我们在设计网站的时候，有时候为了体现出别具一格的风格，往往会设计出一些特殊的风格。这里就举一个比较常见的例子 —— 倾斜的背景颜色。
在CSS中，没有某一个属性能够直接实现倾斜的背景颜色，而是需要通过一些“手段”来实现。最常想到的方案就是在内容的底部放置一个div，给这个div设定一个背景颜色，然后让这个div倾斜一个角度，从而实现倾斜的背景颜色。比如像下图所示的案例：
那么下面就来用一个基本的实例来解释并实现倾斜背景的效果：
2024年10月23日
我们在设计网站的时候，有时候为了体现出别具一格的风格，往往会设计出一些特殊的风格。这里就举一个比较常见的例子 —— 倾斜的背景颜色。
在CSS中，没有某一个属性能够直接实现倾斜的背景颜色，而是需要通过一些“手段”来实现。最常想到的方案就是在内容的底部放置一个div，给这个div设定一个背景颜色，然后让这个div倾斜一个角度，从而实现倾斜的背景颜色。比如像下图所示的案例：
那么下面就来用一个基本的实例来解释并实现倾斜背景的效果：
2024年10月23日
点击右上方红色按钮关注“web秀”，让你真正秀起来
说起CSS3动画，就必须说说 transform，translate，transition，animation这4个属性，transform主要定义元素的动作，比如旋转、倾斜、位移等，translate是transform里面的属性，用于2D/3D位移。后2个主要对动作进行描述，动画时间、速度曲线、次数等。
2024年10月23日
什么是css hack
由于不同的浏览器，甚至同一浏览器的不同版本对CSS的解析认识不一样，导致生成的页面效果不一致，写出针对不同浏览器CSS code就称为CSS hack（针对不同的浏览器写不同的css code的过程即css hack，也叫写css hack）
css hack可翻译为：浏览器兼容性、兼容方案、简略兼容浏览器。
常用的CSS hack 有三种方式：
CSS 内部hack、选择器hack、HTML 头部引用，其中第一种最常用。
2024年10月23日
01.Safari 中z-index的层级问题
在Safari浏览器下(此Safari浏览器包括iOS的Safari，iPhone上的微信浏览器，以及Mac OS X系统的Safari浏览器)，当我们使用3D transform变换的时候，如果祖先元素没有overflow:hidden/scroll/auto等限制，则会直接忽略自身和其他元素的z-index层叠顺序设置，而直接使用真实世界的3D视角进行渲染。例如下面的场景，图中红框里面的模块，使用 3D transform变换，进行旋转动画，但是在Safari浏览器下，忽略了二维码遮罩层的z-index,结果使用了真实世界的3D视角进行渲染。出现了重叠的bug：
2024年10月23日
一 css3过渡 转换
css3过渡(transition)允许我们在限定的时间内从一个属性值转变到另一个属性值.
●transition-property:指定要转换的属性
●transition-duration:指定转换发生的持续时间
●transition-timing-function:指定转换的速度在其持续时间内如何变化
●transition-delay:指定过渡效果的延迟(以秒为单位)
2024年10月23日
要想写出优美的CSS作品，想象力固然很重要，然而基础也是不可忽略的。相信大部分人怕写CSS的原因是被它庞大的基础知识体系给吓到了，在此笔者推荐一个叫freecodecamp的网站，通过闯关的方式来学习前端三剑客，用它入门CSS是最佳的选择！
当你成功地入了门之后，便可以开始探索CSS的全貌了。本文是CSS属性的速查表，配合在线API文档使用即可
2024年10月23日
7.numpy中的三角函数都是通用函数
a = [-np.pi, -np.pi/2, 0, np.pi/2, np.pi]
b = numpy.sin(a)
b: [0, -1, 0, 1, 0]
x = Asin(at+pi/2)
y = Bsin(bt)
代码：lissa.py
合成方波波形
N->oo
f(x) = 4/pi * sigma(sin((2k-1)x)/(2k-1))
2024年10月23日
异常检测可以作为异常值分析的一项统计任务来处理。但是如果我们开发一个机器学习模型，它可以像往常一样自动化，可以节省很多时间。
异常检测有很多用例。信用卡欺诈检测、故障机器检测或基于异常特征的硬件系统检测、基于医疗记录的疾病检测都是很好的例子。还有更多的用例。异常检测的应用只会越来越多。
在本文中，我将解释在Python中从头开始开发异常检测算法的过程。
与我之前解释过的其他机器学习算法相比，这要简单得多。该算法将使用均值和方差来计算每个训练数据的概率。
2024年10月23日
作者：李城
来源：微信公众号|3D视觉工坊（系投稿）
「3D视觉工坊」技术交流群已经成立，目前大约有12000人，方向主要涉及3D视觉、CV&深度学习、SLAM、三维重建、点云后处理、自动驾驶、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等。工坊致力于干货输出，不做搬运工，为计算机视觉领域贡献自己的力量！欢迎大家一起交流成长~
2024年10月23日
import numpy as np
线性代数
线性代数（如矩阵乘法、矩阵分解、行列式以及其他方阵数学等）是任何数组库的重要组成部分。不像某些语言，通过 * 对两个二维数组相乘得到的是一个元素级的积，而不是一个矩阵点积。因此，NumPy提供了一个用于矩阵乘法的dot函数（既是一个数组方法也是numpy命名空间中的一个函数）：
In [2]: