社区
图象工具使用
帖子详情
锚定问题~~
terrandeng
2003-08-25 12:45:43
我设计的网页是上下分栏的上定下动~我分别在上下栏做了锚记~可是当我点击上栏时下栏页就是不跳转到有锚记的地方~这是为什么?能给我说的详细点么?
或者教我用锚记!!!
...全文
152
10
打赏
收藏
锚定问题~~
我设计的网页是上下分栏的上定下动~我分别在上下栏做了锚记~可是当我点击上栏时下栏页就是不跳转到有锚记的地方~这是为什么?能给我说的详细点么? 或者教我用锚记!!!
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
10 条
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
DFlyingchen
2003-08-27
打赏
举报
回复
给出了a b 两个锚
DFlyingchen
2003-08-27
打赏
举报
回复
看看下面的例子,我只给出了三个文件的<body></body>部分:
//Frame.htm
<frameset rows="80,*" frameborder="NO" border="0" framespacing="0">
<frame src="top.htm" name="topFrame" scrolling="NO" noresize >
<frame src="main.htm" name="mainFrame">
</frameset>
//top.htm
<a href="main.htm#a" target="mainFrame">a</a> <a href="main.htm#b" target="mainFrame">b</a>
//main.htm
<p>sd</p>
<p>fsd</p>
<p>sfd</p>
<p>sd<a name="b"></a></p>
<p>fds</p>
<p>ds</p>
<p> </p>
<p>fds</p>
<p>fds</p>
<p>sfd<a name="a"></a></p>
<p>dsf</p>
<p>fsd</p>
<p>dsf </p>
terrandeng
2003-08-26
打赏
举报
回复
不行我要晕了
我再表达以下我的意思! 我是上下筐架的上面的筐架固定!!下面的可以调节~我想在下面做个锚记然后点上面的联结直接可以在下面的筐架显示有锚记的地方!!
估计这个可以但是我做不出来 <a href="down.asp#1">跳转</a>
nba23
2003-08-26
打赏
举报
回复
行了吗?
terrandeng
2003-08-26
打赏
举报
回复
sdf
nba23
2003-08-26
打赏
举报
回复
ceocio的办法绝对可行了(没有跨域的情况下)
ceocio
2003-08-25
打赏
举报
回复
<a href="#name1">xxx</a>
<a title="name1">xxxx</a>
terrandeng
2003-08-25
打赏
举报
回复
大哥们等我去试试
~~我不会用语言!!
IT阿杰
2003-08-25
打赏
举报
回复
<a href="down.asp#1">跳转</a>
xuzhe1111
2003-08-25
打赏
举报
回复
用"转到url"的行为,事件为"onclick"
小孔径锚索预应力损失影响因素的试验研究
针对煤矿小孔径树脂锚固预应力锚索的特点,及锚索预应力损失的研究现状和存在的
问题
,采用理论分析、实验室与井下试验相结合的方法,研究了小孔径树脂锚固锚索预应力损失机理与规律。重点分析了锚索张拉和锁定过程中的预应力损失,及围岩变形引起的预应力损失。锚固系统导致的预应力损失包括锚口摩擦损失和锁定损失;对于特定锚固体系,存在最优限位距离,22 mm锚索的最优限位距离为11~13 mm;锚索长度、张拉油压、张拉机具、锚具及与机具的匹配性对预应力损失率都有不同程度的影响:一般锚索长度越小,预应力损失越大;限位距离偏小时张拉油压在20~30 MPa范围内,预应力锁定损失率最大,限位距离较适当时预应力锁定损失率随张拉油压的增大而减小。最后,提出保证锚索预应力的技术措施,包括施工前进行试验,得出最优限位距离,并对千斤顶进行改造;在锚索预应力设计时,应考虑一定比例的超张拉;当围岩松软破碎时,应增加托板、组合构件及护网的面积、强度与刚度。
基于松动圈理论的破碎软岩巷道支护研究与应用
为了解决破碎软岩巷道的支护
问题
,以瑞龙矿15102工作面回风巷道为工程背景,运用围岩松动圈测试仪对巷道围岩松动圈进行测定,并结合数值模拟分析结果,提出"锚杆+锚索+10~#菱形金属网+φ12 mm钢筋梁"以及掘后锚注的支护方案。同时通过对支护方案进行现场工业试验对支护后的巷道进行矿压监测。
人工智能:深度学习入门到精通实战
