首页 > 其他分享 >rank

rank

时间:2024-06-21 20:54:10浏览次数:20  
标签:font text value rank rgba 0px

<template>
  <div class="ting-rank">
    <ul>
      <li v-for="(item, index) in list" :key="index + item.text" style="background-image: url('http://42.193.126.16:9000/sjoss/upload/20240618/550a392d60a5e3f6334a526bef1579c3.png')">
        <span class="index">{{ index + 1 }}</span>
        <span class="text">{{ item.text }}</span>
        <div class="bar-wrapper">
          <div class="bar" :style="{ background: colorList[index].barBg, width: (item.value / max)*100 + '%' }"></div>
        </div>
        <div class="value-wrapper">
          <span :style="{ color: colorList[index].valueColor }">{{ item.value }}</span>
          <span class="unit">人</span>
        </div>

      </li>
    </ul>
  </div>
</template>

<script>
export default {
  name: 'TingRank',
  data: () => {
    return {
      colorList: [
        { valueColor: 'rgba(0, 248, 255, 1)', barBg: 'linear-gradient( 270deg, #FFFFFF 0%, #00F8FF 2%, #17B9BE 41%, rgba(0,176,253,0) 100%)' },
        { valueColor: 'rgba(255, 224, 77, 1)', barBg: 'linear-gradient( 270deg, #FFFFFF 0%, #FFE04D 2%, #F45A23 41%, rgba(244,90,35,0) 100%)'  },
        { valueColor: 'rgba(0, 255, 150, 1)', barBg: 'linear-gradient( 270deg, #FFFFFF 0%, #BAFA54 2%, #4EDE74 41%, rgba(85,223,113,0) 100%)' },
        { valueColor: 'rgba(0, 176, 253, 1)', barBg: 'linear-gradient( 270deg, #FFFFFF 0%, #6DD2FF 2%, #00B0FD 41%, rgba(0,176,253,0) 100%)' },
        { valueColor: 'rgba(0, 248, 255, 1)', barBg: 'linear-gradient( 270deg, #FFFFFF 0%, #00F8FF 2%, #17B9BE 41%, rgba(0,176,253,0) 100%)' },
      ],
      list: [
        { text: '工程学院', value: 0 },
        { text: '土木工程学院', value: 0 },
        { text: '程学院', value: 0 },
        { text: '程学院', value: 0 },
        { text: '信息程学院', value: 0 },
      ]
    }
  },
  computed: {
    max() {
      let n = this.list[0].value
      this.list.forEach(item => {
        if (item.value - n > 0) n = item.value
      })
      return n
    }
  },
  created() {
    const dataChart = this.dataChart; // 大屏编辑器暴露的属性
    if (dataChart) {
      this.text = dataChart.text
    }
  },
}
</script>
<!-- console.log(this.dataChart) -->
<style scoped>
.ting-rank {
  
}
.ting-rank ul{
  list-style: none;
  padding-left: 0;
}
.ting-rank ul li{
  display: flex;
  align-items: center;
  /* background-color: RGBA(5, 35, 55, 1); */
  margin-bottom: 16px;
  position: relative;
  padding: 0 10px;
}
.ting-rank ul li .index{
  width: 36px;
  height: 36px;
  border-radius: 50%;
  display: flex;
  justify-content: center;
  align-items: center;
  font-family: DIN, DIN;
  font-weight: 500;
  font-size: 26px;
  color: #FFFFFF;
  line-height: 0px;
  text-shadow: 0px 2px 4px #002A40;
  text-align: left;
  font-style: normal;
  text-transform: none;
  background: linear-gradient( 180deg, #00B0FD 0%, #003F68 100%);
  box-shadow: -2px 1px 4px 1px #021223, inset 0px 2px 4px 1px rgba(255,255,255,0.45);
}
.ting-rank ul li .text{
  position: absolute;
  top: 0;bottom: 0;left: 70px;
  display: flex;
  align-items: center;
  font-family: Microsoft YaHei, Microsoft YaHei;
  font-weight: 400;
  font-size: 18px;
  color: #F3F7FF;
  text-align: left;
  font-style: normal;
  text-transform: none;
}
.ting-rank ul li .bar-wrapper {
  flex: 1;
  height: 10px;
  background: linear-gradient( 90deg, rgba(16,58,96,0) 0%, #18588E 100%);
  border-radius: 0px 0px 0px 0px;
}
.ting-rank ul li .bar-wrapper .bar {
  width: 222px;
  height: 10px;
  background: linear-gradient( 270deg, #FFFFFF 0%, #00F8FF 2%, #17B9BE 41%, rgba(0,176,253,0) 100%);
  border-radius: 0px 0px 0px 0px;
}
.ting-rank ul li .value-wrapper {
  width: 60px;
  padding-left: 10px;
  display: flex;
  justify-content: space-between;
  color: rgba(0, 248, 255, 1);
}
.ting-rank ul li .value-wrapper .unit {
  width: 16px;
  height: 16px;
  font-family: MicrosoftYaHei, MicrosoftYaHei;
  font-weight: 400;
  font-size: 16px;
  color: #B9CCDF;
  text-align: left;
  font-style: normal;
  text-transform: none;
}
</style>

