NetYea－台北網站架設

Jun 16 Sun 2024 10:57
專家也是這麼做的網站SEO優化6步調

您的網站為何老是排名在後面呢？除買告白以外，有無什麼撇步呢？網店日報來告訴您，有哪些根基的SEO優化技能，做好這6個步調，您的網站SEO就能事半功倍！

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 16 Sun 2024 02:57
JQuery圖表插件——Highcharts

因為項目中需要用到圖表生成，所有Google了下，找到了這個插件，順帶寫了個DEMO。點擊跳轉官網

先上三個圖，別離曲直線、柱狀、扇形。

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 16 Sun 2024 00:44
YOLOv8 pytorch情況建置與教授教養 - Win10 網站架設

先到 pytorch 官網對應一下CUDA版本及指令
YOLOv8 pytorch情況建置與教授教養 - Win10 YOLOv8 pytorch情況建置與教學 - Win10
我的環境是：

Python 3.10
Nvidia driver 522.25
Cuda 11.7
Conda
Cudnn 8.7

安裝方法可參閱此篇文章：Win10用 Anaconda 建 3070系列的 Tensorflow 深度學習環境

先下載CUDA 11.7 載點

下載安裝好今後，把CUDNN 三個目錄COPY到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7下

到PyCharm 終端機下指令先建一個虛擬環境

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 14 Fri 2024 14:54
netdata 炫酷的體式格局監控Linux系統資本(CentOS 7 8可用)

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 14 Fri 2024 02:31
php5與php7的區分是什麼網站架設

網站架設

php5與php7的區分是什麼？下面本篇文章就來給人人比較一下php5與php7，介紹php5與php7之間的區分。有必然的參考價值，有需要的同夥可以參考一下，希望對你有所幫助。

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 13 Thu 2024 08:59
用SiteTag 幫網站增加排名

良多網站成立初期，使用YAHOO或GOOGLE搜尋引擎搜索本身網站，卻發此刻YAHOO或GOOGLE搜索引擎輸入網站名找不到本身網站，花了大把銀子請網頁設計公司作網站，卻沒法到達曝光的結果，下面介紹若何行使免費網站 SiteTag：http://sitetag.us/ 來讓自己網站晉升排名及暴光。網站架設

起首，先輩入到 SiteTag：http://sitetag.us/ 官方網站

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 13 Thu 2024 03:05
ESP32 控制 TB6612FNG 直流馬達驅動∕節制板

影片

TB6612FNG是東芝生產的馬達驅動與節制IC，內部包括兩組H橋式電路，可驅動和節制兩個小型直流馬達，或一個雙極性步進馬達。

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 12 Wed 2024 12:00
Hinet eyeSee申請DNS IP反解網站架設

EyeSee 官網：https://eyesee.cht.com.tw/

申請帳號(用HINET線路HN申請)
申請好了之後

1.監測報表->寬頻上彀->加值服務管理

Hinet eyeSee申請DNS IP反解

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 12 Wed 2024 09:06
openvino 若何run demo application & pretrained model 介紹網站架設

OpenVino概念
openvino 若何run demo applicatio

圖改自https://www.learnopencv.com/using-openvino-with-opencv/#openvino-opencv
將已經訓練好的深度進修model顛末Model Optimizer優化後
(何謂優化請見下面Model Optimizer條目)
經過Inference Engine  跟硬體(CPU/ GPU /VPU)
到達加快Inference 的目標

★ Model Optimizer
   ●摘錄自:【AI_Column】運用 Intel OpenVINO 土炮自駕車視覺系統
   協助去除已訓練好的模型中的冗餘參數，並可將 32bits 浮點數的參數降階，
   以犧牲數個百分點准確率來換取推論速度晉升數十倍到百倍。

