programming javascript

Số tự nhiên javascript

Xem các phiên từ Hội nghị chuyên đề WiML về các mô hình khuếch tán với KerasCV, ML trên thiết bị, v.v. Xem theo yêu cầu

  • TenorFlow
  • Học
  • Lõi TensorFlow
  • hướng dẫn

Sắp xếp ngăn nắp với các bộ sưu tập Lưu và phân loại nội dung dựa trên sở thích của bạn

Các hướng dẫn của TensorFlow được viết dưới dạng sổ ghi chép Jupyter và chạy trực tiếp trong Google Colab—một môi trường sổ ghi chép được lưu trữ không yêu cầu thiết lập. Nhấp vào nút Chạy trong Google Colab

Cho những người mới bắt đầu

Nơi tốt nhất để bắt đầu là với API tuần tự Keras thân thiện với người dùng. Xây dựng mô hình bằng cách ghép nối các khối xây dựng với nhau. Sau những hướng dẫn này, hãy đọc hướng dẫn Keras

khởi động nhanh cho người mới bắt đầu

Đây là "Xin chào, Thế giới. " notebook hiển thị Keras Sequential API và 
var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
4

Khái niệm cơ bản về máy ảnh

Bộ sưu tập sổ ghi chép này thể hiện các tác vụ máy học cơ bản bằng Keras

Tải dữ liệu

Các hướng dẫn này sử dụng 
var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
5 để tải các định dạng dữ liệu khác nhau và xây dựng các đường dẫn đầu vào

Dành cho chuyên gia

API phân lớp và chức năng của Keras cung cấp giao diện xác định theo lần chạy để tùy chỉnh và nghiên cứu nâng cao. Xây dựng mô hình của bạn, sau đó viết tiến và lùi. Tạo các lớp tùy chỉnh, kích hoạt và vòng đào tạo

Khởi động nhanh nâng cao

Đây là "Xin chào, Thế giới. " notebook sử dụng API phân lớp Keras và vòng lặp đào tạo tùy chỉnh

tùy biến

Bộ sưu tập sổ ghi chép này cho biết cách xây dựng các lớp tùy chỉnh và các vòng đào tạo trong TensorFlow

đào tạo phân tán

Phân phối đào tạo mô hình của bạn trên nhiều GPU, nhiều máy hoặc TPU

Phần Nâng cao có nhiều ví dụ về sổ ghi chép hướng dẫn, bao gồm Dịch máy thần kinh, Máy biến áp và CycleGAN

Cập nhật mọi thông tin được công bố tại Hội nghị thượng đỉnh Firebase và tìm hiểu cách Firebase có thể giúp bạn đẩy nhanh quá trình phát triển ứng dụng cũng như tự tin chạy ứng dụng của mình. Tìm hiểu thêm

  • căn cứ hỏa lực
  • Tài liệu
  • lò sưởi
  • Xây dựng

Gửi phản hồiNhận dữ liệu với Cloud Firestore Sắp xếp ngăn nắp với các bộ sưu tập Lưu và phân loại nội dung dựa trên sở thích của bạn.

Có ba cách để lấy dữ liệu được lưu trữ trong Cloud Firestore. Bất kỳ phương pháp nào trong số này đều có thể được sử dụng với tài liệu, bộ sưu tập tài liệu hoặc kết quả của truy vấn

  • Gọi một phương thức để lấy dữ liệu một lần
  • Đặt trình nghe để nhận các sự kiện thay đổi dữ liệu
  • Tải hàng loạt dữ liệu chụp nhanh Firestore từ nguồn bên ngoài thông qua gói dữ liệu. Xem tài liệu gói để biết thêm chi tiết

Khi bạn đặt một trình lắng nghe, Cloud Firestore sẽ gửi cho trình nghe của bạn một ảnh chụp nhanh dữ liệu ban đầu và sau đó là một ảnh chụp nhanh khác mỗi khi tài liệu thay đổi

Ghi chú. Mặc dù các mẫu mã bao gồm nhiều ngôn ngữ, văn bản giải thích các mẫu đề cập đến tên phương thức Web.

