国产开源XHTML在线编辑器xhEditor 1.0.0 beta2发布
软件追踪 运行平台:平台无关 授权方式:开源软件 xhEditor是一个基于jQuery开发的简单迷你并且高效的可视化XHTML编辑器,基于网络访问并且兼容IE 6.0+,Firefox 3.0+,Opera 9.6+,Chrome 1.0+,Safari 3.22+。经过9个多朋的更新完善,1.0.0 beta2版正式发布。 从
软件追踪
运行平台:平台无关
授权方式:开源软件
xhEditor是一个基于jQuery开发的简单迷你并且高效的可视化XHTML编辑器,基于网络访问并且兼容IE 6.0+,Firefox 3.0+,Opera 9.6+,Chrome 1.0+,Safari 3.22+。经过9个多朋的更新完善,1.0.0 beta2版正式发布。
从最初的0.9.1版的发布,到现在的1.0.0 beta2版,经过9个多月的开发更新,我们的xhEditor编辑器已经越来越完善,并得到了大量的用户认可和支持。而有今天的变化,正是广大用户支持 下的结果,没有大家不断的提交BUG及反馈意见,也就不会有现在的xhEditor。在此,对大家一如既往的支持表示感谢,我也会继续坚持的为大家完善更 新这个开源编辑器,让它越来越完善,让更多的人能够使用到真正适合我们自己中国人的高效迷你编辑器。
这次的beta2版在功能上已经固定,接下来会发布两个rc版本,这两个版本原则上不会再添加新功能,只会做功能上的BUG修正。在1.0.0正式发布的 那一时,相信会给大家提供一个近乎没有BUG的编辑器,让大家用的放心。
关于将来的发展计划,我们会长期坚持的开发和完善下去。此刻,我们已经开始了v2版本的设计和架构工作,而v2版将会是全新的系统架构,是一个同时追求强大功能和高效性能的完美组合,并且会提供给开发者更开放更完善的API接口。
我们不是最好的,但是我们会努力做的更好,我们愿意倾听和接受所有用户的心声。最后,大家在使用过程中若发现任何的问题,或者有比较好的创意和想法,可以 随时向我们反馈(yanis.wang@gmail.com),我们会随时倾听大家的意见,xhEditor的发展离不开大家的支持。
最新版官方在线演示:
默认模式:http://xheditor.com/demos/demo01.html
自定义按钮:http://xheditor.com/demos/demo02.html
皮肤选择:http://xheditor.com/demos/demo03.html
其它选项:http://xheditor.com/demos/demo04.html
Javascript交互:http://xheditor.com/demos/demo05.html
非utf-8编码网页调用:http://xheditor.com/demos/demo06.html
UBB可视化编辑:http://xheditor.com/demos/demo07.html
Ajax文件上传:http://xheditor.com/demos/demo08.html
插件扩展:http://xheditor.com/demos/demo09.html
iframe调用文件上传:http://xheditor.com/demos/demo10.html
异步加载:http://xheditor.com/demos/demo11.html
最新1.0.0 beta2版本更新内容(2010-2-7):
添加:增加.NET版上传演示程序upload.aspx,编 码:Jediwolfjediwolf@gmail.com
添加:添加异步加载,利用loadJS函数动态加载JS文件并初始化编辑器(demo11)
添加:初始化参数列表添加shortcuts参数,可在编辑器初始化时绑定自定义快捷键,例如:shortcuts:{'ctrl+enter':function(){alert('test');}}
添加:添加缩略图模式的演示(demo08)
添加:添加按钮多行模式的演示(demo02)
添加:添加localUrl初始化参数,用来强抑转换本地URL地址,默认为不转换,可用参数:abs,root,rel,分别代表:绝 对地址、根地址、相对地址,例如设置为rel,所有本地URL会强制转为相对地址
添加:添加localUrl的3个参数的演示(demo04)
添加:超链接允许服务器上传接收程序直接返回超链接的文字内容,例如可以把上传的文件名作为超链接的文字
添加:添加返回超链接文字内容的附件式上传的演示(demo08)
添加:表情模块添加多分类功能,并调整模式以兼容UBB转换
添加:添加emots初始化参数,用以添加表情分类
添加:添加emotMark初始化参数,用以在img代码上添加emot属性,默认为false,若挂接UBB插件或者其它情况,就要设 置为true
添加:UBB模块添加对表情的转换支持,例:[emot=titter/][emot=qq,2/]
添加:添加upBtnText初始化参数,以设置上传按钮的文字,例如可以设置为:浏览
添加:添加onUpload初始化参数,上传成功时调用此回调函数,唯一参数值是上传的文件URL
添加:添加onUpload参数的演示(demo08)
添加:添加wordDeepClean初始化参数,用来控制是否深入的清理从Word粘贴的内容,默认为true
添加:添加IE浏览器拦截粘贴并清理Word代码的功能
添加:添加源代码缩进换行格式化功能,在查看源代码时格式化,但向服务器提交时压缩HTML代码
修正:ubb模块增加对非标准HTML代码的兼容性,并进一步完善空格转换的问题
修正:showModal模式窗口在IE6浏览器下无法覆盖select下拉框组件的bug修正
修正:getSelect接口在某些情况下会多选择一些HTML代码问题的修正
修正:IE6浏览器下,模式窗口后面的遮盖层,在没出现滚动条情况下无法充满浏览器的问题修正
修正:IE6和IE7浏览器下,模式窗口无法垂直居中问题的修正
修正:Word文档清理函数cleanWord进一步完善,提高代码兼容性
修正:pasteHTML函数在IE无法替换图片等对象问题的修正
修正:IE6浏览器下某些情况下无法完全全屏问题的修正
调整:快捷键addShortcuts接口可为同一个快捷键绑定多个执行代码,并开放为外部API调用
调整:jQuery更换为v1.4.1版本,同时建议更新为1.4.1版,1.3.2版本会导致图片的缩略图模式在IE6下工作不正常
调整:颜色表更换为Gmail颜色方案,相对更精简实用
调整:批量插入页面模块化,利用url参数进行调用,并添加单文件删除和限制重复文件功能
调整:为了便于统一更新,ASP版ubb2html改为javascript server版本,并添加html2ubb函数
取消:取消keepValue属性,默认全局保存src和href值
取消:考虑到baseUrl参数使用意义不大并有一定缺陷,在此取消此参数
最新1.0.0 beta2版本下载:http://code.google.com/p/xheditor/downloads/list