●把深度學習框架Train出來的model, 轉換成 Inference Engine 可以用的IR file
   目前支援的深度進修框架有　Caffe*, TensorFlow*, MXNet*, and ONNX*.
   ●之前以為所有由Caffe*, TensorFlow*, MXNet*, and ONNX* 練習出的model
   都可以由Model Optimizer轉換成IR file  ，但看了的Supported Models章節
   仿佛不是這麼一回事，需找一個底下沒提到的model來實驗看看
   有後果我再更新
   Supported Models
      For the list of supported models refer to the framework or format specific page:
•       Supported Caffe* models
•       Supported TensorFlow* models
•       Supported MXNet* models
•       Supported ONNX* models
•       Supported Kaldi* models
●有script可以 configure Model Optimizer  以導入
   所有OpenVino supported的深度進修框架或單一深度進修框架
   若要手動configure Model Optimizer也有文件可以參考 ->  Model Optimizer Developer Guide.

★ IR file
包括train model的topology 跟weight，利用者只要知道怎樣將
練習好的model change to IR file，就能夠利用OpenVino加快Inference

★ Inference Engine
用來run 最好化後的深度學習model
C:\Program Files (x86)\Intel\openvino_2021.4.689\
deployment_tools\inference_engine\samples底下有放一些IE的samples
各Samples申明　
延長閱讀 → 若何run Inference Engine Samples
★ VPU plugin
這份文件似乎在講怎樣的model能被vpu 支援
■OpenVino不供應Model Training
OpenVino的model來曆以我的理解就以下這幾種
1.自己用OpenVino supported的深度進修框架去train  model
   或去Model Zoo下載所需model
1.       Caffe [ Model Zoo ]
2.       Tensorflow [ Model Zoo ]
3.       MxNet [ Model zoo ] 保持失效
4.       Open Neural Network Exchange (ONNX) [ Model zoo ]
2.OpenVino裡面附的pre-trained model
   不外紛歧定有相符你需求的
3.OpenCV DNN sample model
■相幹名詞
★ OpenVino用的是CNN( Convolutional Neural Networks )模子 ;
還包括了Deep Learning Deployment Toolkit (Intel® DLDT).
   openvino 若何run demo applicatio
   Convolution：影像->filter->擷掏出特徵，比如邊沿。
   此種進程叫做Convolution
★ OpenCV和OpenVX有什么联系和区别？
★ 機械進修
機器進修理論首要是設計和闡發一些讓電腦可以主動進修的演算法。
機械學習演算法是一類從資料中自動闡明取得紀律，並使用規律對未知資料進行展望的演算法。
★ 深度學習
是機械進修的分支。深度進修框架比力
■若何安裝OpenVino
照著安裝步調做即可 (英文看不懂請自行戰勝)
-------------------------------------------------------------------------------------------------------------------------------
上述的器材都認識以後，接下來最先DEMO OpenVino附的兩個script
■Run the Image Classification Verification Script
★在C:\Program Files (x86)\IntelSWTools\openvino\deployment_tools\demo下
可以找到demo_squeezenet_download_convert_run.bat。
這個demo利用squeezenet model 判定照片中的Object屬於什麼類別
可判斷的類別有一千種，有哪一千種可以看底下這個檔案
C:\Program Files (x86)\Intel\openvino_2021.4.689\
deployment_tools\demo\squeezenet1.1.labels
*路徑中的openvino_2019.1.148的2019.1.148這數字代表版本，是以若安裝的OpenVino版本跟我不同，那數字也會分歧
*若安裝不只一個版本的OpenVino，不同版本的OpenVino會有屬於本身的資料夾
而openvino阿誰捷徑會指向最後安裝的那個版本
openvino 若何run demo applicatio
★這個batch的內容以下
Step1 :  下載SqueezeNet model (利用downloader.py)
Step2：用 Model Optimizer 把SqueezeNet轉成IR file。
            (利用mo.py)
Step3： Build Inference Engine samples
            batch檔履行過程中，會看到cmd 畫面卡在
            Build Inference Engine samples using MS Visual Studio (MSBuild.exe)一段時候
            請耐煩等待。此步會產生 classification_sample.exe
Step4：把car.png & IR file當作iInference Engine的input 來剖析car.png
↓This is car.png
   openvino 若何run demo applicatio

↓針對比片中的Object，分類前十名的成績依序從Prob.高到低佈列
分類了局最高分數是sport car

★重跑demo_squeezenet_download_convert_run.bat
跑過一次batch之後，若再履行一次batch，
因為某些檔案跑過一次batch以後就已存在了
batch裡的寫法偵測到某些檔案存在以後就會疏忽掉某些Step
若想要完全地再跑一次，需刪除以下檔案
●刪除model
C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models
\models\FP32\classification
底下全部squeezenet 資料夾刪掉
注意:FP32是針對CPU device的，若是VPU devide ，對應到的folder name是FP16

●刪除 IR
C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models\ir\FP32
\classification\squeezenet\1.1\ 底下全部caffe 資料夾刪掉
注意:FP32是針對CPU device的，若是VPU devide ，對應到的folder name是FP16
------------------------------------------------------------------------------------------------
■Run the Inference Pipeline Verification Script
★demo_security_barrier_camera.bat 這個batch的內容以下
Step1 : 下載 three pre-trained models IRs
Step2：build Security Barrier Camera Demo Inference Engine來分析car1.bmp
Step3：圖片裡的object會被第一個model判斷成是車輛，
            這個判定成績被看成input 導入到下一個model，
            這個model可以指出車輛的一些屬性 ex:車牌
            最後車牌被看成input導入到第三個model，這個model可以把車牌的字元辨認出
            會被稱做Pipeline 我想應該是辨認後果從第一個model傳到第三個model
         像水流在管線裡活動一樣吧...


★重跑全部bat
  跑過一次batch以後，有些step會被疏忽掉，因為某些檔案已存在了
  若要乾乾淨淨的再跑一次，需要刪除以下檔案
  ●刪除 IR
  C:\Users\$(username)\Documents\Intel\OpenVINO\openvino_models\
  ir\FP32\classification\squeezenet\1.1\
  底下整個caffe 資料夾刪掉

----------------------------------------------------------------------------------------------------------
以上範例是利用openvino在 CPU
若用其他intel 硬體，好比movidius gpu vpu  FPGA or MYRIAD
請參考安裝文件中 Optional Steps這部分
-----------------------------------------------------------------------------------------------------------
■OpenVino PreTrained Model
★OpenVINO供給好幾個pre-trained models
可以用Model Downloader 或到
https://download.01.org/opencv/2019/open_model_zoo/　去下載
下載的model是被優化過的model，稱作IR file( xml 檔+ bin 檔)

★可在這邊 https://docs.openvinotoolkit.org/latest/_demos_README.html
Demos that Support Pre-Trained Models章節
看各個pre-trained model support哪些Device
Object Detection Models
裡面包含好幾個model可以用來偵測object
包含：人臉，人，車輛
Object Recognition Models
用來分類或特徵辨識，利用在其他detector以後。比如先做人臉偵測，再做春秋/性別辨識

Semantic Segmentation Models
原文網址：https://kknews.cc/zh-tw/tech/mgqvl9.html
語義分割（Semantic Segmentation）的目標是給定一張圖片，對於圖片中的每個像素做分類。
例如圖1(a)中給出的原始輸入圖片，語義朋分算法對圖片中的每個像素分類，
得到如圖1(b)的效果。在圖1(b)中，分歧色彩代表不同種別：
如紅色代表行人，藍色代表汽車，綠色代表樹，灰色代表建築物等。
語義朋分問題在良多運用場景中都有著十分主要的感化（例如圖片理解，自動駕駛等）
openvino 若何run demo applicatio

Instance Segmentation Models
INSTANCE SEGMENTATION可以知道同類object的數量(分歧顏色示意)
https://arxiv.org/pdf/1405.0312.pdf

Human Pose Estimation Models
Image Processing
提高影象品質

Text Detection
Action Recognition Models
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
■Trouble Shooting
● 安裝時碰到CMake*/ Python* version  xxx or higher is not detected.
openvino 若何run demo applicatio