Dữ liệu mẫu

Để bắt đầu, hãy viết một số dữ liệu về các thành phố để chúng tôi có thể xem xét các cách khác nhau để đọc lại

Phiên bản web 9

giới thiệu về SDK mô-đun Web v9 có thể rung cây và nâng cấp từ phiên bản 8. 
import { collection, doc, setDoc } from "firebase/firestore"; 

const citiesRef = collection[db, "cities"];

await setDoc[doc[citiesRef, "SF"], {
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
await setDoc[doc[citiesRef, "LA"], {
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
await setDoc[doc[citiesRef, "DC"], {
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
await setDoc[doc[citiesRef, "TOK"], {
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
await setDoc[doc[citiesRef, "BJ"], {
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
example_data.js

Phiên bản web 8

giới thiệu về SDK mô-đun Web v9 có thể rung cây và nâng cấp từ phiên bản 8. 
var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
Nhanh

Ghi chú. Sản phẩm này không khả dụng trên các mục tiêu watchOS và App Clip

let citiesRef = db.collection["cities"]

citiesRef.document["SF"].setData[[
    "name": "San Francisco",
    "state": "CA",
    "country": "USA",
    "capital": false,
    "population": 860000,
    "regions": ["west_coast", "norcal"]
    ]]
citiesRef.document["LA"].setData[[
    "name": "Los Angeles",
    "state": "CA",
    "country": "USA",
    "capital": false,
    "population": 3900000,
    "regions": ["west_coast", "socal"]
    ]]
citiesRef.document["DC"].setData[[
    "name": "Washington D.C.",
    "country": "USA",
    "capital": true,
    "population": 680000,
    "regions": ["east_coast"]
    ]]
citiesRef.document["TOK"].setData[[
    "name": "Tokyo",
    "country": "Japan",
    "capital": true,
    "population": 9000000,
    "regions": ["kanto", "honshu"]
    ]]
citiesRef.document["BJ"].setData[[
    "name": "Beijing",
    "country": "China",
    "capital": true,
    "population": 21500000,
    "regions": ["jingjinji", "hebei"]
    ]]
ViewController.swift
Mục tiêu-C

Ghi chú. Sản phẩm này không khả dụng trên các mục tiêu watchOS và App Clip

FIRCollectionReference *citiesRef = [self.db collectionWithPath:@"cities"];
[[citiesRef documentWithPath:@"SF"] setData:@{
  @"name": @"San Francisco",
  @"state": @"CA",
  @"country": @"USA",
  @"capital": @[NO],
  @"population": @860000,
  @"regions": @[@"west_coast", @"norcal"]
}];
[[citiesRef documentWithPath:@"LA"] setData:@{
  @"name": @"Los Angeles",
  @"state": @"CA",
  @"country": @"USA",
  @"capital": @[NO],
  @"population": @3900000,
  @"regions": @[@"west_coast", @"socal"]
}];
[[citiesRef documentWithPath:@"DC"] setData:@{
  @"name": @"Washington D.C.",
  @"country": @"USA",
  @"capital": @[YES],
  @"population": @680000,
  @"regions": @[@"east_coast"]
}];
[[citiesRef documentWithPath:@"TOK"] setData:@{
  @"name": @"Tokyo",
  @"country": @"Japan",
  @"capital": @[YES],
  @"population": @9000000,
  @"regions": @[@"kanto", @"honshu"]
}];
[[citiesRef documentWithPath:@"BJ"] setData:@{
  @"name": @"Beijing",
  @"country": @"China",
  @"capital": @[YES],
  @"population": @21500000,
  @"regions": @[@"jingjinji", @"hebei"]
}];
ViewController.m

Java

CollectionReference cities = db.collection["cities"];

Map data1 = new HashMap[];
data1.put["name", "San Francisco"];
data1.put["state", "CA"];
data1.put["country", "USA"];
data1.put["capital", false];
data1.put["population", 860000];
data1.put["regions", Arrays.asList["west_coast", "norcal"]];
cities.document["SF"].set[data1];

Map data2 = new HashMap[];
data2.put["name", "Los Angeles"];
data2.put["state", "CA"];
data2.put["country", "USA"];
data2.put["capital", false];
data2.put["population", 3900000];
data2.put["regions", Arrays.asList["west_coast", "socal"]];
cities.document["LA"].set[data2];

Map data3 = new HashMap[];
data3.put["name", "Washington D.C."];
data3.put["state", null];
data3.put["country", "USA"];
data3.put["capital", true];
data3.put["population", 680000];
data3.put["regions", Arrays.asList["east_coast"]];
cities.document["DC"].set[data3];

Map data4 = new HashMap[];
data4.put["name", "Tokyo"];
data4.put["state", null];
data4.put["country", "Japan"];
data4.put["capital", true];
data4.put["population", 9000000];
data4.put["regions", Arrays.asList["kanto", "honshu"]];
cities.document["TOK"].set[data4];

Map data5 = new HashMap[];
data5.put["name", "Beijing"];
data5.put["state", null];
data5.put["country", "China"];
data5.put["capital", true];
data5.put["population", 21500000];
data5.put["regions", Arrays.asList["jingjinji", "hebei"]];
cities.document["BJ"].set[data5];
DocSnippets.java

