轻量级Slider组件 NiceSlider

ajccom 2015-07-16 01:29:18
加精
好久没来CSDN了,这次回来主要来向大家展示一下自己做的slide组件 —— NiceSlider

DEMO: http://ajccom.github.io/niceslider/

目前NiceSlider的限制及缺陷:

依赖jQuery/Zepto。

目前NiceSlider具备的能力:

自带控制按钮与索引值;
自定义索引值;
支持多slider嵌套;
自定义偏移值;
支持无缝循环;
支持重置刷新;
自定义动画;
支持回弹;
自动播放;
手势拖拽。

使用NiceSlider的优势:

体积小,压缩后(开启gzip)文件大小只有2.9K;
配置丰富,能满足大多数slider需求;
完美支持桌面与移动端。

希望大家支持

--------------------------------

CSDN下载地址 : http://download.csdn.net/detail/ajccom/8901495

GITHUB地址 : https://github.com/ajccom/niceslider




...全文
2179 19 打赏 收藏 举报
写回复
用AI写文章
19 条回复
切换为时间正序
请发表友善的回复…
发表回复
zhanbaone 2015-08-05
  • 打赏
  • 举报
回复
楼主 求带
zhanbaone 2015-07-30
  • 打赏
  • 举报
回复
666666 顶一个
ajccom 2015-07-30
  • 打赏
  • 举报
回复
CSDN下载资源有了更新 http://download.csdn.net/detail/ajccom/8946099 ------------------ change log: https://github.com/ajccom/niceslider/blob/master/release/changelog.md
Braska 2015-07-27
  • 打赏
  • 举报
回复
holy high
天行有常兮 2015-07-27
  • 打赏
  • 举报
回复
赞一个 谢谢楼主
dxb199123 2015-07-20
  • 打赏
  • 举报
回复
学习了!!!!!!!
yaojijiayou 2015-07-20
  • 打赏
  • 举报
回复
很漂亮!很cool
cattpon 2015-07-19
  • 打赏
  • 举报
回复
learning~
emeipanda 2015-07-19
  • 打赏
  • 举报
回复
楼主 佩服
业余草 2015-07-19
  • 打赏
  • 举报
回复
访问404,第一个链接
hookee 2015-07-19
  • 打赏
  • 举报
回复
CoderMannul 2015-07-18
  • 打赏
  • 举报
回复
楼主强大
whylen 2015-07-17
  • 打赏
  • 举报
回复
好牛逼啊
ajccom 2015-07-16
  • 打赏
  • 举报
回复
自适应都是CSS的功劳,组件并没有处理此类问题
  • 打赏
  • 举报
回复
还行,移动端可以自适应,就是不知道放了图片是否会自适应,推荐下。。
现在ing 2015-07-16
  • 打赏
  • 举报
回复
xuzuning 2015-07-16
  • 打赏
  • 举报
回复
好东西
下方可见数据集可视化效果。 【数据集概况】 · 检测类别(中文):[桅杆(mast)] · 训练集:2043 张 · 验证集:195 张 · 测试集:97 张 · 总计:2335 张 该数据集聚焦于运动场场景中的桅杆目标检测,通过采集多样化环境下的图像数据,为智能监控系统提供精准的检测基础,有效提升场景管理效率与安全性。数据集包含训练集2043张、验证集195张和测试集97张,训练集占比合理,验证集与测试集比例科学,充分保障模型训练的充分性和评估结果的可靠性。标注工作严谨规范,所有桅杆目标均被精确框定,边界框与物体轮廓高度吻合,标注质量达到行业高标准,为模型训练提供坚实保障。该... 【训练曲线与评估图】 【模型训练配置】 参数 | 值 模型 | yolo26n 训练轮数 | 100 epochs 输入尺寸 | 640x640 批次大小 | 24 优化器 | auto 初始学习率 | 0.01 训练设备 【关键指标汇总】 训练了 34 个 epoch,最终轮指标: 指标 | 数值 mAP50 | **0.9948** mAP50-95 | 0.8617 Precision | 0.9899 Recall | 0.9999 train/box_loss | 0.6284 train/cls_loss | 0.2131 val/box_loss | 0.6118 val/cls_loss | 0.1750 【训练过程分析】 34 轮训练后 mAP50 达到 0.9948,模型收敛良好。Loss 曲线前段快速下降,后段趋于平稳,val_loss 无反弹,没有明显过拟合。mAP50-95 为 0.8617,和 mAP50 差距仅 0.13,框的定位精度也很扎实。 【模型性能评估】 Precision 0.9899、Recall 0.9999,精召双高,模型对桅杆的检测能力强。...

87,984

社区成员

发帖
与我相关
我的任务
社区描述
Web 开发 JavaScript
社区管理员
  • JavaScript
  • 无·法
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