你说的挺科学的，lazyload 是一个预先加载一个1K的图片再到真的图片加载完成后再加载出来，你说的这样的东西更像是ajax滚动加载，比如百度无限瀑布流。

如果看不懂图例的要求，我再补充下：表1是一级目录 表2是二级目录 然后商品全部都在表2里面对应，表2的分类全部都在表1里面。 我想通过 查询表1里面的一条字段就对饮将表一所有的耳机目录下 所有的商品记录都查询出来。

我再利用真正例率和假正例率计算KS的时候发现，这两跟曲线会交叉，平时看到别人的都没有交叉，是我的代码错了？还是我的数据表现就是这样的？这个是我的图

简单的说，就是通过现有的图像为基础特征，在网络海量图片中寻找和已知图片相似的图片的过程，以待检测图片的特征提取为基础，把检索图片库中的图片进行特征提取完后，建立检索结构，最后输入提取完特征的待检测图片，把准备好的基础特征库通过检索引擎找出相似度较高的图像。

参照图片fontsize为14, heightScale 为 1.57结果计算高度为16，不符合预期

用百度地图sdk实现简单的点击创建marker的功能。在pc端实现了，并且无偏移（点击哪里就能哪里生成），但h5点击生成会有很大的偏移（无论是真机预览，还是f12的手机预览效果）有大会知道怎么解决吗？

如图所示。后端真正返回给我的数据实在第二层data里面。我应该如何在全局做一层数据处理？在哪里做比较合适？

这是由于上传的图片通过了重命名的方式改变了图片格式后缀，导致图片格式与命名格式不统一造成的无法上传，需要将图片格式转化与后缀一致，然后重新上传。

这是A表 这是B表 这是A和Bjoin查询结果 如果如果你确定A是一对多关系中的一，那么查出的结果必然如图三一样 如果B为主表，则查询结果会如下图所示 如果你查出的情况如图四所示，估计你主从表在查询的时候位置颠倒了

本直接调用pytorch框架下的deeplabv3-resnet50网络进行训练，，训练和预测的图片格式相同，loss值也在不断收敛，但是模型预测全为背景，附训练代码与预测代码

1.普通的get请求，在一个简单的demo中跑是没有问题的，但是我在正式工程中调用就会报初始化错误；debug跟踪到如下图所示地方 2.各处都搜不到类似问题，简单clean工程无效。 3.附上调用截图与错误截图：

本地图片确实是不可以的，后面通过选取手机相册内的照片，可以预览，前提是在真机上演示。 代码如下：

PS是设计像素图的，图片变大会失真。 AI是设计矢量图的，图片变大不会失真。所以我认为应该或多或少了解一点。

使用Tensorflow的keras来处理一个文本情感多分类问题的，但是在构建模型的时候出现了一些莫名其妙的问题？Error when checking target: expected dense_3 to have 2 dimensions, but got array with shape (4500, 4, 4)

直接看图，其实图片并不是很大，单独在浏览器请求了下图片的地址，也就几十毫秒的时间，vue里加载真的超级费时间，只能使用 图片预加载去解决了。但是原因是为什么？而且用css background:url()这种的，加载的图片也是很慢的，有懂的可以解释下么？

要对几组不同数量级的数据进行横向分类比较，比如：若个地区高中低三种收入水平的人数对比。 在同一个坐标系中，由于高中低的数量级差异悬殊，会导致小数据柱形图趋近于0，直接取对数又会导致对比不明显。应该怎么处理原始数据？ 我用的绘图库是Highcharts，顺便问下如果用气泡图又该怎么做？

只有矢量图才会放大不失真。标量图肯定会失真的