部署解决实际问题的骨骼模型着重讲解，帮助学习理解；五是整个课程准备精细，每一课都避免千篇一律，前一课有对后一课的预告，后一课有对前一课的难点回顾，避免学习过程中出现突兀；六是在适当的时候拓展衍生，不仅讲OpenVINO解决图像处理问题，而且还补充图像处理的软硬选择、如何在手机上开发图像处理程序等内容，帮助拓展视野，增强对行业现状的了解。基本提纲：1、课程综述、环境配置2、OpenVINO范例-超分辨率（super_resolution_demo）3、OpenVINO范例-道路分割（segmentation_demo）4、OpenVINO范例-汽车识别（security_barrier_camera_demo）5、OpenVINO范例-人脸识别（interactive_face_detection_demo）6、OpenVINO范例-人体姿态分析（human_pose_estimation_demo）7、OpenVINO范例-行人车辆分析（pedestrian_tracker_demo）8、NCS和GOMFCTEMPLATE9、课程小结，资源分享

本课程由Mugeda首席设计师岑远科亲自录制，岑老师曾为网易，华为，大众点评等知名品牌创作移动端HTML5动画案例，在业内属HTML5动画大神级别。理论与实践结合度高。本课程中，将逐步讲解目前比较热门H5作品制作方法，课程分为多个阶段，本次课程主要内容为目前市面上比较流行同时逻辑不是很复杂的案例讲解，欢迎大家学习。

swt face 高级进阶eclipse 插件开发前置教程

三维点云是物理世界的三维数据表达形式，其应用日益广泛，如自动驾驶、AR/VR、FaceID等。PointNet网络模型是直接对三维点云数据进行深度学习的开山之作，PointNet++是对PointNet的改进技术。PointNet++是点云处理深度学习里程碑式的工作，启发了很多后续研究。原作的PointNet++代码使用Python2.7和tensorflow1.4。本课程将PointNet++代码更新至Python3并在tensorflow1.13上演示。本课程对TensorFlow版的PointNet++进行原理讲解、论文复现和代码详解。包括：（1）提供三维点云数据集ModelNet40、ShapeNet和Scannet的下载、可视化软件和方法；（2）在Ubuntu系统上演示使用PointNet++进行三维点云的物体分类、部件分割和场景语义分割的训练和测试；（3）详解PointNet++的原理、程序代码和实现细节，并使用PyCharm进行Debug调试代码和单步跟踪。

.NET社区

62,046

社区成员

669,049

社区内容

发帖

与我相关

我的任务

javascript云原生企业社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

.NET 社区是一个围绕开源 .NET 的开放、热情、创新、包容的技术社区。社区致力于为广大 .NET 爱好者提供一个良好的知识共享、协同互助的 .NET 技术交流环境。我们尊重不同意见，支持健康理性的辩论和互动，反对歧视和攻击。

希望和大家一起共同营造一个活跃、友好的社区氛围。

试试用AI创作助手写篇文章吧

+ 用AI写文章