谷歌浏览器安装devtools工具

在浏览器中输入极简插件，然后打开如下的网页，在搜素框中输入vue 出现下图 点击推荐下载
（地址：https://chrome.zzzmh.cn/info/nhdogjmejiglipccpnnnanhbledajbpd）
在这里插入图片描述
打开谷歌浏览器如图 选择“扩展程序”在这里插入图片描述
点开之后，直接把谷歌下载好的插件中的nhdogjmejiglipccpnnnanhbledajbpd_6.6.1_chrome.zzzmh.cn.crx拖拽进去即可
在这里插入图片描述
再次打开我们的vue项目 我们就可以看见我们vue项目的结构了

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：/a/645361.html

如若内容造成侵权/违法违规/事实不符，请联系我们进行投诉反馈qq邮箱809451989@qq.com，一经查实，立即删除！

相关文章

Python实现xml解析并输出到Excel上

Python实现xml解析并输出到Excel上

1.编写xml文件 2.使用Python的ElementTree模块来解析XML import xml.etree.ElementTree as ET from openpyxl import Workbook # 解析XML函数 def parse_xml(xml_file):tree ET.parse(xml_file)root tree.getroot() --打开根节点data []for user in root.findall(Users/Us…
阅读更多...
微信小程序毕业设计-学生知识成果展示与交流系统项目开发实战(附源码+演示视频+LW)

微信小程序毕业设计-学生知识成果展示与交流系统项目开发实战(附源码+演示视频+LW)

大家好！我是程序猿老A，感谢您阅读本文，欢迎一键三连哦。 💞当前专栏：微信小程序毕业设计 精彩专栏推荐👇🏻👇🏻👇🏻 🎀 Python毕业设计…
阅读更多...
python文件处理之os模块和shutil模块

python文件处理之os模块和shutil模块

目录 1.os模块 os.path.exists(path)：文件或者目录存在与否判断 os.path.isfile(path)：判断是否是文件 os.path.isdir(path)：判断是否是文件夹 os.remove(path)：尝试删除文件 os.rmdir(path)：尝试删除目录 os.m…
阅读更多...
程序员分享好用的工具，用来用去还是觉得这几款软件最实用

程序员分享好用的工具，用来用去还是觉得这几款软件最实用

大家好，我是程序员大猩猩。 作为一个程序员，除了经常要使用到的开发工具，如：Jetbrains家的IntelliJ IDEA以及它家族工具，如WebStorm、PhpStorm和GoLand都是非常好的语言开发工具。 相对于语言开发工具，我…
阅读更多...
【LLM多模态】综述Visual Instruction Tuning towards General-Purpose Multimodal Model

【LLM多模态】综述Visual Instruction Tuning towards General-Purpose Multimodal Model

note 文章目录 note论文1. 论文试图解决什么问题2. 这是否是一个新的问题3. 这篇文章要验证一个什么科学假设4. 有哪些相关研究？如何归类？谁是这一课题在领域内值得关注的研究员？5. 论文中提到的解决方案之关键是什么？6. 论文中的…
阅读更多...
民宿bug

民宿bug

前端 后端 1 订单管理 订单日期已过，状态没有变成已完成
阅读更多...
Scikit-Learn朴素贝叶斯

Scikit-Learn朴素贝叶斯

Scikit-Learn朴素贝叶斯 1、朴素贝叶斯1.1、贝叶斯分类1.2、贝叶斯定理1.3、贝叶斯定理的推导1.4、朴素贝叶斯及原理1.5、朴素贝叶斯的优缺点2、Scikit-Learn朴素贝叶斯2.1、Sklearn中的贝叶斯分类器2.2、Scikit-Learn朴素贝叶斯API2.3、Scikit-Learn朴素贝叶斯实践（新闻分类与…
阅读更多...
..堆..

..堆..

堆 堆是完全二叉树，即除了最后一列之外，上面的每一层都是满的（左右严格对称且每个节点都满子节点） 最后一列从左向右排序。 默认大根堆：每一个节点都大于其左右儿子，根节点就是整个数据结构的最大值 pr…
阅读更多...
解决Vue3+TS+vite，VSCode 高亮语法错误

解决Vue3+TS+vite，VSCode 高亮语法错误

一般像这种提示，有可能就是TypeScript语法的识别问题， 一般我们重装一下Vue - Official插件 或者将tcconfig.json中的moduleResolution改为node模式， 基本都是TypeScript无法识别vue文件中的TypeScript语句导致的
阅读更多...
一行代码实现UI拖拽的效果

