极客商〜GeekShop 一个面向开发者的,基于Spring + GraphQL + Angular的,无前端的(headless)电商框架。 无前端Headless指的是GeekShop框架专注于实现,它不关心特定前端界面的实现方式。GeekShop主要是面向开发者的。GeekShop暴露了基于GraphQL的电商API,通过这些API,开发者可以查询(query)数据,例如查询商品数据,或者修改(mutate)数据,例如将商品'123'添加都当前订单中。所以,基于GeekShop开发电商应用的话,开发者需要自己根据业务需要去实现前端的“店面”,例如可以使用诸如角度/React/ Vue等
2021-12-09 12:00:55 760KB graphql ecommerce angular spring
1
国栋国际大酒店及国栋南园五星景观设计方案说明.pdf
2021-12-08 15:00:30 1.28MB
300买的漫小说火车头采集和发布规则
2021-12-08 10:51:08 43.25MB 漫城 火车头 小说
2022年浙江省嘉兴市海盐于中学高三数学理联考试卷含解析.docx
2021-12-08 09:03:28 233KB 教育
某某家具五周年庆典活动策划案.doc
2021-12-07 09:03:26 29KB
进销存 家具 sqlserver 数据库课程设计
2021-12-06 23:33:39 2.03MB 进销存 家具城 sqlserver
1
卓越大融玻璃幕墙修复施工组织方案2018年-8-.doc
2021-12-04 12:01:33 21KB
我国市轨道交通已进入快速发展期,准确预测轨交通短时客流量,对于轨运营安全、运营效率及运营成本具有重要意义.轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明,DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型——GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.
1
中指-2021年一季度中国百地价指数报告-2021.3-19页.pdf
2021-11-28 10:06:41 3.51MB 行业学习