Kotlin+KTX

val cities = db.collection["cities"]

val data1 = hashMapOf[
        "name" to "San Francisco",
        "state" to "CA",
        "country" to "USA",
        "capital" to false,
        "population" to 860000,
        "regions" to listOf["west_coast", "norcal"]
]
cities.document["SF"].set[data1]

val data2 = hashMapOf[
        "name" to "Los Angeles",
        "state" to "CA",
        "country" to "USA",
        "capital" to false,
        "population" to 3900000,
        "regions" to listOf["west_coast", "socal"]
]
cities.document["LA"].set[data2]

val data3 = hashMapOf[
        "name" to "Washington D.C.",
        "state" to null,
        "country" to "USA",
        "capital" to true,
        "population" to 680000,
        "regions" to listOf["east_coast"]
]
cities.document["DC"].set[data3]

val data4 = hashMapOf[
        "name" to "Tokyo",
        "state" to null,
        "country" to "Japan",
        "capital" to true,
        "population" to 9000000,
        "regions" to listOf["kanto", "honshu"]
]
cities.document["TOK"].set[data4]

val data5 = hashMapOf[
        "name" to "Beijing",
        "state" to null,
        "country" to "China",
        "capital" to true,
        "population" to 21500000,
        "regions" to listOf["jingjinji", "hebei"]
]
cities.document["BJ"].set[data5]
DocSnippets.kt

phi tiêu

final cities = db.collection["cities"];
final data1 = {
  "name": "San Francisco",
  "state": "CA",
  "country": "USA",
  "capital": false,
  "population": 860000,
  "regions": ["west_coast", "norcal"]
};
cities.doc["SF"].set[data1];

final data2 = {
  "name": "Los Angeles",
  "state": "CA",
  "country": "USA",
  "capital": false,
  "population": 3900000,
  "regions": ["west_coast", "socal"],
};
cities.doc["LA"].set[data2];

final data3 = {
  "name": "Washington D.C.",
  "state": null,
  "country": "USA",
  "capital": true,
  "population": 680000,
  "regions": ["east_coast"]
};
cities.doc["DC"].set[data3];

final data4 = {
  "name": "Tokyo",
  "state": null,
  "country": "Japan",
  "capital": true,
  "population": 9000000,
  "regions": ["kanto", "honshu"]
};
cities.doc["TOK"].set[data4];

final data5 = {
  "name": "Beijing",
  "state": null,
  "country": "China",
  "capital": true,
  "population": 21500000,
  "regions": ["jingjinji", "hebei"],
};
cities.doc["BJ"].set[data5];
firestore.dart
Java

CollectionReference cities = db.collection["cities"];
List futures = new ArrayList[];
futures.add[
    cities
        .document["SF"]
        .set[
            new City[
                "San Francisco",
                "CA",
                "USA",
                false,
                860000L,
                Arrays.asList["west_coast", "norcal"]]]];
futures.add[
    cities
        .document["LA"]
        .set[
            new City[
                "Los Angeles",
                "CA",
                "USA",
                false,
                3900000L,
                Arrays.asList["west_coast", "socal"]]]];
futures.add[
    cities
        .document["DC"]
        .set[
            new City[
                "Washington D.C.", null, "USA", true, 680000L, Arrays.asList["east_coast"]]]];
futures.add[
    cities
        .document["TOK"]
        .set[
            new City[
                "Tokyo", null, "Japan", true, 9000000L, Arrays.asList["kanto", "honshu"]]]];
futures.add[
    cities
        .document["BJ"]
        .set[
            new City[
                "Beijing",
                null,
                "China",
                true,
                21500000L,
                Arrays.asList["jingjinji", "hebei"]]]];
// [optional] block on operation
ApiFutures.allAsList[futures].get[];
RetrieveDataSnippets.java

con trăn
class City[object]:
    def __init__[self, name, state, country, capital=False, population=0,
                 regions=[]]:
        self.name = name
        self.state = state
        self.country = country
        self.capital = capital
        self.population = population
        self.regions = regions

    @staticmethod
    def from_dict[source]:
        # ...

    def to_dict[self]:
        # ...

    def __repr__[self]:
        return [
            f'City[\
                name={self.name}, \
                country={self.country}, \
                population={self.population}, \
                capital={self.capital}, \
                regions={self.regions}\
            ]'
        ]
cities_ref = db.collection[u'cities']
cities_ref.document[u'BJ'].set[
    City[u'Beijing', None, u'China', True, 21500000, [u'hebei']].to_dict[]]
cities_ref.document[u'SF'].set[
    City[u'San Francisco', u'CA', u'USA', False, 860000,
         [u'west_coast', u'norcal']].to_dict[]]
cities_ref.document[u'LA'].set[
    City[u'Los Angeles', u'CA', u'USA', False, 3900000,
         [u'west_coast', u'socal']].to_dict[]]
cities_ref.document[u'DC'].set[
    City[u'Washington D.C.', None, u'USA', True, 680000,
         [u'east_coast']].to_dict[]]
cities_ref.document[u'TOK'].set[
    City[u'Tokyo', None, u'Japan', True, 9000000,
         [u'kanto', u'honshu']].to_dict[]]
snippets.py

