开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

除了viewencapsulation.None之外，还有没有其他方法可以替代:host /deep/？

除了使用viewEncapsulation.None和/deep/之外，还有以下几种方法可以实现样式穿透：

使用:host-context选择器：:host-context选择器可以根据宿主组件的上下文条件来选择元素。通过在组件的样式文件中使用:host-context选择器，可以选择宿主组件的父级元素并应用样式。例如，:host-context(.parent-class) .target-element可以选择宿主组件的父级元素中具有.parent-class类的.target-element元素。
使用全局样式：将样式定义在全局样式文件中，这样它们将应用于整个应用程序。通过在styles.css或styles.scss文件中定义样式，可以避免样式封装的问题。但是，这种方法可能会导致样式冲突和难以维护的问题，因此需要谨慎使用。
使用第三方库：一些第三方库（如ng-deep、ngx-shadow-dom等）提供了类似于/deep/的功能，可以用于样式穿透。这些库通常会提供自定义选择器或指令，以便在组件中使用。

需要注意的是，以上方法都有各自的优缺点和适用场景。在选择合适的方法时，需要考虑到样式的复用性、维护性以及对组件封装性的影响。

腾讯云相关产品和产品介绍链接地址：

腾讯云官网：https://cloud.tencent.com/
云服务器（CVM）：https://cloud.tencent.com/product/cvm
云原生应用引擎（TKE）：https://cloud.tencent.com/product/tke
云数据库 MySQL 版（CMYSQL）：https://cloud.tencent.com/product/cmysql
云存储（COS）：https://cloud.tencent.com/product/cos
人工智能（AI）：https://cloud.tencent.com/product/ai
物联网（IoT）：https://cloud.tencent.com/product/iotexplorer
移动开发（移动推送、移动分析）：https://cloud.tencent.com/product/mobile
区块链（TBaaS）：https://cloud.tencent.com/product/tbaas
腾讯会议：https://cloud.tencent.com/product/tcconline
腾讯文档：https://cloud.tencent.com/product/tcdoc

相关搜索:除了通过主键搜索之外，还有其他方法可以搜索吗？除了HTTP头之外，还有其他方法可以设置cookie吗？在此查询中，除了左连接之外，还有什么替代方法？除了[源]或src="{{}}“之外，是否还有其他方法可以绑定到”“src="">除了使用psql之外，还有其他方法可以将数据导入Postgres吗？除了使用Date() ios之外，还有其他方法可以获取日期时间吗除了"delete“之外，还有其他方法可以从对象中删除属性吗？在这种情况下，除了each()之外，还有什么替代方法吗除了下面的链接之外，还有什么方法可以抓取网页？除了_getexif()之外，还有其他方法可以从图像中提取元数据吗？除了使用webRTC之外，是否还有其他方法可以控制sdp会话的带宽？除了`time.sleep()`和`pygame.time.wait()`之外，还有什么替代方法？除了使用卡片登录之外，还有没有其他方法可以在机器人中登录用户？除了:鼠标悬停更改字体颜色之外，还有其他方法吗？除了自动查看器之外，还有其他方法可以找到appium中的元素吗除了在每行css后使用!importand之外，还有其他方法可以解决这个问题吗除了使用print()之外，还有什么方法可以保存for循环的结果吗？除了删除和上传之外，更新firebase存储桶中的映像还有什么替代方法？除了概念之外，C++20中还有其他的void_t替代品吗？除了命名实体识别之外，是否还有其他方法可以从句子中提取事件名称？

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

AngularDart4.0 高级-组件样式顶

Angular应用程序使用标准CSS进行样式化。这意味着您可以将所有关于CSS样式表，选择器，规则和媒体查询的知识直接应用于Angular应用程序。

02

业界 | 通过分析视网膜图像诊断心脑血管疾病：谷歌大脑团队取得医疗深度学习新进展

选自Google Blog 作者：Lily Peng 机器之心编译参与：许迪、黄小天近日，Jeff Dean 在其推特上说：「谷歌大脑团队在机器学习+医疗上再次取得新进展；我们有了令人鼓舞的新发现：非侵入式视网膜图像上含有机器学习模型可以介入的确诊心脑血管疾病的微妙指标，之前医生都不知道有这种迹象。」心脏病、中风和其他心脑血管疾病一直是人类健康的头号杀手。评估这类风险是未来降低患者罹患心脑血管疾病的关键性第一步。为此，医生要考虑多种风险因子—比如遗传（性别或年龄）、生活习惯（抽不抽烟，血压等）。大部分