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas



Anotasi teks ialah kerja label atau teg yang sepadan dengan kandungan tertentu dalam teks. Tujuan utamanya adalah untuk memberikan maklumat tambahan kepada teks untuk analisis dan pemprosesan yang lebih mendalam, terutamanya dalam bidang kecerdasan buatan. Anotasi teks adalah penting untuk tugas pembelajaran mesin yang diawasi dalam aplikasi kecerdasan buatan. Ia digunakan untuk melatih model AI untuk membantu memahami maklumat teks bahasa semula jadi dengan lebih tepat dan meningkatkan prestasi tugasan seperti klasifikasi teks, analisis sentimen dan terjemahan bahasa. Melalui anotasi teks, kami boleh mengajar model AI untuk mengenali entiti dalam teks, memahami konteks dan membuat ramalan yang tepat apabila data baharu yang serupa muncul. Artikel ini terutamanya mengesyorkan beberapa alat anotasi teks sumber terbuka yang lebih baik. 1.LabelStudiohttps://github.com/Hu

Anotasi imej ialah proses mengaitkan label atau maklumat deskriptif dengan imej untuk memberi makna dan penjelasan yang lebih mendalam kepada kandungan imej. Proses ini penting untuk pembelajaran mesin, yang membantu melatih model penglihatan untuk mengenal pasti elemen individu dalam imej dengan lebih tepat. Dengan menambahkan anotasi pada imej, komputer boleh memahami semantik dan konteks di sebalik imej, dengan itu meningkatkan keupayaan untuk memahami dan menganalisis kandungan imej. Anotasi imej mempunyai pelbagai aplikasi, meliputi banyak bidang, seperti penglihatan komputer, pemprosesan bahasa semula jadi dan model penglihatan graf Ia mempunyai pelbagai aplikasi, seperti membantu kenderaan dalam mengenal pasti halangan di jalan raya, dan membantu dalam proses. pengesanan dan diagnosis penyakit melalui pengecaman imej perubatan. Artikel ini terutamanya mengesyorkan beberapa alat anotasi imej sumber terbuka dan percuma yang lebih baik. 1.Makesen

Bahasa C adalah bahasa pengaturcaraan asas dan penting Bagi pemula, adalah sangat penting untuk memilih perisian pengaturcaraan yang sesuai. Terdapat banyak pilihan perisian pengaturcaraan C yang berbeza di pasaran, tetapi untuk pemula, ia boleh menjadi agak mengelirukan untuk memilih mana yang sesuai untuk anda. Artikel ini akan mengesyorkan lima perisian pengaturcaraan bahasa C kepada pemula untuk membantu mereka bermula dengan cepat dan meningkatkan kemahiran pengaturcaraan mereka. Dev-C++Dev-C++ ialah persekitaran pembangunan bersepadu (IDE) percuma dan sumber terbuka, terutamanya sesuai untuk pemula. Ia mudah dan mudah digunakan, menyepadukan editor,

Teknologi pengesanan dan pengecaman muka adalah teknologi yang agak matang dan digunakan secara meluas. Pada masa ini, bahasa aplikasi Internet yang paling banyak digunakan ialah JS Melaksanakan pengesanan muka dan pengecaman pada bahagian hadapan Web mempunyai kelebihan dan kekurangan berbanding dengan pengecaman muka bahagian belakang. Kelebihan termasuk mengurangkan interaksi rangkaian dan pengecaman masa nyata, yang sangat memendekkan masa menunggu pengguna dan meningkatkan pengalaman pengguna termasuk: terhad oleh saiz model, ketepatannya juga terhad. Bagaimana untuk menggunakan js untuk melaksanakan pengesanan muka di web? Untuk melaksanakan pengecaman muka di Web, anda perlu biasa dengan bahasa dan teknologi pengaturcaraan yang berkaitan, seperti JavaScript, HTML, CSS, WebRTC, dll. Pada masa yang sama, anda juga perlu menguasai visi komputer yang berkaitan dan teknologi kecerdasan buatan. Perlu diingat bahawa kerana reka bentuk bahagian Web

SOTA baharu untuk keupayaan memahami dokumen multimodal! Pasukan Alibaba mPLUG mengeluarkan kerja sumber terbuka terkini mPLUG-DocOwl1.5, yang mencadangkan satu siri penyelesaian untuk menangani empat cabaran utama pengecaman teks imej resolusi tinggi, pemahaman struktur dokumen am, arahan mengikut dan pengenalan pengetahuan luaran. Tanpa berlengah lagi, mari kita lihat kesannya dahulu. Pengecaman satu klik dan penukaran carta dengan struktur kompleks ke dalam format Markdown: Carta gaya berbeza tersedia: Pengecaman dan kedudukan teks yang lebih terperinci juga boleh dikendalikan dengan mudah: Penjelasan terperinci tentang pemahaman dokumen juga boleh diberikan: Anda tahu, "Pemahaman Dokumen " pada masa ini Senario penting untuk pelaksanaan model bahasa yang besar. Terdapat banyak produk di pasaran untuk membantu pembacaan dokumen. Sesetengah daripada mereka menggunakan sistem OCR untuk pengecaman teks dan bekerjasama dengan LLM untuk pemprosesan teks.

Izinkan saya memperkenalkan kepada anda projek sumber terbuka AIGC terkini-AnimagineXL3.1. Projek ini adalah lelaran terkini model teks-ke-imej bertema anime, yang bertujuan untuk menyediakan pengguna pengalaman penjanaan imej anime yang lebih optimum dan berkuasa. Dalam AnimagineXL3.1, pasukan pembangunan menumpukan pada mengoptimumkan beberapa aspek utama untuk memastikan model mencapai tahap prestasi dan kefungsian yang baharu. Pertama, mereka mengembangkan data latihan untuk memasukkan bukan sahaja data watak permainan daripada versi sebelumnya, tetapi juga data daripada banyak siri anime terkenal lain ke dalam set latihan. Langkah ini memperkayakan pangkalan pengetahuan model, membolehkannya memahami pelbagai gaya dan watak anime dengan lebih lengkap. AnimagineXL3.1 memperkenalkan set teg khas dan estetika baharu

FP8 dan ketepatan pengiraan titik terapung yang lebih rendah bukan lagi "paten" H100! Lao Huang mahu semua orang menggunakan INT8/INT4, dan pasukan Microsoft DeepSpeed memaksa diri mereka menjalankan FP6 pada A100 tanpa sokongan rasmi daripada Nvidia. Keputusan ujian menunjukkan bahawa kaedah baharu TC-FPx FP6 kuantisasi pada A100 adalah hampir atau kadangkala lebih pantas daripada INT4, dan mempunyai ketepatan yang lebih tinggi daripada yang terakhir. Selain itu, terdapat juga sokongan model besar hujung ke hujung, yang telah bersumberkan terbuka dan disepadukan ke dalam rangka kerja inferens pembelajaran mendalam seperti DeepSpeed. Keputusan ini juga mempunyai kesan serta-merta pada mempercepatkan model besar - di bawah rangka kerja ini, menggunakan satu kad untuk menjalankan Llama, daya pemprosesan adalah 2.65 kali lebih tinggi daripada dua kad. satu

Alamat kertas: https://arxiv.org/abs/2307.09283 Alamat kod: https://github.com/THU-MIG/RepViTRepViT berprestasi baik dalam seni bina ViT mudah alih dan menunjukkan kelebihan yang ketara. Seterusnya, kami meneroka sumbangan kajian ini. Disebutkan dalam artikel bahawa ViT ringan biasanya berprestasi lebih baik daripada CNN ringan pada tugas visual, terutamanya disebabkan oleh modul perhatian diri berbilang kepala (MSHA) mereka yang membolehkan model mempelajari perwakilan global. Walau bagaimanapun, perbezaan seni bina antara ViT ringan dan CNN ringan belum dikaji sepenuhnya. Dalam kajian ini, penulis menyepadukan ViT ringan ke dalam yang berkesan
