FE_C_P小麦

* 实际项目中我们往往都希望整个项目的 tooltip 样式应该是保持一致的 * 然而现实是管理上很难让所有开发人员做到 tooltip 样式一致（特别是没有设计的情况下），有的开发人员不愿意问，也懒

前言 正在着手正式学习D3.js相关知识，这个过程中会慢慢积累案例，分享出来 几年前曾经在实际工作中现学现卖过，不过当时只是做过一种知识图谱的数据图，这次想着既然D3.js至今都没有类似echarts

前言 前端求职越来越难了，vue 和 react 等框架越来越容易写了，后端都能写前端了，导致前端技术越来越废了，为了求生，必须搞点后端不愿意干的前端技术了，那就是 D3js 和 threejs 还有

在D3.js生态系统中,存在一些类似于ECharts的统计图表组件库,可以简化D3.js的使用复杂度。 以下是一些比较知名的基于D3.js的统计图表组件库: NVD3 一个使用D3.js构建可重用图表

那么如何才能实现一个游戏训练场景呢，我们先不用想太多，我在摸索过程中，找到了一条适合小白逐步摸索学习的路线 本文便是这条路线的第二步：加入 DQN深度学习算法，并实现训练数据持久化，实现真正的

我们使用 Gym 目标是训练一个我们想玩的游戏，但是 Gym 使用方法中，最重要的就是先给游戏定义一个训练场景，这个训练场景目前来看并非是通用的，不同的游戏由于玩法规则和游戏对象的不同，那么需要定义的

在执行训练脚本之前，我们需要把打标签的原始图片和标签文本整理到 data/xxx 目录下，还需要在 data/xxx.yaml 中写好配置信息 那每次训练模型之前都要手动这么做就太费时间了，于是我..

有一个简易的打乒乓小游戏是这样的：一个小球会从顶部随机位置开始往下掉落，底部有个一定长度的横线，需要通过左右方向按键左右移动这顶部的横线来接住小球，如果没接住小球就算游戏失败，失败了再重新开始。

相关笔记目录 YOLO V8 模型训练和目标检测初学者笔记 Yolo V8 模型训练初学者笔记 -- 目标检测应用到实际游戏程序中 Yolo V8 模型训练初学者笔记 -- win11成功调用GPU(