当前深度学习和 SLAM 结合有哪些比较好的论文

简单介绍几个比较有代表性的工作, 分为以下几类： I. 相机重定位（Relocalization） Deep Learning 和 SLAM 结合的开山之作，剑桥的论文：PoseNet 。该方法

07

重磅长文|提高深度学习性能的四种方式

选文|Aileen 翻译|王昱森校对|寒小阳大数据文摘编辑作品转载具体要求见文末导语我经常被问到诸如如何从深度学习模型中得到更好的效果的问题，类似的问题还有：我如何提升准确度如果我的神经网络模型性能不佳，我能够做什么？对于这些问题，我经常这样回答，“我并不知道确切的答案，但是我有很多思路”，接着我会列出了我所能想到的所有或许能够给性能带来提升的思路。为避免一次次罗列出这样一个简单的列表，我决定把所有想法详细写在这篇博客里。这些思路应该是通用的，不仅能在深度学习领域帮助你，还能

07

cnn调优总结

使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。

02

实践教程：CNN调优总结

使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。

02

【长文】CNN调优总结

使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。

05

CNN调优总结

来源：Charlotte数据挖掘、深度学习爱好者本文约11000字，建议阅读15+分钟本文详细对比了各种超参数对CNN模型性能的影响。针对CNN优化的总结 Systematic evaluation of CNN advances on the ImageNet 使用没有 batchnorm 的 ELU 非线性或者有 batchnorm 的 ReLU。用类似1*1的网络结构预训练RGB数据，能得到更好的效果。使用线性学习率衰退策略。使用平均和最大池化层的和。使用大约 128（0.005）到 2

01

PhpStorm 配置 Xdebug 3，及常见问题

做PHP开发也很多年了，Xdebug也配过很多次，但总觉得不是刚需，感觉有没有都行；另一方面它配置复杂（新方法很简单），每个项目都得配一遍（新方法也避免不了），并且在公司配完，回到家还得修改hosts 中的ip（新方法不需要）。种种原因，使用Xdebug的习惯并没有延续下来。直到我近日接触了yii2中的事件，比如：

01

专栏 | 后RCNN时代的物体检测及实例分割进展

机器之心专栏作者：huichan chen 物体检测是计算机视觉的重要任务之一，从最开始的 Viola-Jones 2001 的人脸检测开始，到 Ross 的 Deformable Part Model（DPM）2007 通用物体检测，再到现在基于深度学习的 Region Convolution（RCNN）2013 模型，我们见证了物体检测的准确率快速的提升，并且计算机视觉所使用的数学方法也从 Boosting，变成了 SVM，到最近的 Deep Neural Network。基于物体检测，研究者们成功的

08

Angular 组件样式

但某些时候我们需要根据不同的条件，为指定元素应用不同的样式。对于这种场景，我们可以使用属性绑定，如：

03

JavaScript 是如何工作: Shadow DOM 的内部结构+如何编写独立的组件！

Web Components 是一套不同的技术，允许你创建可重用的定制元素，它们的功能封装在你的代码之外，你可以在 Web 应用中使用它们。

03

多租户Kubernetes

Kubernetes Multitenancy WG Deep Dive KubeCon EU 2019 (last updated 5/22/2019) 描述了4种解决方案，并做了对比:

KDD2021 | 推荐系统中利用深度哈希方法学习类别特征表示

本文分享一篇谷歌团队发表在KDD’21的推荐系统文章：不使用嵌入表的方式获得类别特征的表征用于推荐系统[1]。

02

Ian Goodfellow：生成对抗网络 GAN 就是强化学习（超全资料）

【新智元导读】今天，Ian Goodfellow开展了一场有关生成对抗网络（GAN）的最新AMA问答，从他小时候如何学习编程，如何想出GAN这个idea，到具体的技术和应用，Goodfellow都作出了专业而且诚恳的回答。Goodfellow认为不止是GAN，胶囊网络、强化学习、半监督学习等等方法都很重要，也值得更多人重视。关于GAN：想法来自酒后与同行的争论问：有传言说你是在一家小酒馆里想出了GAN的idea，是这样吗？ Ian Goodfellow ：这是真事，不仅仅是传言。我之前在好几次采访中都讲