con trăn

var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
0

C++
var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
1
Nút. js

var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
2

Đi

var citiesRef = db.collection["cities"];

citiesRef.doc["SF"].set[{
    name: "San Francisco", state: "CA", country: "USA",
    capital: false, population: 860000,
    regions: ["west_coast", "norcal"] }];
citiesRef.doc["LA"].set[{
    name: "Los Angeles", state: "CA", country: "USA",
    capital: false, population: 3900000,
    regions: ["west_coast", "socal"] }];
citiesRef.doc["DC"].set[{
    name: "Washington, D.C.", state: null, country: "USA",
    capital: true, population: 680000,
    regions: ["east_coast"] }];
citiesRef.doc["TOK"].set[{
    name: "Tokyo", state: null, country: "Japan",
    capital: true, population: 9000000,
    regions: ["kanto", "honshu"] }];
citiesRef.doc["BJ"].set[{
    name: "Beijing", state: null, country: "China",
    capital: true, population: 21500000,
    regions: ["jingjinji", "hebei"] }];
test.firestore.js
3

PHP

PHP

Để biết thêm về cách cài đặt và tạo ứng dụng khách Cloud Firestore, hãy tham khảo Thư viện ứng dụng khách Cloud Firestore

Bài Viết Liên Quan

Mã hóa phụ trợ WordPress
Cách truy xuất hình ảnh từ cơ sở dữ liệu mysql và hiển thị trong thẻ html?
NodeJS yêu cầu gzip
Màu xe Acura Integra 2023
Will 2023 Yukons have rear entertainment?
Việc sử dụng% d trong python là gì?
Int trong danh sách trăn
Chèn nhiều giá trị cho một cột trong mysql
Tự thiết kế giao diện linux
Lịch 2023 Philippines với các ngày lễ có thể in được
Làm cách nào để chuyển trang wordpress sang máy chủ và tên miền mới?
Chuyển văn bản thành hình ảnh python github
Tải xuống xampp với php 7.2
Tôi có thể sử dụng ứng dụng nào để thực hành HTML?
Hoa hồng đó bao nhiêu tiền?
Làm thế nào để bạn nhân hai ma trận trong một con trăn khôn ngoan?
Bao nhiêu tháng cho đến ngày 15 tháng 4 năm 2024
Href nghĩa là gì trong JavaScript?
Microsoft Excel và Python
Mảng điền PHP với số tăng dần

Toplist mới

#1
Top 4 uống nước chanh sả mật ong có tác dụng gì 2023
7 tháng trước
#2
Top 10 bài tập làm văn số 5 lớp 7 de 4 2023
7 tháng trước
#3
Top 3 vừa chơi đã có tài khoản vương giả chap 1 2023
7 tháng trước
#4
Top 6 anh sẽ on thôi cover phạm nguyên ngọc lyrics 2023
7 tháng trước
#5
Top 7 tài liệu quản lý nhà nước và quản lý ngành giáo dục đào tạo 2023
7 tháng trước
#6
Top 7 hãy ra khỏi người đó đi hợp âm 2023
7 tháng trước
#7
Top 6 giáo án thơ về thăm nhà bác 2023
7 tháng trước
#8
Top 8 giáo án ngữ văn 6 cánh diều 2023
7 tháng trước
#9
Top 9 tinh bột tham gia phản ứng nào 2023
7 tháng trước

Bài mới nhất

Tội vu khống người khác bị phạt như thế nào năm 2024
Bút toán tính tiền thuế gtgt phải nộp năm 2024
Cách khắc phục lỗi c11 nồi cơm điện toshiba năm 2024
Sửa lỗi 100 disk phien ban win 10 moi năm 2024
Top truyện ngôn tình huyền huyễn hay nhất năm 2024
Bài tập unit 2 tiếng anh lớp 7 mới violet năm 2024
Đề thi giữa kì môn toán lớp 2 năm 2024
250 phạm văn đồng phường 1 q.gò vấp năm 2024
Cà rốt và khoai tây cái nào nhanh chín hơn năm 2024
Bài tập biểu thức đại số lớp 7 năm 2024

Chủ Đề

programming Hỏi Đáp Mẹo Hay Toplist Là gì Địa Điểm Hay mẹo hay Học Tốt Công Nghệ Nghĩa của từ Khỏe Đẹp Bao nhiêu đánh giá Top List bao nhieu bao nhiêu hướng dẫn Bài tập So Sánh Tiếng anh So sánh Xây Đựng Sản phẩm tốt Ngôn ngữ Bài Tập Máy tính javascript Ở đâu Thế nào Hướng dẫn Dịch Tại sao Đại học Món Ngon Facebook Khoa Học