 

标签:font,text,value,rank,rgba,0px
From: https://www.cnblogs.com/ladybug7/p/18261324

相关文章

  • 生成式 AI 服务应用之Langchain 和 DashScope Reranker 彻底改变您的文档检索过程(教程
    介绍在当今信息泛滥的时代,找到所需的确切文档似乎是一件不可能完成的事情。传统搜索引擎经常让您在无关内容中苦苦挣扎,浪费宝贵的时间。但不要担心,因为有一对强大的组合正在等待彻底改变您的搜索体验:Langchain和DashScopeReranker。推荐文章《如何使用CodeLlama......
  • Sigir2024 ranking相关论文速读
    简单浏览一下Sigir2024中与ranking相关的论文。不得不说,自从LLM大热后,传统的LTR方向的论文是越来越少了,目前不少都是RAG或类似场景下的工作了,比如查询改写、rerank等。目录TheSurprisingEffectivenessofRankersTrainedonExpandedQueriesCanQueryExpansionImproveGene......
  • ALoRA: Allocating Low-Rank Adaptation for Fine-tuning Large Language Models
    本文是LLM系列文章,针对《ALoRA:AllocatingLow-RankAdaptationforFine-tuningLargeLanguageModels》的翻译。ALoRA:为微调大型语言模型分配低秩自适应摘要1引言2相关工作3方法4实验5结论摘要参数有效微调(PEFT)在大语言模型时代因其有效性和效率而......
  • Large Language Models are Zero-Shot Rankers for Recommender Systems论文阅读笔记
    LargeLanguageModelsareZero-ShotRankersforRecommenderSystems论文阅读笔记Abstract​ 本工作旨在调查作为推荐系统的排名模型的LLM的能力。我们首先将推荐问题形式化为一个条件排序任务,将顺序交互历史作为条件,并将其他候选生成模型检索到的项目作为候选项。为了解决LL......
  • 阿里重排论文PRM 《Personalized Re-ranking for Recommendation》
    和DLCM做法类似,都是使用序列模型对rank后的结构做rerank,不同点是PRM使用了transformencoder来建模,并且使用了用户预训练向量和位置向量最后一层使用了softmax来计算每个item被点击的概率(论文提到使用click作为label,也就是所存在多个label为1的情况,不知道有没有做什么特殊处理),并......
  • Kaplan-Meier检验和Log-Rank检验
    1.在做生存分析的时候我们实际上是在做一些什么?(1)描述一个组内个体的生存时间在此目标下有两种方法:寿命表法(Lifetablesmethods)&  非参数Kaplan-Meier曲线但在临床研究中使用寿命表法的文章日益减少,使用Kaplan-Meier越来越多(2)比较两个或多个组的生存时间Log-r......
  • 通过MPI_Comm_rank()、MPI_Comm_size()获取进程标志
    认识三个MPI函数:(1)获取当前进程标识函数:intMPI_Comm_rank(MPI_Commcomm,int*rank)(2)获取通信域包含的进程总数函数:intMPI_Comm_size(MPI_Commcomm,int*size)(3)获取本进程的机器名函数:intMPI_Get_processor_name(char*name,int*resultlen)代码示例:/*文件名:hello......
  • PageRank算法概述与Python实现
    PageRank算法是一种用于评估网页重要性的算法。它基于网页之间的链接结构来确定网页的权重和重要性。算法的核心思想是通过迭代计算网页之间的链接关系,以确定每个网页的权重。它将互联网视为一个有向图,其中网页是节点,链接是有向边。算法通过以下方式计算网页的PageRank值:每个网页......
  • PaddleSeg2.8训练验证时报错[Hint: Expected axis >= -rank && axis < rank == true,
    1.报错问题ValueError:(InvalidArgument)Theaxisisexpectedtobeinrangeof[0,0),butgot0[Hint:Expectedaxis>=-rank&&axis<rank==true,butreceivedaxis>=-rank&&axis<rank:0!=true:1.]2.解决办法上述报错问题是在......
  • rerank来提升RAG的准确度的策略
     RAG(Retrieval-AugmentedGeneration)是一种结合检索和生成两种技术的模型,旨在通过检索大规模知识库来增强文本生成任务的准确性。要通过reranking(重排序)来提升RAG的准确度,可以采取以下策略:1.使用更精细的评分函数RAG通常会在检索阶段根据输入问题或上下文生成一系列候选文档......