07

ShadowDOM css样式处理详解

ShadowDOM是web components方案中非常重要的一个新增对象，它通过在custom element中使用attachShadow来开启，开启之后，一个HTMLElement将不再显示其原本内部的元素，而是显示其shadowRoot内的元素，shadowRoot是一个document fragment，是脱离原始文档流的一种存在，因此它具有css样式隔离性，通过这种隔离，我们可以很好的在应用中实现一些局部样式的重置和定义（当然，还有组件化效果）。本文将详细介绍你在处理shadowDOM时可能需要用到的一些样式处理方法。

03

flutter中如何实现deeplink

ios也支持两种，"Universal Links" 和 "Custom URL schemes"，两个功能和android类似。

01

Angular 样式使用注意事项

如果是用angular-cli生成的项目，可以在angular.json中配置样式预处理器

00

Bioinformatics | 预测药物相互作用的多模式深度学习框架

今天给大家介绍华中农业大学信息学院章文教授课题组发表在Bioinformatics的一篇文章“ A multimodal deep learning framework for predicting drug-drug interaction events ”，作者提出一个多模态深度学习框架，通过结合不同的药物特征来预测药物相互作用事件类型。

05

个人如何更高效地学习3D视觉？

很多粉丝在公众号后台留言，不知如何入门3D视觉、3D领域的主线是什么，一些难点该如何解决，有哪些方法，导师新开的3D视觉方向无人指导等等。这些痛点，工坊的许多童鞋都踩过坑，也为大家提出了许多非常有价值的问题和解决思路，涵盖了计算机视觉与深度学习、点云处理、SLAM、三维重建、结构光、双目视觉、深度估计、3D检测、自动驾驶、多传感器融合等多个方向，超详细的问题和资料汇总请移步至【3D视觉从入门到精通知识星球】，一个有点干货的学习社区！

01

2021年气象领域最佳的AI paper会是哪篇？

https://www.nature.com/articles/s41586-021-03854-z

02

3D点云的深度学习

使用卷积神经网络（CNN）架构的深度学习（DL）现在是解决图像分类任务的标准解决方法。但是将此用于处理3D数据时，问题变得更加复杂。首先，可以使用各种结构来表示3D数据，所述结构包括：

03

我总结了70篇论文的方法，帮你透彻理解神经网络的剪枝算法

无论是在计算机视觉、自然语言处理还是图像生成方面，深度神经网络目前表现出来的性能都是最先进的。然而，它们在计算能力、内存或能源消耗方面的成本可能令人望而却步，这使得大部份公司的因为有限的硬件资源而完全负担不起训练的费用。但是许多领域都受益于神经网络，因此需要找到一个在保持其性能的同时降低成本的办法。

04

自定义可遍历对象 - Struct

平常开发时经常需要做数据结构的转换映射, 例如时间区间数据，后台返回的是两个字段的对象 { startTime, endTime } , UI组件需要数组类型[ startTime, endTime ]。在结构转换中，对象字段遍历的频率是比较高的。

03

Zepto核心模块之工具方法拾遗

根据文章内容撰写摘要总结。

06

利用深度学习识别 twitter 上的药物使用情况（CS SI）

社交媒体的收集和检测已经成为研究用户心理活动和行为倾向的有效机制。通过分析收集到的 twitter 数据，建立了分类与毒品有关的 tweets 的模型。通过使用与主题相关的关键词，比如俚语和吸毒方法，生成了一组 tweets。然后对潜在的候选者进行预处理得到了3696150行的数据集。比较了支持向量机(SVM)、 XGBoost 和基于卷积神经网络(CNN)的多种分类器的分类能力不是简单的特征或属性分析，而是采用深度学习方法来筛选和分析推文的语义含义。与其他方法相比，两个基于CNN的分类器得到了最好的结果。第一组用2661个人工标记的样本进行训练，而另一组则包括综合生成的12142个样本的 tweets。准确率分别为76.35% 和82.31%，AUC分别为0.90和0.91。此外，关联规则挖掘表明，通常提到的药物与经常使用的非法物质有一定程度的对应关系，证明了该系统的实用性。最后，综合生成集提供了更高的分数，提高了分类能力，并证明了这种方法的价值。