《人工智能:深度学习入门到精通实战》课程主要就人工智能领域相关的深度学习基础、深度学习计算、卷积神经网络+经典网络、循环神经网络+RNN进阶、优化算法、计算机视觉和自然语言处理等,配套实战案例与项目全部基于真实数据集与实际任务展开,结合深度学习框架进行建模实战。 由浅入深,每一个理论搭配一个实验,引领学员浸泡式逐步掌握各项技能和实战项目,且侧重技能不同,学员的知识体系会更加全面课程大纲:第一章:深度学习基础-深度学习简介01.1-前置知识01.2-传统编程与数据编程01.3-深度学习起源01.4-深度学习崛起与发展01.5-深度学习成功案例01.6-深度学习特点 第二章:深度学习基础-Python基础02.1-PyTorch介绍与环境配置02.2-数据操作与创建Tensor02.3-算术操作、索引与改变形状02.4-线性代数、广播机制与内存开销02.5-Tensor和NumPy相互转换与Tensor on GPU02.6-实验01-创建和使用Tensor-102.7-实验01-创建和使用Tensor-202.8-梯度下降02.9-实验02-梯度下降-102.10-实验02-梯度下降-202.11-自动求梯度概念02.12-自动求梯度实例02.13-实验03-自动求梯度-102.14-实验03-自动求梯度-2 第三章:深度学习基础-线性回归03.1-线性回归讲解03.2-线性回归实例03.3-实验04-从零实现线性回归-103.4-实验04-从零实现线性回归-203.5-实验05-线性回归的简洁实现-103.6-实验05-线性回归的简洁实现-2 第四章:深度学习基础-softmax回归04.1-softmax回归04.2-实验06-FashionMNIST04.3-实验07-从零实现Softmax回归-104.4-实验07-从零实现Softmax回归-204.5-实验08-softmax回归的简洁实现 第五章:深度学习基础-多层感知机05.1-感知机05.2-多层感知机05.3-多层感知机与神经网络05.4-激活函数05.5-正向传播05.6-反向传播05.7-正向传播和反向传播05.8-批大小05.9-实验09-从零实现MLP05.10-实验10-MLP的简洁实现 第六章:深度学习基础-模型选择、欠拟合和过拟合06.1-训练误差和泛化误差06.2-模型选择06.3-欠拟合和过拟合06.4-权重衰减06.5-丢弃法06.6-实验11-多项式函数拟合实验06.7-实验12-高维线性回归实验-106.8-实验12-高维线性回归实验-206.9-实验13-Dropout 第七章:深度学习基础-数值稳定性和模型初始化07.1-数值稳定性和模型初始化-107.2-数值稳定性和模型初始化-207.3-实验14-房价预测案例-107.4-实验14-房价预测案例-207.5-实验14-房价预测案例-3 第八章:深度学习计算-模型构造08.1-模型构造-108.2-模型构造-208.3-模型构造-308.4-实验15-模型构造-108.5-实验15-模型构造-2 第九章:深度学习计算-模型参数的访问、初始化和共享09.1-模型参数的访问09.2-模型参数初始化和共享09.3-实验16-模型参数-109.4-实验16-模型参数-2 第十章:深度学习计算-自定义层与读取和储存10.1-不含模型参数的自定义层10.2-含模型参数的自定义层10.3-实验17-自定义层10.4-读取和储存10.5-GPU计算10.6-实验18-读取和储存 第十一章:卷积神经网络11.01-卷积神经网络11.02-卷积神经网络的组成层11.03-图像分类的局限性11.04-二维卷积层与卷积层11.05-卷积在图像中的直观作用11.06-实验19-二维卷积层11.07-填充与步幅11.08-卷积过程11.09-卷积层参数-111.10-卷积层参数-211.11-实验20-Pad和Stride11.12-多输入和输出通道11.13-实验21-多通道11.14-池化层11.15-实验22-池化层 第十二章:经典网络12.01-卷积神经网络12.02-实验23-LeNet模型12.03-深度卷积神经网络12.04-实验24-AlexNet模型12.05-使用重复元素的网络12.06-实验25-VGG模型12.07-网络中的网络12.08-实验26-NiN模型12.09-含并行连接的网络12.10-实验27-GoogLeNet模型12.11-批量归一化-112.12-批量归一化-212.13-实验28-批量归一化12.14-残差网络12.15-实验29-残差网络12.16-稠密连接网络12.17-实验30-稠密连接网络 第十三章:循环神经网络13.01-语言模型和计算13.02-n元语法13.03-RNN和RNNs13.04-标准RNN向前输出流程和语言模型应用13.05-vector-to-sequence结构13.06-实验31-语言模型数据集-113.07-实验31-语言模型数据集-213.08-实验32-从零实现循环神经网络-113.09-实验32-从零实现循环神经网络-213.10-实验32-从零实现循环神经网络-313.11-实验32-从零实现循环神经网络-413.12-实验33-简洁实现循环神经网络-113.13-实验33-简洁实现循环神经网络-2 第十四章:RNN进阶14.01-通过时间反向传播-114.02-通过时间反向传播-214.03-长短期记忆-114.04-长短期记忆-214.05-实验34-长短期记忆网络-114.06-实验34-长短期记忆网络-214.07-门控循环单元14.08-RNN扩展模型14.09-实验35-门控循环单元 第十五章:优化算法15.01-优化与深度学习15.02-局部最小值和鞍点15.03-提高深度学习的泛化能力15.04-实验36-小批量梯度下降-115.05-实验36-小批量梯度下降-215.06-动量法-115.07-动量法-215.08-实验37-动量法15.09-AdaGrad算法与特点15.10-实验38-AdaGrad算法15.11-RMSrop算法15.12-实验39-RMSProp算法15.13-AdaDelta算法15.14-实验40-AdaDelta算法15.15-Adam算法15.16-实验41-Adam算法15.17-不用二阶优化讲解与超参数 