大约有 4,800 项符合查询结果(耗时:0.0078秒) [XML]

https://bbs.tsingfun.com/thread-1984-1-1.html 

AppInventor2如何实现播放视频并上面显示两行文本字幕? - App应用开发 -...

转:如何实现播放视频并上面显示两行文本字幕? ------- 原生的视频播放器组件并无字幕功能,也不能和布局组件进行组合布局,实现不了文本叠加显示的效果。 只能使用视频播放拓展实现:https://bbs.tsingfun.com/thread-1719-...
https://bbs.tsingfun.com/thread-2187-1-1.html 

计时器组件能不能手机黑屏时继续工作? - App Inventor 2 中文网 - 清泛I...

有用户提问,计时器组件能不能手机黑屏时继续工作? 其实,计时器组件有一个属性“一直计时”,默认是勾选的,开启一直计时的话,就能App后台或者黑屏时继续触发计时事件。 通过简单的demo就能快速验证: ...
https://bbs.tsingfun.com/thread-2345-1-1.html 

判断输入框的内容TXT文档中是否有一样的,代码如何写 - App Inventor 2 ...

判断输入框的内容TXT文档中是否一样,代码如何写这里只提供思路: 1、使用“文件管理器”组件.读取文件 方法,将TXT中内容读取并存入一个全局文本变量中。 2、使用 文本代码块的是否包含 方法,判断输入框中的内容是...
https://bbs.tsingfun.com/thread-2697-1-1.html 

一个组件怎么悬浮另一个组件上面? - App Inventor 2 拓展 - 清泛IT社区...

请问下,一个组件怎么悬浮另一个组件上面?并且可以随意改变悬浮组件的外观??比如我想把 圆形进度条 悬浮屏幕上,提示正搜索或者下载。。要怎么做?或者是什么扩展能做到?https://puravidaapps.com/extensions.php 页...
https://www.tsingfun.com/it/tech/864.html 

PHP中9大缓存技术总结 - 更多技术 - 清泛网 - 专注C/C++及内核技术

...静态页面,而不会去走php服务器解析的流程。此种方式,CMS...1、全页面静态化缓存 也就是将页面全部生成html静态页面,用户访问时直接访问的静态页面,而不会去走php服务器解析的流程。此种方式,CMS系统中比较常见,...
https://www.tsingfun.com/it/tech/463.html 

常用Linux命令详解(持续更新) - 更多技术 - 清泛网 - 专注C/C++及内核技术

...用户 passwd kedacom 为新增的用户设置登陆密码或为已存用户修改密码 5. 删除用户的命令 userdel -r kedacom 删除用户 二、文件与目录的操作 1. 列出文件列表的ls命令(详解) ls(list)命令用来显示当前目录中的文件和子目...
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...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
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...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
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...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...
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...

...,这意味着输入I经过每一层Si都没有任何的信息损失,即任何一层Si,它都是原有信息(即输入I)的另外一种表示。现回到我们的主题Deep Learning,我们需要自动地学习特征,假设我们有一堆输入I(如一堆图像或者文本),...