03

Zepto核心模块之工具方法拾遗

用了document.documentElement.contains做判断，如果浏览器支持该方法，就用node.contains重新包了一层得到一个函数，差别就在于如果传入的两个节点相同，那么原生的node.contains返回true，具体用法可以查看MDN Node.contains但是$.contains返回false。

03

Visual Prompt Tuning:视觉版的P-tuning

VPT是一篇在视觉领域应用prompt tuning的文章，以往计算机视觉是先预训练好一个大模型，然后针对不同的下游任务去微调，VPT只需要引入少量的prompt参数（少于原来模型参数的1%）进行训练，就可以在很多下游任务上表现出比原来整体微调更好的效果。

03

如何优雅地躲避学术地雷 | AI阅读研究所·第1期

策划 / 晋阳编辑 / 吴璇数字时代的今天，从各个渠道涌来的各种碎片化信息数不胜数。对于 AI 领域，每天会涌现一大波国内外的技术博文、论文、文档等等。习惯了速读的你有没有问过这样一个问题：这篇文章真的有价值吗？社长在阅读许多技术博客译文的时候发现，除了部分翻译曲解原意之外，原文本身的价值也有待重新衡量。再者由于一些媒体并未对博文经过合理筛选，只为蹭热点或者利用大IP提升阅读量，“造就”了不少低含金量的内容。于是，社长决定做这样一个栏目：既帮助大家保持阅读的好习惯，又能一起来甄别出有价值的内容，供

06

深度 | Vicarious详解新型图式网络：赋予强化学习泛化能力

选自Vicarious 机器之心编译近日，人工智能初创公司 Vicarious 在官网了发表了一篇名为《General Game Playing with Schema Networks》的文章，提

07

【深度学习】参数优化和训练技巧

学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。

01

360春秋杯3道web题的简单分析

360春秋杯3道web题的简单分析 From ChaMd5安全团队核心成员 pcat&香香 where is my cat 这题一开始很坑的，存在着/.git/config这个泄露文件，而且还跟百度杯资格赛的cat题一致，那个cat题到现在还没一血，如果这题跟那题一致的话，就可以不用做了。所幸管理员说此猫非彼猫。（后期的.git文件夹都直接被移除）这题前前后后翻找了不久，一个特别要注意的点是cookies里有一个HOST=0，一开始设置把值设置为1或者一些命令，都不见什么效果。最后突破口在一开始访问网页

08

Vue0.11版本源码阅读系列一：实例化时做了什么

各位，你们没有看错，现在是2021年，vue3.0都已经出来很长一段时间了，而本系列将要带各位阅读的是0.11版本，也就是vue最早的正式版本，发布时间大概是六七年前，那时，嗯，太久远，都忘了我那时候在干什么，原因是2.0和3.0已经是一个很完善的框架了，代码量也很大，作为一个没啥源码阅读经验的老菜鸟，我不认为我有这个能力去看懂它，但同时又很想进一步的去看看它的真面目，思来想去，有两种思路，一是找到2.0或3.0的最早提交版本，然后一步一步的看它新增了什么，二是看它的早期版本，众所周知，早期版本一般都比较简单，最后决定先拿最早的版本练练手。

03

angular面试题及答案_angular面试

ngAfterContentInit:当把内容投影进组件之后调用，第一次调用ngDocheck()之后调用，只调用一次，只适用于组件

Android Deep Link 攻击面

Android Deep Link（深层链接）是一种特殊的链接协议，主要用于在应用程序之间导航和交互，使用 Deep Link 可以从一个APP跳转到另一个APP中相应的页面，实现APP间的无缝跳转。

Egg 中的内置扩展

Egg 框架提供了多种扩展点扩展自身的功能，在开发中，我们既可以使用已有的扩展 API 来方便开发，也可以对扩展点进行自定义扩展，进一步加强框架的功能，Egg 中的扩展点有以下5个：

01

序列特征的处理方法之一：基于注意力机制方法

之前两篇讲过稠密特征和多值类别特征加入CTR预估模型的常用处理方法，这篇介绍一下针对序列特征采用的最基本的注意力机制方法。

00

PyTorch权值初始化的十种方法

pytorch在torch.nn.init中提供了常用的初始化方法函数，这里简单介绍，方便查询使用。

01

【炼丹大法】如何优化深度学习模型?