第十六章:计算机视觉16.01-图像增广与挑战16.02-翻转、裁剪、变化颜色与叠加16.03-实验42-图像增广-116.04-实验42-图像增广-216.05-微调16.06-迁移学习16.07-实验43-微调-116.08-实验43-微调-216.09-目标检测16.10-边界框16.11-实验44-边界框16.12-锚框与生成多个锚框16.13-交并比16.14-实验45-生成锚框-116.15-实验45-生成锚框-216.17-标注训练集的锚框-116.18-标注训练集的锚框-216.19-实验46-标注训练集的锚框-116.20-实验46-标注训练集的锚框-216.21-实验46-标注训练集的锚框-316.22-输出预测边界框16.23-实验47-输出预测边界框-116.24-实验47-输出预测边界框-216.25-多尺度目标检测16.26-实验48-多尺度目标检测16.27-目标检测算法分类16.28-SSD与模型设计16.29-预测层16.30-损失函数16.31-SSD预测16.32-实验49-目标检测数据集16.33-实验50-SSD目标检测-116.34-实验50-SSD目标检测-216.35-实验50-SSD目标检测-316.36-实验50-SSD目标检测-416.37-实验50-SSD目标检测-516.38-实验50-SSD目标检测-6 第十七章:自然语言处理17.01-词嵌入和词向量17.02-神经网络模型17.03-跳字模型17.04-训练跳字模型17.05-连续词袋模型17.06-负采样17.07-层序softmax17.08-子词嵌入17.09-Fasttext模型17.10-全局向量的词嵌入17.11-实验51-word2vec之数据预处理-117.12-实验51-word2vec之数据预处理-217.13-实验52-word2vec之负采样-117.14-实验52-word2vec之负采样-217.15-实验53-word2vec之模型构建-117.16-实验53-word2vec之模型构建-217.17-实验54-求近义词和类比词-117.18-实验54-求近义词和类比词-217.19-实验55-文本情感分类RNN-117.20-实验55-文本情感分类RNN-217.21-实验55-文本情感分类RNN-317.22-实验55-文本情感分类RNN-417.23-TextCNN17.24-TextCNN流程17.25-实验56-文本情感分类textCNN-117.26-实验56-文本情感分类textCNN-217.27-Seq2Seq的历史与网络架构17.28-Seq2Seq的应用与存在的
问题
17.29-Attention机制与Bucket机制17.30-实验57-机器翻译之模型构建-117.31-实验57-机器翻译之模型构建-217.32-实验57-机器翻译之模型构建-317.33-实验58-机器翻译之训练评估-117.34-实验58-机器翻译之训练评估-217.35-实验58-机器翻译之训练评估-3
BasePopup:一款针对系统PopupWindow优化的Popup库,功能强大,支持背景模糊,使用简单,你会爱上他的~
中文 | BasePopup - Android下打造通用便捷的PopupWindow Release Snapshot License Api Author 有奖调查问卷: 导航 特性 本库作为基类,对您的实现没有任何干预,再也不需要担心实现某些方法的时候被Api限制了 无需头疼如何计算offset来进行位置控制,只需要简简单单的设置便能随心所欲的控制您的Popup 无论是还是,只需要跟您平时一样写动画,就可以完成Popup的动效设计了,不需要xml不需要关心别的兼容性
问题
背景与主体分离,无论是,亦或是,甚至,都可以通过简单的设置完成,主体与背景隔离,不用担心事件的
问题
还在为Popup的触摸事件头疼吗?BasePopup帮你解决烦恼~返回键控制、外部点击透传、点击外部是否消失都只需要您动动手指头完成配置即可 PopupWindow自动
锚定
AnchorView,滑动到屏幕外自动跟随An
VOLTE关键技术:
锚定
、被叫域选择
一:
锚定
的定义 什么是
锚定
(Anchoring):IMS核心网的AS,CSCF等网元和CS核心网的MSC等网元均可以独立实现主被叫的信令接续流程,
锚定
就是确定主被叫各自由哪个域的哪个网元来实现接续流程。中国移动采取的是主叫不
锚定
,被叫
锚定
到IMS域的策略。 为什么采用主叫不
锚定
,被叫
锚定
: 主叫不
锚定
:如果主叫
锚定
的话效率较低,特别是主叫多数不存在一致性
问题
仍迂回IMS域,初期存在媒体面迂回,呼叫时延增加1-3秒;采取主叫不
锚定
,由于主叫补充业务较少,即便存在业务一致性
问题
,市场也可接受; 被叫
锚定
图象工具使用
1,451
社区成员
24,336
社区内容
发帖
与我相关
我的任务
图象工具使用
多媒体/设计/Flash/Silverlight 开发 图象工具使用
复制链接
扫一扫
分享
社区描述
多媒体/设计/Flash/Silverlight 开发 图象工具使用
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章