★★★想用VML实现类似于word里的图形化select????

CUCMe 2003-10-05 10:03:13

想实现一个select，它的下拉项显示的是类似于word画一个箭头，然后可以选择箭头式样的功能（图形化的），我知道用VML语言可以实现：
<v:line style="position:relative" from="0,0" to="100,0" ><v:stroke EndArrow="Classic"/></v:line><br>
<v:line style="position:relative" from="0,0" to="100,0" ><v:stroke StartArrow="Oval"/></v:line><br>
但是这个怎么加到select的<option>中呢，请高手指教，3Qs for answer:)

...全文

43 3 打赏收藏转发到动态举报

写回复

3 条回复

切换为时间正序

请发表友善的回复…

发表回复

PeterMCT 2003-10-06

打赏
举报

回复

我只有VML的教程,我还没看过

http://www.su27.net/vml/index.html

CUCMe 2003-10-06

打赏
举报

回复

目有人会么？大牛们都出去玩还没回来么？呜呜……

yonghengdizhen 2003-10-06

打赏
举报

回复

用select/option是不能实现的.

只能自己用div模拟了

在大模型落地产业的过程中，"会聊天"和"懂行业"之间仍存在巨大鸿沟。通用基座模型缺乏垂直领域的专业语料与表达习惯，直接上线往往答非所问、术语生硬。本项目《大模型微调与部署实战工程》提供一套端到端、可运行的开源代码，帮助开发者用最低成本把通用大模型打造成真正的领域专家。工程覆盖三大核心环节。一是垂直领域微调完整项目：基于 Qwen2.5 + TRL/PEFT，以 QLoRA 4bit 在单卡 24G 显卡上完成 SFT 监督微调，配套领域语料、指令数据与对话模板，形成"有数据、能训练、能推理"的闭环。二是偏好对齐实战：同时给出 DPO（直接偏好优化，最稳最常用）与完整的 RLHF/PPO 链路（含奖励模型训练与打分），让模型不只模仿示例，更懂得"什么回答更好"。三是评估与量化部署全流程：提供困惑度 + 领域基准自动评估、AWQ 4bit 量化导出，以及 vLLM、llama.cpp、Ollama 等多种落地部署方案，量化后还可一键复评确认精度不退化。整套代码配置集中、结构清晰，数据与领域零硬编码，替换 data/ 即可迁移到任意垂直方向。示例以"智慧牧场/农业"为场景，但方法通用，同样适用于医疗、法律、金融、制造等行业的私有化部署与二次开发。

数据库连接工具navicatPremiun15

右手臂假肢模型3_SolidWorks三维模型_零件图_装配图_通用格式.rar

面向低资源损耗的孤岛微电网电压频率协同事件触发二次控制研究（Simulink仿真实现）内容概要：本文研究了面向低资源损耗的孤岛微电网电压频率协同事件触发二次控制方法，并通过Simulink进行仿真实现。该研究聚焦于在资源受限条件下，实现孤岛微电网中电压与频率的协同二次控制，提出一种事件触发机制以减少通信负担和系统资源消耗，同时确保控制精度与稳定性。通过建立微电网系统模型，设计协同控制策略，结合事件触发机制优化控制信号的更新时机，有效恢复电压和频率至额定值，并实现功率的合理分配。仿真结果验证了所提方法在降低通信频率的同时，仍能保持良好的动态响应和稳态性能，适用于分布式能源高渗透的微电网环境。; 适合人群：具备电力系统、自动化或相关专业背景，熟悉微电网控制、电力电子技术及Simulink仿真的研究生、科研人员及工程技术人员。; 使用场景及目标：①应用于孤岛微电网的二次电压频率控制研究，提升系统稳定性与电能质量；②为降低通信资源消耗的事件触发控制策略设计提供参考；③服务于智能电网、分布式能源系统等领域的仿真分析与算法开发。; 阅读建议：建议结合Simulink模型进行实践操作，重点关注事件触发条件的设计逻辑与控制参数的整定方法，同时可对比传统周期性控制策略，深入理解资源优化与控制性能之间的权衡关系。

源码链接： https://pan.quark.cn/s/a4b39357ea24 《Halcon手眼标定详解及其实践应用》在工业自动化范畴内，机器人与视觉系统的协同作业是提升生产效能与精度的核心要素。Halcon作为一款功能全面的机器视觉软件，配备了完善的手眼标定（Hand-Eye Calibration）功能，使得机器人能够精确地依据摄像头获取的影像进行定位及操作。本文将细致研究Halcon手眼标定的内涵、流程以及实际应用。手眼标定是指在机器人系统中，借助数学手段构建摄像头坐标系与机器人坐标系之间的转换关联。这一过程极为关键，因为摄像头观测到的物体位置与机器人实际执行的位置之间存在偏差，手眼标定正是应对这一挑战的核心技术。在Halcon平台中，手眼标定通常涵盖以下环节： 1. 准备标定板：标定板是一张带有特征点的图像，用于使摄像头进行捕捉与识别。这些特征点可能是棋盘格、圆点矩阵等形式，用于推算摄像头的内参与外参。 2. 捕捉影像：运用摄像头对准标定板，拍摄多组不同角度和方位的影像。这些影像中包含的标定板信息将用于后续的计算。 3. 影像处理：借助Halcon的图像处理功能来探测和辨识标定板上的特征点，获取每张影像的二维坐标。 4. 推算转换矩阵：Halcon提供了多种标定算法，例如Zhangs method或Tsai-Lenz method，用于计算机器人末端执行器相对于摄像头的六维姿态（旋转与平移）的转换矩阵。 5. 验证与调优：通过机器人移动到已知位置并对比实际与预期成效，对转换矩阵进行验证和调优，确保其精准度。 6. 应用标定成效：将计算得出的转换矩阵融入机器人的控制体系中，使得机器人能够依据摄像头的影像数据精确地移动至目标位置。在提供的"...

87,987

社区成员

224,683

社区内容

发帖

与我相关

我的任务

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

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章