大约有 4,000 项符合查询结果（耗时：0.0075秒） [XML]
云数据及Firebase组件简介 · App Inventor 2 中文网
...项实验性功能。 我们正在发布一些初步文档，以便人们可以在我们开发此功能时尝试该功能。 我们欢迎并鼓励您以此构建应用程序以供实验使用，但请注意，行为可能会发生重大变化，并且您的应用程序将停止工作。 此外，App...
Google Tag Manager 入门指南 - 更多技术 - 清泛网 - 专注C/C++及内核技术
...修改这个js脚本即可。
为了更好的管理这儿的脚本，还可以把这儿的：site_a.js，site_b.js等脚本放到代码管理工具下，如：SVN下，每次修改后，保存一个版本并添加注释，这样即使脚本有问题，也可以及时回退。
Step 3：
我们的...
背包：将代码块复制并粘贴到不同的屏幕和项目 · App Inventor 2 中文网
...景菜单
右键点击代码块
右键点击工作区背景
背包里可以加什么东西？
可以将代码块粘贴到任何项目或屏幕中吗？
可以从背包中移除代码块吗？
« 返回首页
背包：将代码块复制并粘贴到不同的屏幕和项目
背包允许...
访问图像和声音 · App Inventor 2 中文网
...
« 返回首页
使用 App Inventor 构建的应用程序可以从三种不同的位置访问声音、图像和视频源：
应用程序资产
“界面设计”视图中显示的标记为 媒体 的源（应用程序的 assets 的一部分）与应用程序打包在一...
ATL正则表达式库使用 - C/C++ - 清泛网 - 专注C/C++及内核技术
...用它的Parse()方法，使用正则表达式字符串作为参数，就可以构造出一个我们所需要的用于匹配的类，例如我们需要匹配一种时间格式，可以是h:mm、也可以是hh:mm，那么我们可以这样构造我们的CAtlRegExp类：
CAtlRegExp <> re;
re.Par...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...
Deep Learning（深度学习）学习笔记整理系列之（四） - 大数据 & AI - 清泛...
...的神经网络。为了实现这种复现，自动编码器就必须捕捉可以代表输入数据的最重要的因素，就像PCA那样，找到可以代表原信息的主要成分。
具体过程简单的说明如下：
1）给定无标签数据，用非监督学习学习特征：
...