   ->Fixed by 安裝如提醒的CMake & Python版本後
   再重安裝一次OpenVino
● 電腦已經有安裝Python3.6.5了
   還是會泛起Python* version  xxx or higher is not detected.
   ->Fixed by 再安裝一次Python >選Modify  >勾選Add Python.....
   ->再安裝一次OpenVino就能夠了
openvino 若何run demo applicatio


● 執行demo_squeezenet_download_convert_run.bat前
   若沒有安裝cmake 會出現以下Error
   'cmake' is not recognized as an internal or external command,
   operable program or batch file.
   ->Fixed by 安裝cmake
   請參考 Install CMake* 3.4 or higher章節
  ● 履行demo_squeezenet_download_convert_run.bat産生以下Err
   target_precision = FP32
   Python 3.6.6
   ECHO is off.
   PYTHONPATH=C:\Program Files (x86)\IntelSWTools\openvino\python\python3.6;
   [setupvars.bat] OpenVINO environment initialized
   INTEL_OPENVINO_DIR is set to C:\Program Files (x86)\IntelSWTools\openvino
   Python 3.6.6
   ECHO is off.
   Collecting pyyaml
   Retrying (Retry(total=4, connect=None, read=None, redirect=None, status=None)) after connection broken by    'ProxyError('Cannot connect to proxy.', OSError('Tunnel connection failed: 407 Proxy Authentication Required (       Forefront TMG requires authorization to fulfill the request. Access to the Web Proxy filter is denied.  )',))':                /simple/pyyaml/
   ...
   Could not find a version that satisfies the requirement pyyaml (from versions: )
   No matching distribution found for pyyaml
   ->Fixed by 更改proxy設定
   根據Cannot connect to proxy這個訊息判斷應該是proxy問題
   本來我是利用公司內網run script
   後來將proxy調整成以下設定&連手機熱門就可以履行了
      openvino 若何run demo applicatio
  ● 泛起以下Error
   ###############|| Generate VS solution for Inference Engine samples using cmake ||###############

   Waiting for 2 seconds, press a key to continue ...
   Creating Visual Studio 15 2017 x64 files in
   C:\Users\$(userName)\Documents\Intel\OpenVINO\inference_engine_samples_build...
   CMake Error at CMakeLists.txt:7 (project):
   Generator
   Visual Studio 15 2017
   could not find any instance of Visual Studio.
   -- Configuring incomplete, errors occurred!
   ->fixed by reboot
因為在安裝openvino之前我有開visual studio installer去 modify設定
設定完後沒有依照指示重開機
是以呈現以上issue
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
●其它參考貫穿連接
  - OPENvINO with openCV
  - 既跨平台又開源　英特爾開啟聰明視覺立異
跨越20個預先練習的模子，以及針對OpenCV和OpenVx的最好化電腦視覺庫。
OpenVINO工具套件可透過CPU、GPU、FPGA、Movidius VPU(AI晶片 )等硬體進行部署，
增強視覺系統功能和機能
- SqueezeNet
   SqueezeNet 是圖片分類模型，最適合參數較少及較小的模型使用，相較於現代圖片分類模子 (AlexNet)，
   不會犧牲品質。
- C:\Program Files (x86)\Intel\openvino_2021.4.689\documentation

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 12 Wed 2024 05:02
Line 熱門如何申請

① 點選右上角設定

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 11 Tue 2024 02:44
網站架設 SEO 網頁優化若何用 Google Search Console 網址審查功能

從2020年5月最先
Google SEO增添了增強功能
從以下網址可知增加了那些功能
https://developers.google.com/search/docs/advanced/structured-data/search-gallery

SEO寫好今後，到以下網址測試是不是完成
https://search.google.com/test/rich-results?utm_campaign=devsite&utm_medium=jsonld&utm_source=article

測試網址
http://www.netyea.com/
網站架設 SEO 網頁優化若何用 Google Searc

點選預覽就能夠看到下面圖片

網站架設

網站架設

網頁設計,網站架設 ,網路行銷,網頁優化,SEO - NetYea 網頁設計

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 09 Sun 2024 08:52
網站架設 Linux下把excel數據導入到mysql數據庫(亂碼問題已解決)

