【Axure學習】（一）Axure元素如何進行垂直等距分佈？
註冊畫面比較常見，所以元素如何能又快又好的分佈好就顯得很關鍵。
如果把label標籤和後面的文字輸入框進行組合（Ctrl+G），在拖動定位時，就會減少很多不必要的勞動。設計好欄位後，儘量用複製貼上來保證文字框的大小一致。（也可以用對齊）。
性別那一行也組合起來，好調整位置。
欄位垂直方向等距離分佈：Ctrl+Shift+U.
相關推薦
【Axure學習】（一）Axure元素如何進行垂直等距分佈？
註冊畫面比較常見，所以元素如何能又快又好的分佈好就顯得很關鍵。 如果把label標籤和後面的文字輸入框進行組合（Ctrl+G），在拖動定位時，就會減少很多不必要的勞動。設計好欄位後，儘量用複製貼上來保證文字框的大小一致。（也可以用對齊）。
【Axure學習】（二）Axure遮罩層
遮罩層實現方案： 1. 在網站上面加一層動態面板，大小和網站相同。 2. 在該層上面再加一個動態面板（登陸框）， 3. 當點選登陸框的關閉按鈕時，遮罩層和登入框都隱藏。（回到主頁面） 4. 這兩個動態面板初始都設為隱藏狀態，當點選主頁面的【登陸】按鈕時
【java並發編程藝術學習】（一）初衷、感想與筆記目錄
家庭 需求 ring 薪資 問題 發現 開發 nbsp 編程 不忘初心，方得始終。 學習java編程這麽長時間，自認為在項目功能需求開發中沒啥問題，但是之前的幾次面試和跟一些勤奮的或者小牛、大牛級別的人的接觸中，才發現自己的無知與淺薄。 學習總得有個方向吧，現階段就想把並發
【web框架】【zheng學習筆記（一）】【本地環境搭建】
zheng專案是一個非常值得學習的web開發框架，在碼雲的web開發框架排名第一。特此記錄下學習過程。 zheng的簡介吧:https://gitee.com/shuzheng/zheng。 zheng是基於Spring+SpringMVC+Mybatis分散式敏捷開發系統架構，提供整套公共
【TensorFlow學習筆記（一）】利用Anaconda安裝TensorFlow（windows系統）
1.安裝Anaconda Anaconda官網 由於檔案很大，所以下載速度會很慢，可以採用映象下載 下載完之後，如果你的電腦系統時win8+，一定要以管理員身份執行安裝包。 有一個地方需要注意下： 第一個勾是是否把Anaconda加入環境變數，這涉及到
【EOS學習筆記（一）】linux下的C++程式設計師的春天,附EOS環境安裝詳細步驟
在參加了4月28日柏鏈道捷組織的EOS沙龍後，對linux下c/c++程式設計師來說，彷彿深夜裡點亮了一盞明燈，EOS在6月份主網上線，目前智慧合約只能使用c/c++編寫，門檻不低，而且需要使用很多unix命令，這個對linux程式設計師來說簡直就是量身打造的！ 學
【WCF系列】（一）為什麽我們需要WCF
企業網 密碼 統一 兼容 erp service mage 數據完整性 圖片 為什麽我們需要WCF 傳統分布式軟件的架構分析 一個開發需求：社保平臺 訪問量較大客戶端類型/平臺多和其他系統交互多快速開發/部署結構復雜（B/S、C/S、桌面、服務…） 傳
【GLSL教程】（一）圖形流水線
這是一些列來自 lighthouse3d 的GLSL教程，非常適合入門。我將邊學習邊翻譯該教程的內容，同時記錄在這裡，方便以後查詢。 流水線概述 下圖描述了一個簡化的圖形處理流水線，雖然簡略但仍然可以展示著色器程式設計（shader programming）的一些重要概念。 一
【知識積累】（一）、瞭解Regex（正則表示式）
一、正則表示式簡介 一種可以用於模式匹配和替換的規範，由普通字元 + 特殊字元構成一個模板，用於對目標字串進行匹配、查詢、替換、判斷。 原始碼：JDK1.4中的java.util.regex下的Pattern和Matcher類。 二、常用語法 1、字元取值範圍 [abc]：表示可能是a
【設計模式】（一）-簡單工廠模式和策略模式
前言 最近開始和春哥，張鐸 ，銀平討論設計模式，成立了一個小菜變大鳥的小組，每天討論一個模式，並且把這個模式搞懂，每學一個新的模式，再回顧一下之前學的模式。這兩天學了簡單工廠模式和策略模式，發現兩個模式有很多相同之處，下面用商場促銷的例子來對兩個模式總結一下。 簡單工廠模式 1.
