Přejít k navigační liště

Zdroják » Zprávičky » Liquid Canvas: knihovna pro snadné používání canvasu

Liquid Canvas: knihovna pro snadné používání canvasu

O nové HTML značce canvas, která umožňuje vykreslování na straně klienta, jste už nejspíš slyšeli. Ne každému ale může vyhovovat její javascriptové API. Proto vznikl projekt Liquid Canvas.

Jedná se o javascriptovou knihovnu postavenou jako plugin jQuery. Pokud potřebujete canvas pouze k jednoduchým účelům (např. zobrazení pozadí s gradientem a oblými rohy jako je v tomto příkladu), pak vám Liquid Canvas ušetří práci, viz příklady použití. Na ukázkách si všimněte, že práce s canvasem pomocí Liquid Canvas je deklarativní a podobá se tak trochu práci s kaskádovými styly, což je také cílem projektu. Liquid Canvas si můžete rozšířit o další funkce pomocí vlastního pluginu.

Součástí projektu je i excanvas (emulace canvasu v IE), proto výsledek funguje ve všech běžných prohlížečích.

(Zdroj: Ajaxian)

Komentáře

Odebírat
Upozornit na
guest
0 Komentářů
Nejstarší
Nejnovější Most Voted

Frugal computing: architektura pro dobu dražší infrastruktury

Vývojáři se naučili zrychlovat dotazy, přidávat cache, škálovat služby a hlídat účet za cloud. Frugal computing začíná o jednu otázku dřív: musí se výpočet, přesun dat, volání modelu nebo uložení vůbec stát? Rostoucí spotřeba datových center a nové evropské reportování ho posouvají do návrhu architektury, dřív než do závěrečné poznámky o udržitelnosti v prezentaci.

Odysseus: PewDiePie vydal open-source AI workspace, který běží na vašem vlastním hardwaru

AI
Komentáře: 0
Felix Kjellberg, youtuber se 110 miliony odběratelů, strávil rok učením se programovat a fine-tuningem vlastních AI modelů. Výsledkem je Odysseus – bezplatný, open-source workspace pro práci s umělou inteligencí, který neposílá žádná data do cloudu. Projekt má týden, přes 61 000 hvězdiček na GitHubu a znovu otevírá otázku, komu vlastně patří váš digitální kontext.

Když Git už nestačí: jak izolovat databázový stav pro pokusy AI agentů

Gitová větev vývojářům oddělí kód, ale databáze často zůstává společná. U AI agentů je to slabé místo: rychle spouštějí migrace, mění data a zkoušejí víc cest najednou. Databázová větev jim dá vlastní pracovní prostor, jenže tím práce nekončí. Ještě je potřeba řešit citlivá data, oprávnění, životnost větve i zbytek stavu aplikace.