申明:在Linux下把excel數據導入到mysql數據庫中,這其實是很搞笑的一個舉動!幾近很少有法式員研究過這個問題吧?如此失常的問題,估量我是第一個研究的!呵呵,完全是自找苦吃~~,但是今天完了這項太有挑戰性的工作!
先清算一下思路先,~~
起首:需要把文件上傳到辦事器上
然後:讀取excel數據列顯示出來
然後:讓用戶選擇字段的對應關係
然後:提交數據,讀取字段的對應關係
最後:批量導入數據,刪除且則文件
一共是以上五步驟!我們一步步闡發~~~
第一步:下載附件中的phpexcelparser4.rar ,這個文件是上傳excel盜辦事器上並以web形式展現出來的!這個一般沒有問題的!問題是法式的做法是把表存為臨時表而沒有真正留存下來,所以起首要更改法式代碼為

//uc轉換成html
function uc2html($str) {
$ret = '';
for( $i=0; $i<strlen($str)/2; $i++ ) {
$charcode = ord($str[$i*2])+256*ord($str[$i*2+1]);
// $ret .= '&#'.$charcode;
if($charcode<127)
$ret .=chr($charcode);
else
$ret .= iconv("utf-8","utf-8",u2utf8($charcode));
}
return $ret;
}
//html轉成utf8
function u2utf8($c) {
$str="";
if ($c < 0x80) {
$str.=$c;
} else if ($c < 0x800) {
$str.=chr(0xC0 | $c>>6);
$str.=chr(0x80 | $c & 0x3F);
} else if ($c < 0x10000) {
$str.=chr(0xE0 | $c>>12);
$str.=chr(0x80 | $c>>6 & 0x3F);
$str.=chr(0x80 | $c & 0x3F);
} else if ($c < 0x200000) {
$str.=chr(0xF0 | $c>>18);
$str.=chr(0x80 | $c>>12 & 0x3F);
$str.=chr(0x80 | $c>>6 & 0x3F);
$str.=chr(0x80 | $c & 0x3F);
}
return $str;
}
if (trim($_POST["cmd"])=="upload")
{
$err_corr = "Unsupported format or file corrupted";
$excel_file_size;
$excel_file = $_FILES['excel_file'];
$uploadservername=$UploadAbsPath."tmpexcel/".$_FILES['excel_file']['name'];
echo($uploadservername);
if (!is_writeable($UploadAbsPath."tmpexcel/"))
{
echo "目錄不可寫!"; exit;
}
else
{
echo "目錄可寫!";
}
if (move_uploaded_file($_FILES['excel_file']['tmp_name'], $uploadservername))
{
echo("上傳成功");
}
else
{
echo("上傳失敗");
}
$excel_file=$uploadservername;
//if( $excel_file )
// $excel_file = $_FILES['excel_file']['tmp_name'];
if( $excel_file == '' ) fatal("No file uploaded");
$exc = new ExcelFileParser("debug.log", ABC_NO_LOG);//ABC_NO_LOG ABC_VAR_DUMP);
//echo($excel_file."|");
$style = $_POST['style'];
if( $style == 'old' )
{
$fh = @fopen ($excel_file,'rb');
if( !$fh ) fatal("No file uploaded");
if( filesize($excel_file)==0 ) fatal("No file uploaded");
$fc = fread( $fh, filesize($excel_file) );
@fclose($fh);
if( strlen($fc) < filesize($excel_file) )
fatal("Cannot read file");
$time_start = getmicrotime();
$res = $exc->ParseFromString($fc);
$time_end = getmicrotime();
}
elseif( $style == 'segment' )
{
$time_start = getmicrotime();
$res = $exc->ParseFromFile($excel_file);
$time_end = getmicrotime();
}
switch ($res) {
case 0: break;
case 1: fatal("Can't open file");
case 2: fatal("File too small to be an Excel file");
case 3: fatal("Error reading file header");
case 4: fatal("Error reading file");
case 5: fatal("This is not an Excel file or file stored in Excel < 5.0");
case 6: fatal("File corrupted");
case 7: fatal("No Excel data found in file");
case 8: fatal("Unsupported file version");
default:
fatal("Unknown error");
}
/*
print '<pre>';
print_r( $exc );
print '</pre>';
exit;
*/
show_time();
echo <<<LEG
<b>Legend:</b><br><br>
<form name='doform' action='' method='post'>
<input type='hidden' name='action' value='do'>
<input type='hidden' name='excel_file' value=$excel_file>
<input type='hidden' name='style' value=$style>
<table border=1 cellspacing=0 cellpadding=0>
<tr><td>Data type</td><td>Description</td></tr>
<tr><td class=empty> </td><td class=index>An empty cell</td></tr>
<tr><td class=dt_string>ABCabc</td><td class=index>String</td></tr>
<tr><td class=dt_int>12345</td><td class=index>Integer</td></tr>
<tr><td class=dt_float>123.45</td><td class=index>Float</td></tr>
