2 mem fox mem_fox 于 2016.03.01 00:52 提问

Slim模板里面通过if判断设定Class标签?
我是通过if else标签重复输出td完成的,有没有更简洁的写法?
- if match_array[0] == false
     td class="success" = obj.shoulder
  - else
     td = obj.shoulder
  - if match_array[1] == false
     td class="success" = obj.chest
  - else
     td = obj.chest
  - if match_array[2] == false
     td class="success" = obj.arm_relaxed
  - else
     td = obj.arm_relaxed

1个回答

mem_fox
mem_fox   2016.03.01 07:43

改成这样了,求更简洁写法
d = obj.member_name
td class="#{"success" if match_array[0] == false}" = obj.shoulder
td class="#{"success" if match_array[1] == false}" = obj.chest
td class="#{"success" if match_array[2] == false}" = obj.arm_relaxed
td class="#{"success" if match_array[3] == false}" = obj.waist
td class="#{"success" if match_array[4] == false}" = obj.hip
td class="#{"success" if match_array[5] == false}" = obj.thigh
td = edit_with_delete(obj)

Csdn user default icon
上传中...
上传图片
插入图片
准确详细的回答,更有利于被提问者采纳,从而获得C币。复制、灌水、广告等回答会被删除,是时候展现真正的技术了!
其他相关推荐
slim学习小解
slim语法简单来说就是一种html模板,新的写法格式,可以配合后端ruby语言,一般适用于前后端交叉开发的环境下:doctype html html head title Slim Examples meta name="keywords" content="template language" meta name="author" content=author
Slim初体验
Slim初体验Slim是轻量级的PHP框架,而且扩展性比较好,可以方便的集成其它模块。不过Slim还是比较小众的,资料查找起来不是那么多。使用Slim建站的时候,目录结构怎么设计?可以参考Laravel。Laravel是现在最流行的框架,对于新手过于复杂,学习曲线比较陡,但是其目录结构还是很有借鉴价值的! 这里有个问题,还没有搞明白:就是目录“vendor”里面存放的是Bootstrap、jque
Slim
Slim Task Check module 步骤 1、了解System resource    a. NOR-flash(internal, external SPI-Flash?) (2M), RAM size (256K), TCM(96K=32K cache + 64K memory)    b. Flash System Layout    c. System modu
slim
tf.nn.conv2d和tf.contrib.slim.conv2d的区别 http://blog.sina.com.cn/s/blog_6ca0f5eb0102wsuu.html tf.contrib.slim.conv2d (inputs, num_outputs,[卷积核个数] kernel_size,
【Tensorflow slim】slim learning包
TF-Slim在learning.py中的训练模型提供了一套简单但功能强大的工具。 这些功能包括一个训练函数可以反复测量损失,计算梯度并将模型保存到磁盘,以及用于操纵梯度的几个便利函数。 例如,一旦我们指定了模型,损失函数和优化方案,我们可以调用slim.learning.create_train_op和slim.learning.train来执行优化: g = tf.Graph() #
【Tensorflow slim】slim losses包
损失函数定义了我们想要最小化的数量。 对于分类问题,这通常是跨分类的真实分布和预测概率分布之间的交叉熵。 对于回归问题,这通常是预测值和真值之间的平方和差异。 某些模型(如多任务学习模型)需要同时使用多个损失函数。 换句话说,最终被最小化的损失函数是各种其他损失函数的总和。 例如,考虑预测图像中的场景类型以及每个像素的相机深度的模型。 这个模型的损失函数将是分类损失和深度预测损失的总和。
【Tensorflow slim】slim metrics包
我们将度量定义为一个性能度量,而不是损失函数(损失在训练期间直接进行优化),但是我们仍然对他在评估模型方面感兴趣。例如,我们可能希望尽量减少对数损失,但我们的兴趣度量可能是F1分(测试准确度)或交汇分数(不可区分,因此不能用作损失)。 TF-Slim提供了一系列度量操作,使评估模型变得简单。抽象地说,计算度量的值可以分为三部分: 初始化:初始化用于计算度量的变量。聚合:执行用于计算
【Tensorflow slim】slim variables包
在本地tensorflow中创建变量需要预定义值或初始化机制(例如,从高斯随机采样)。 此外,如果需要在特定设备(如GPU)上创建变量,则必须明确规定。 为了减少变量创建所需的代码,TF-Slim在variables.py中提供了一组简单的包装函数,这些函数允许调用者轻松定义变量。 例如,要创建权重变量,使用截断的正态分布对其进行初始化,用l2_loss调整它,并将其放在CPU上,只需声
【Tensorflow slim】slim nets包
slim nets中包含几种常用的net网络 from tensorflow.contrib.slim.python.slim.nets import alexnet from tensorflow.contrib.slim.python.slim.nets import inception from tensorflow.contrib.slim.python.slim.nets import
【Tensorflow slim】slim evaluation 函数
TF-Slim提供一个评估模块(evaluation.py),其中包含用于使用metric_ops.py模块中的指标编写模型评估脚本的帮助函数。 这些功能包括定期运行评估,评估各批数据的指标以及打印和汇总度量结果。 例如: import tensorflow as tf slim = tf.contrib.slim # Load the data images, labels = load_