大约有 6,000 项符合查询结果(耗时:0.0089秒) [XML]

https://www.fun123.cn/referenc... 

一二三木头人 · App Inventor 2 中文网

... 组件帮助随用随查操作方法 课程目录 你的学习旅程 0% ...
https://www.fun123.cn/referenc... 

TCPServer TCP服务器扩展:在Android设备上创建TCP服务器 · App Inventor 2 中文网

...略的字符代码。默认值:6(ACK)。 IO超时 IoTimeout I/O 操作的超时时间(毫秒)。默认值:1000ms。 是否运行中 IsRunning 返回服务器的运行状态。 行分隔符为CRLF LineDelimiterCrLf 设置行分隔符类型。true = CRLF (0x0D+0x0A),false = L...
https://www.fun123.cn/referenc... 

ImageUtil 扩展:图像工具扩展,提供图像处理和变换功能 · App Inventor 2 中文网

... 颜色滤镜效果 图像属性获取 像素级操作 图像保存 高级应用 批量图像处理 图像水印添加 动态图像滤镜 注意事项 技术规格 应...
https://www.fun123.cn/referenc... 

StringUtils 字符串工具扩展:强大的文本处理工具集 · App Inventor 2 中文网

...填充 文本缩写 替换 ASCII 操作 验证函数 高级功能 使用示例 基本文本处理 文本填充 验证邮箱 字符串相...
https://www.fun123.cn/reference/extensions/ 

App Inventor 2 拓展参考文档 · App Inventor 2 中文网

...媒体通知) 【唤醒】KeepAwake 保持唤醒扩展:防止App被操作系统停用 【唤醒】WakeLock 扩展:保持设备唤醒扩展,防止系统休眠和电池优化 【传感器保持】SensorUtil 传感器工具扩展:在后台和屏幕关闭时保持传感器工作 【图...
https://www.fun123.cn/referenc... 

App Inventor 2 FTP 客户端拓展:FTP协议连接、上传、下载、创建、修改目录...

... 无 事件 Connected(result) 连接操作完成后触发此事件。 DownloadFileFinished(result) 下载文件操作完成后触发此事件。 UploadFileFinished(result) 上传文件操作完成后触发此事件。 方法 ...
https://www.fun123.cn/referenc... 

TCPServer TCP服务器扩展:在Android设备上创建TCP服务器 · App Inventor 2 中文网

...略的字符代码。默认值:6(ACK)。 IO超时 IoTimeout I/O 操作的超时时间(毫秒)。默认值:1000ms。 是否运行中 IsRunning 返回服务器的运行状态。 行分隔符为CRLF LineDelimiterCrLf 设置行分隔符类型。true = CRLF (0x0D+0x0A),false = L...
https://www.fun123.cn/referenc... 

MQTT客户端内置版使用指导 · App Inventor 2 中文网

...ttClient1.Subscribe("demo/status", 0) } } when MqttClient1.ErrorOccurred(操作名, 错误代码, 错误信息) { 标签1.Text = 错误信息 } 案例二:发布并接收文本 when 按钮_发布.Click() { if MqttClient1.IsConnected { MqttClient1.Publish("demo/st...
https://www.tsingfun.com/it/tech/2449.html 

HAproxy - Web负载均衡解决方案 - 更多技术 - 清泛网 - 专注C/C++及内核技术

... global: 设置全局配置参数,属于进程的配置,通常是和操作系统相关。 defaults:配置默认参数,这些参数可以被用到frontend,backend,Listen组件; frontend:接收请求的前端虚拟节点,Frontend可以更加规则直接指定具体使用后端...
https://www.tsingfun.com/it/bi... 

Deep Learning(深度学习)学习笔记整理系列之(三) - 大数据 & AI - 清泛...

...特征,而免去人工选取过程。还有参考人的分层视觉处理系统),我们得到一个结论就是Deep learning需要多层来获得更抽象的特征表达。那么多少层才合适呢?用什么架构来建模呢?怎么进行非监督训练呢? 五、Deep Learning的...