社区
JavaScript
帖子详情
各位大哥谁有可输入,并且输入后相似的字段会自动跑上来的下拉菜单的源码?
zyyhero
2004-09-23 02:22:39
就像IE的地址栏那样,输入文字,相似的字段会自动跑上来
...全文
137
6
打赏
收藏
各位大哥谁有可输入,并且输入后相似的字段会自动跑上来的下拉菜单的源码?
就像IE的地址栏那样,输入文字,相似的字段会自动跑上来
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
6 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
zyyhero
2004-10-19
打赏
举报
回复
kingchang2000(萨那),能不能详细说说
kingchang2000
2004-09-24
打赏
举报
回复
就是对这个输入的东西在目的数组里面做正则匹配,匹配的数据将重新放在列表框中,不过
我以前用了1000以上的数据,呵呵,写个字累死我了,:D
mastercyl
2004-09-24
打赏
举报
回复
就是一个自动联想啊
ouyld
2004-09-24
打赏
举报
回复
<script>
function aa()
{
if(document.form1.text1.value=="aa")
{
document.form1.table1.value=="aa")
}
abc=setTimeout("aa()",10)
}
</script>
<body>
<form name="form1">
<input type="text" name="text1" onfocus="aa()">
<table id="table1">
<tr>
<select>
<option>aaa
</tr>
</form>
zyyhero
2004-09-23
打赏
举报
回复
要自动上到输入框的啊
soonquick
2004-09-23
打赏
举报
回复
fason老大的例子.跟你说的差不多。
http://fason.nease.net/samples/js/selectwithtip.html
Llama 3.3多语言代码解释器:生产级Streamlit实战
本文详解基于Llama 3.3-70B-Instruct与Hugging Face Inference API构建生产级多语言代码解释器的全流程,涵盖架构选型(弃本地、用HF API、Streamlit前端)、提示词工程(三重防御机制)、响应清洗(语义状态机)、工业级容错(超时重试、
输入
截断处理)、安全加固(密钥管理)及监控反馈闭环。强调多语言支持本质是语义重铸而非翻译,突出可交付、高稳定、低延迟的工程实践。
108大型通信技术有限公司网站源代码(已测试验证)
源码
直接下载地址: https://pan.quark.cn/s/be6e03a195a4 该资源为"108大型通信技术有限公司"提供的网站源代码,其功能完整性和经过测试的状态已得到确认。这段源代码可作为极具价值的参考资料,不仅适用于通信技术在网站开发中的学习应用,也适合作为毕业设计项目的基础。以下列出了源代码中可能涵盖的关键知识点及详尽说明: 1. **前端框架与库**:网站极有可能运用了主流的前端框架,例如Bootstrap或AngularJS,或者自行设计的HTML、CSS和JavaScript。这些框架提供了一套完整的用户界面组件,有效简化了页面的布局和交互设计过程。 2. **响应式设计**:鉴于该网站属于大型通信技术公司,源代码大概率集成了响应式设计,确保网站在不同设备(包括手机、平板及桌面电脑)上均能提供优质的用户体验。 3. **通信协议与API**:源代码可能涉及HTTP/HTTPS协议,用于客户端与服务器之间的数据传输。若网站具备实时通信功能,则可能采用了WebSocket或其他实时通信协议。此外,可能还包括与其他服务或系统的API接口,例如RESTful API。 4. **后端技术**:网站的后端可能选用了Java(Spring Boot)、Python(Django或Flask)、Node.js(Express)等服务器端框架。后端主要负责处理业务逻辑、数据库操作和用户认证等任务。 5. **数据库管理**:源代码中可能包含SQL查询,表明使用了关系型数据库(如MySQL、PostgreSQL),或者NoSQL数据库(如MongoDB)。数据库设计对于存储和检索大量通信数据具有关键作用。 6. **安全性**:源代码应包含多项安全措施,如C...
基于 W-GAN 的光伏出力场景生成方法研究(Python代码实现)
内容概要:本文系统阐述了基于Wasserstein生成对抗网络(W-GAN)的光伏出力场景生成方法,旨在通过深度学习技术精准刻画光伏发电功率的时间序列不确定性。研究构建了完整的W-GAN模型架构,详细介绍了其在网络结构设计、损失函数优化(引入Wasserstein距离提升训练稳定性)及训练流程上的关键技术细节,并提供了完整的Python代码实现。该方法能够生成高保真、多样化的光伏功率出力场景,有效克服传统方法在捕捉复杂概率分布和时序相关性方面的局限性,为处理新能源出力不确定性问题提供了先进的数据驱动解决方案。; 适合人群:具备Python编程能力及机器学习基础知识,专注于新能源发电预测、电力系统规划、电力市场分析、综合能源系统优化等领域研究的高校研究生、科研机构研究人员及电力企业技术人员。; 使用场景及目标:①掌握W-GAN在新能源时序数据生成中的高级应用技巧;②构建高精度的光伏出力不确定性模型,生成用于鲁棒优化与随机规划的多场景集;③支撑高比例可再生能源接入下的电力系统可靠性评估、储能配置、经济调度及风险管控等关键决策; 阅读建议:建议读者务必结合所提供的Python代码进行动手实践,深入理解模型的超参数设置、训练动态监控与收敛性判断方法,并尝试将该方法与文中提及的DDPM、条件GAN等其他前沿生成模型进行对比实验,以深化对不同生成模型特性的认识,拓展解决实际科研问题的技术路径。
人脸分析相关模型合集内容
包括det_10g.onnx、scrfd_10g_bnkps.onnx、2d106det.onnx、1k3d68.onnx、genderage.onnx 、w600k_r50.onnx 、glintr100.onnx。 det_10g.onnx 来自InsightFace的人脸检测模型,用于在图片中快速定位人脸位置。 scrfd_10g_bnkps.onnx 另一个人脸检测模型,通常包含关键点信息,常用于需要更高精度检测的场景。 2d106det.onnx 2D人脸关键点检测模型,定位106个面部关键点坐标,常用于人脸对齐。 1k3d68.onnx 3D人脸关键点检测模型,定位68个关键点的3D坐标,可获取更丰富的面部姿态信息。 genderage.onnx 性别与年龄预测模型,用于分析人脸属性。 w600k_r50.onnx 人脸特征提取模型(基于ResNet50),用于将人脸转换为512维的特征向量,是进行人脸识别、比对的基础。 glintr100.onnx 人脸特征提取模型,功能与w600k_r50.onnx类似,用于生成人脸嵌入向量(Embedding),常出现在antelopev2模型中。
JavaScript
87,988
社区成员
224,684
社区内容
发帖
与我相关
我的任务
JavaScript
Web 开发 JavaScript
复制链接
扫一扫
分享
社区描述
Web 开发 JavaScript
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