学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。

01

码农技术炒股之路——数据库管理器、正则表达式管理器

我选用的数据库是Mysql。选用它是因为其可以满足我的需求，而且资料多。因为作为第三方工具，难免有一些配置问题。所以本文也会讲解一些和Mysql配置及开发相关的问题。（转载请指明出于breaksoftware的csdn博客）

02

【图像分类】关于图像分类中类别不平衡那些事

欢迎大家来到图像分类专栏，类别不平衡时是很常见的问题，本文介绍了类别不平衡图像分类算法的发展现状，供大家参考学习。

02

多视角学习|CPM-Nets：交叉不完全多视角网络

今天给大家介绍天津大学张长青教授等人的文章：“CPM-Nets: Cross Partial Multi-View Network”。该文章详细介绍了多视角学习的背景以及意义。作者从无监督学习出发，提出了交叉不完全多视角网络，这个模型考虑了不同视角之间的联系，也能良好应对数据缺失值。

01

十问机器学习

本文中的问题精选自上期【你问我答】——深度学习专题中读者的提问。【你问我答】是由美团点评技术团队推出的线上问答服务，你在工作学习中遇到的各种技术问题，都可以通过我们微信公众号发问，我们5000+工程师会义务为你解答，欢迎大家踊跃提问。高质量、定义清晰的问题会优先获得解答。 Q1：您好，有一个问题想请教一下。这里有一批用户的App行为数据，但是有些存在缺失，怎样从相对完整的用户行为数据中，推断出用户缺失的那部分行为数据？思路是怎样的？ A：如果缺失的用户行为数据是数值型，可以建立预测缺失数据的模型，用已有

观点 | 反思ICLR 2017：拼运算拼资源时代，学术研究如何生存？

选自Medium 作者：Libby Kinsey 机器之心编译参与：侯韵楚、李亚洲如今许多论文都会极其地依赖大量计算资源，这通常在学术界的经济范畴之外，所以学术研究该何去何从？该文作者 Libby Kinsey 在参加完 ICLR会议之后，总结出了这篇反思。 Libby Kinsey 在上周赴法国南部（旅程十分艰辛）参加了深度学习会议 ICLR（International Conference on Learning Representations）。会议内容无甚多变，但有一点令我十分惊诧：许多重要的

09

破局！Alan Yuille：深度学习关键在于克服组合爆炸

自2011年AlexNet在ImageNet竞赛中“封神”以来，计算机视觉领域的所有突破几乎都来自深度神经网络。

05

【强化学习】DQN 的各种改进

DQN 发表于 NIPS 2013，在此之后 DeepMind 不断对 DQN 进行改进，首先在 2015 年初发布了 Nature 文章，提出了 Nature 版本的 DQN，然后接下来在 2015 年一年内提出了 Double DQN，Prioritied Replay，还有 Dueling Network 三种主要方法，又极大的提升了 DQN 的性能，目前的改进型 DQN 算法在 Atari 游戏的平均得分是 Nature 版 DQN 的三倍之多。因此，在本文中，我们将介绍一下各个改进的方法，并在最后给出用 Nature-DQN 的实现方法。

03

【Briefings in Bioinformatics】四篇好文简读-专题11

Subtype-WESLR: identifying cancer subtype with weighted ensemble sparse latent representation of multi-view data

02

深度学习调参tricks总结！

学习率是一个非常非常重要的超参数，这个参数呢，面对不同规模、不同batch-size、不同优化方式、不同数据集，其最合适的值都是不确定的，我们无法光凭经验来准确地确定lr的值，我们唯一可以做的，就是在训练中不断寻找最合适当前状态的学习率。

03

【Bioinformatics】四篇好文简读-专题4

MultiDTI: drug–target interaction prediction based on multi-modal representation learning to bridge the gap between new chemical entities and known heterogeneous network

02

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