一行代码实现UI拖拽的效果

演示 先来看效果吧！ 实现方式 1.首先创建一个你想拖动的UI图片 2.创建一个C#的脚本 3.编写控制脚本（代码按我的敲就行） 付上代码片段 public void OnDrag(PointerEventData eventData){transform.position eventData.position;} 4.添加脚…
阅读更多...
21.2zabbix低级自动发现-mysql多实例

21.2zabbix低级自动发现-mysql多实例

配置mysql多实例 注释：自动发现：创建监控主机；低级自动发现：创建监控项 mysql单实例是直接yum安装，开启mysql多实例 准备配置文件 #mysql3307实例 cp /etc/my.cnf /etc/my3307.cnf vim /etc/my3307.cnf [mysqld] dat…
阅读更多...
FPGA实现多路并行dds

FPGA实现多路并行dds

目录 基本原理 verilog代码 仿真结果​ 基本原理 多路并行dds，传统DDS的局限性在于输出频率有限。根据奈奎斯特采样定理，单路DDS的输出频率应小于系统时钟频率的一半。但是在很多地方，要使采样率保持一致，所以，为了…
阅读更多...
蓝桥杯备赛——DP【python】

蓝桥杯备赛——DP【python】

一、小明的背包1 试题链接：https://www.lanqiao.cn/problems/1174/learning/ 问题描述 输入实例 5 20 1 6 2 5 3 8 5 15 3 3 输出示例 37 问题分析 这里我们要创建一个DP表，DP（i，j）表示处理到第i个物品时消耗j体…
阅读更多...
Java8Stream

Java8Stream

目录 什么是Stream? IO流： Java8Stream： 什么是流？ stream图解 获取流 集合类，使用 Collection 接口下的 stream() 代码 数组类，使用 Arrays 中的 stream() 方法 代码 stream，使用 Stream 中的…
阅读更多...
牛客网刷题 | BC100 直角三角形图案

牛客网刷题 | BC100 直角三角形图案

目前主要分为三个专栏，后续还会添加： 专栏如下： C语言刷题解析 C语言系列文章 我的成长经历 感谢阅读！ 初来乍到，如有错误请指出，感谢！ 描述 KiKi学习了循环&am…
阅读更多...
注意力机制篇 | YOLOv8改进之引入用于目标检测的混合局部通道注意力MLCA

注意力机制篇 | YOLOv8改进之引入用于目标检测的混合局部通道注意力MLCA

前言：Hello大家好，我是小哥谈。注意力机制是可以帮助神经网络突出重要元素，抑制无关元素。然而，绝大多数通道注意力机制只包含通道特征信息，忽略了空间特征信息，导致模型表示效果或目标检测性能较差，且空间注意模块往往较为复杂。为了在性能和复杂性之间取得平衡，本文提…
阅读更多...
AI遇上遥感，未来会怎样？

AI遇上遥感，未来会怎样？

随着航空、航天、近地空间等多个遥感平台的不断发展，近年来遥感技术突飞猛进。由此，遥感数据的空间、时间、光谱分辨率不断提高，数据量也大幅增长，使其越来越具有大数据特征。对于相关研究而言，遥感大数据的出现为其提…
阅读更多...
C++基础与深度解析 | 泛型算法 | bind | Lambda表达式

C++基础与深度解析 | 泛型算法 | bind | Lambda表达式

文章目录 一、泛型算法1.泛型算法的分类2.迭代器分类 二、bind与lambda表达式1.bind2.lambda表达式 三、泛型算法的改进--ranges(c20) 一、泛型算法 C中的泛型算法是标准模板库（STL）的一部分（这里重点讨论 C 标准库中定义的算法，而…
阅读更多...
5.25机器人基础-空间描述和变换1

5.25机器人基础-空间描述和变换1

参考资料：《机器人学导论》John.J.Craig 彻底搞懂“旋转矩阵/欧拉角/四元数”，让你体会三维旋转之美_欧拉角判断动作-CSDN博客 机器人操作的定义是指通过某种机构使零件和工具在空间运动。因此，对于坐标系的定义显得尤为重要，相…
阅读更多...
模型评价指标笔记：混淆矩阵+F1+PR曲线+mAP

模型评价指标笔记：混淆矩阵+F1+PR曲线+mAP

评价指标 二分类评价指标 混淆矩阵 TP: 正确预测为了正样本，原来也是正样本 FN: 错误的预测为负样本，原来是正样本 (漏报，没有找到正确匹配的数目) FP: 错误的预测为正样本，原来是负样本 (误报，没有的匹配不正确) TN…
阅读更多...
最新文章

Copyright @ 2022~2023