【程式設計模式】（一） ------ 命令模式 和 “重做” 及 “撤銷”
前言 本文及以後該系列的篇章都是本人對 《遊戲程式設計模式》這本書的閱讀理解，從中對一些原理，用更直白的語言描述出來，並對部分思路或功能進行初步實現。而本文所描述的 命令模式， 相信讀者應該都有了解過或聽說過，如果尚有疑惑的讀者，我希望本文能對你有所幫助。 命令模式是設計模式中的一種，但該系列所指的程式設計模
【環境配置】（一）windows下面配置opencv/opencv_contrib編譯
windows下面配置opencv2/3很簡單，有兩種方式 方式一：直接下載編譯好的.exe檔案安裝即可，使用的時候配置相關include,dll,lib就行了 這種方式下opencv3只會有兩個dll,opencv_world和opencv_ts 方式二：下載原始碼，
【計算機網路】（一）OSI, TCP/IP模型 & 網路HTTP、TCP、UDP、Socket 基本知識總結
OSI 七層模型 我們一般使用的網路資料傳輸由下而上共有七層,分別為物理層、資料鏈路層、網路層、傳輸層、會話層、表示層、應用層,也被依次稱為 OSI 第一層、第二層、⋯⋯、 第七層。 如下圖: 各層功能簡介 1.物理層(Physical Layer)
ACM中的【數學知識】之【組合數學】（一） Polya定理的簡單理解 POJ 1286
因為數學渣，Polya定理不是很清楚，但其實際操作大概如下。 解釋下上圖。 N個位置，K種顏色放置。 x1,x2,x3,x4,……，xn （x1,x2,x3……xn)∈{1 2 3 4 …… K} 則 放置總數為上圖 |G| 是【所有的（被定義的）置換（也就是變化的方式）
必須知道的八大種排序演算法【java實現】（一） 氣泡排序、快速排序
氣泡排序 氣泡排序是一種簡單的排序演算法。它重複地走訪過要排序的數列，一次比較兩個元素，如果他們的順序錯誤就把他們交換過來。走訪數列的工作是重複地進行直到沒有再需要交換，也就是說該數列已經排序完成。這個演算法的名字由來是因為越小的元素會經由交換慢慢“浮”到數列的頂端。 氣泡排序的示例： 氣
【機器學習】（5）：貝葉斯決策定理
其中，P(C|x)表示觀測到資料x時事件C發生的條件概率，我們稱為後驗概率（posterior probability）；P(C)=P(C=1)是事件C=1發生時的概率，稱為先驗概率（prior probabilty），因為這是在觀察到資料x之前就已經得到的關於C的知識；P(x|C)稱為類似然，與
Machine Learning第九講【推薦系統】--（一）基於內容的推薦系統
符號介紹： 對於每一個使用者j，假設我們已經通過學習找到引數，則使用者j對電影i的評分預測值為：。 對於上面的例子：
Machine Learning第九講【異常檢測】--（一）密度估計
一、Problem Motivation（問題引入） 異常檢測一般應用在非監督學習的問題上，如圖，我們可以通過已知的資料集，訓練模型 根據此模型進行異常檢測： 在使用這些資料訓練的過程中，我們假設這些資料是正常的。 我們可以把異常檢測應用在網站欺詐預測上，比如可以根據使用者平時
【pycharm 教程】（一）安裝和首次使用
Opencv學堂 http://mp.weixin.qq.com/s?__biz=MzA4MDExMDEyMw==&mid=100000109&idx=1&sn=7540b49e869c3e27f87c84f6f3dfe9a8&chksm
【計算機網路】（一）HTTP 狀態碼
HTTP 403 - 禁止訪問 HTTP 403 - 對 Internet 服務管理器 (HTML) 的訪問僅限於 Localhost HTTP 403.1 禁止訪問：禁止可執行訪問 HTTP 403.2 - 禁止訪問：禁止讀訪問 HTTP 403.3 - 禁止訪問：禁止寫訪問 HTTP 403.4 - 禁