<tr><td class=dt_date>123.45</td><td class=index>Date</td></tr>
<table>
<br><br>
LEG;
/*
print "<pre>";
print_r ($exc->worksheet);
print_r($exc->sst);
print "</pre>";
*/
for( $ws_num=0; $ws_num<count($exc->worksheet['name']); $ws_num++ )
{
print "<b>Worksheet: \"";
if( $exc->worksheet['unicode'][$ws_num] ) {
print uc2html($exc->worksheet['name'][$ws_num]);
} else
print $exc->worksheet['name'][$ws_num];
print "\"</b>";
$ws = $exc->worksheet['data'][$ws_num];
if( is_array($ws) &&
isset($ws['max_row']) && isset($ws['max_col']) ) {
echo "\n<br><br><table border=1 cellspacing=0 cellpadding=2>\n";
print "<tr><td> </td>\n";
for( $j=0; $j<=$ws['max_col']; $j++ ) {
print "<td class=index> ";
if( $j>25 ) print chr((int)($j/26)+64);
//這裡要顯示一個下拉列表來顯示數據
//注意是循環數據<br />
echo("\n<select name='".$j."'>");
echo("\n<option value='0'>不選擇</option>");
echo("\n<option value='costomernum'>客戶編號</option>");
echo("\n<option value='name'>客戶姓名</option>");
echo("\n<option value='phone1'>電話1</option>");
echo("\n<option value='phone2'>電話2</option>");
echo("\n<option value='address1'>地址1</option>");
echo("\n<option value='address2'>地址2</option>");
echo("\n<option value='company'>公司</option>");
echo("\n<option value='levelc'>職稱</option>");
echo("\n<option value='ps'>備註</option>");
echo("</select>");
print "</td>";
}
print "<tr><td> </td>\n";
for( $j=0; $j<=$ws['max_col']; $j++ ) {
print "<td class=index> ";
if( $j>25 ) print chr((int)($j/26)+64);
print chr(($j % 26) + 65)." 列名</td>";
}
//表頭輸出終了
if ($ws['max_row']>9)網站架設
{
$shownum=9;
}
else
{
$shownum=$ws['max_row'];//只輸出前10條數據
}
for( $i=0; $i<=$shownum; $i++ ) {
print "<tr><td class=index>".($i+1)."</td>\n";
if(isset($ws['cell'][$i]) && is_array($ws['cell'][$i]) ) {
for( $j=0; $j<=$ws['max_col']; $j++ ) {
if( ( is_array($ws['cell'][$i]) ) &&
( isset($ws['cell'][$i][$j]) )
){
// print cell data
print "<td class=\"";
$data = $ws['cell'][$i][$j];
$font = $ws['cell'][$i][$j]['font'];
$style = " style ='".ExcelFont::ExcelToCSS($exc->fonts[$font])."'";
switch ($data['type']) {
// string
case 0:
print "dt_string\"".$style.">";
$ind = $data['data'];
if( $exc->sst['unicode'][$ind] ) {
$s = uc2html($exc->sst['data'][$ind]);
} else
$s = $exc->sst['data'][$ind];
if( strlen(trim($s))==0 )
print " ";
else網站架設
print $s;
break;
// integer number
case 1:
print "dt_int\"".$style."> ";
print $data['data'];
break;
// float number
case 2:
print "dt_float\"".$style."> ";
echo $data['data'];
break;
// date
case 3:
print "dt_date\"".$style."> ";
$ret = $data[data];//str_replace ( " 00:00:00", "", gmdate("d-m-Y H:i:s",$exc->xls2tstamp($data[data])) );
echo ( $ret );
break;
default:
print "dt_unknown\"".$style.">  ";
break;
}
print "</td>\n";
} else {
print "<td class=empty> </td>\n";
}
}
} else {
// print an empty row
for( $j=0; $j<=$ws['max_col']; $j++ )
print "<td class=empty> </td>";
print "\n";
}
print "</tr>\n";
}
echo "</table><br>\n";
} else {
// emtpty worksheet
print "<b> - empty</b><br>\n";
}
print "<br>";
}
echo("<input type='submit' name='Submit' value='轉換' />");
echo("</form>");
/* print "Formats<br>";
foreach($exc->format as $value) {
printf("( %x )",array_search($value,$exc->format));
print htmlentities($value,ENT_QUOTES);
print "<br>";
}
print "XFs<br>";
for( $i=0;$i<count($exc->xf['format']);$i++) {
printf ("(%x)",$i);
printf (" format (%x) font (%x)",$exc->xf['format'][$i],$exc->xf['font'][$i]);
print "<br>";
}
*/
}

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 09 Sun 2024 04:13
如何用 Cpanel 整機複製之前那一台的網站及設定網站架設

網站架設進入CPANEL ROOT後台

拔取Transfer Tool
Remote Server Address:
輸入原主機的IP

拔取 ROOT帳號

輸入暗碼

鄙人一步設定即可

網站架設

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 08 Sat 2024 15:48
JQuery dialog 分級視窗網站架設

完成圖

網站架設

JQuery dialog 分級視窗網站架設

起首先下載幾個JS及CSS
jquery-1.9.1.js       jquery 主檔
jquery-ui.js             UI JS檔
js.cookie.js             Cookies JS檔
jquery-ui.dialog.css CSS設定檔

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 07 Fri 2024 08:20
Tensorflow GPU 運算泛起 failed to create cublas handle 訊息網站架設

用GPU RUN PYTHON時，
出現毛病訊息

failed to create cublas handle: cublas_status_alloc_failed

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 06 Thu 2024 15:42
jQuery分類過濾和排序佈局插件-Isotope(瀑布流網頁已測試)

jQuery分類過濾和排序佈局插件-Isotope，jquery-isotope
Isotope是一款結果非常奇異的元素分類過濾和排序結構jQuery插件。網站架設Isotope是Masonry結構的作者David DeSandro的一款力作，該分類過濾和排序插件許可你以極度簡單和炫酷的方式來潛藏和顯示元素，和對元素依照指定的劃定規矩進行排序。
Isotope可以設置多種佈局方式：masonry佈局、程度結構、垂直結構、適合行結構、適合列佈局等等。

注意：Isotope不是完全免費的軟件。網站架設用於商業用途時需要向作者購置。作為非商業用處使用時，在遵守GPL v3 License 規範的條件下，你可以自由利用該插件。

(繼續閱讀...)

prescoevlti 發表在痞客邦留言(0) 人氣()

個人分類：NetYea

▲top

Jun 06 Thu 2024 10:42
jQuery cxSelect 聯動下拉選單若何撈出預設值

cxSelect 是基於jQuery 的多級聯動菜單插件，適用於省市、商品分類等聯動菜單。
列表數據經由過程AJAX 獲取，也能夠自界說，數據內容利用JSON 花樣。
同時兼容Zepto，輕易在移動端利用。
國內省市縣數據來曆：basecss/cityData Date: 2014.03.31
全球首要城市數據來源：整理國內經常使用網站和軟件Date: 2014.07.29

版本：jQuery的V1.7 +的Zepto V1.0 +jQuery的cxSelect V1.4.0