具名插槽 slot (二)

简介: 具名插槽 slot (二)

slot 是父组件与子组件的通信方式


可以将父组件的内容显示在子组件当中


或者说可以将 让你封装的组件变的更加的灵活,强壮!



在子组件中  通过为多个slot进行命名。来接受父组件中的不同内容的数据  这就是命名插槽


插槽slot与slot之间不能有html元素


但是html可以把插槽包裹起来


所以插槽可以动态向子组件传递值


 

子组件


<template>
  <div>
    <h1>我是组件</h1>
    <h2>我是组件中显示的内容</h2>
    <div>
      <slot name="pass1"></slot>
      <div>我是第一插槽下面的内容</div>
    </div>
    <slot name="hei"></slot>
    <div>
      <slot name="wang"></slot>
      <div>这是第三个插槽下面的内容</div>
    </div>
  </div>
</template>

 

父组件


<template>
  <div>
    <!-- 第一种 -->
    <slotexmple>
      <div slot="wang">我是第三个插槽</div>
    </slotexmple>
  </div>
</template>
<script>
import slotexmple from "../../components/slot-exmple";
export default {
  data() {
    return {};
  },
  components: {
    slotexmple
  }
};
</script>


1425695-20191118233803716-1815705626.png


相关文章
|
3月前
|
数据采集 机器学习/深度学习 搜索推荐
利用通义大模型构建个性化推荐系统——从数据预处理到实时API部署
本文详细介绍了基于通义大模型构建个性化推荐系统的全流程,涵盖数据预处理、模型微调、实时部署及效果优化。通过采用Qwen-72B结合LoRA技术,实现电商场景下CTR提升58%,GMV增长12.7%。文章分析了特征工程、多任务学习和性能调优的关键步骤,并探讨内存优化与蒸馏实践。最后总结了大模型在推荐系统中的适用场景与局限性,提出未来向MoE架构和因果推断方向演进的建议。
514 10
|
4月前
|
机器学习/深度学习 传感器 搜索推荐
《洞察因果本质:解锁智能体大模型精准预测的底层逻辑》
因果表征学习作为新兴领域,致力于挖掘数据背后的因果结构,突破传统基于相关性的表征学习局限,为智能体大模型提供更精准的预测能力。通过揭示数据生成机制、打破相关性局限和整合多源信息,它在工业故障预测、农业产量优化、电商推荐等领域展现巨大潜力。尽管面临数据挖掘与框架融合等挑战,但其未来前景广阔,有望推动医疗、金融、智慧城市等多领域实现更深层次的理解与决策优化。
122 11
|
机器学习/深度学习 PyTorch TensorFlow
JAX: 快如 PyTorch,简单如 NumPy - 深度学习与数据科学
JAX: 快如 PyTorch,简单如 NumPy - 深度学习与数据科学
|
机器学习/深度学习 人工智能 达摩院
因果推理,PPT, 生成流网络,MAE...国际牛组去年「挖」出的新思路我们试着总结回顾了一下(2)
因果推理,PPT, 生成流网络,MAE...国际牛组去年「挖」出的新思路我们试着总结回顾了一下
250 0
|
机器学习/深度学习 存储 搜索推荐
将因果关系估计引入推荐系统、提升推荐模型效果,快手新研究被WWW22接收
将因果关系估计引入推荐系统、提升推荐模型效果,快手新研究被WWW22接收
452 0
|
存储 SQL 负载均衡
全球部署的分布式数据库 YugabyteDB,了解一下?
Yugabyte DB 是一个全球部署的分布式数据库,和国内的 TiDB 和国外的 CockroachDB 类似,也是受到 Spanner 论文启发,所以在很多地方这几个数据库存在不少相似之处。
全球部署的分布式数据库 YugabyteDB,了解一下?
|
SQL 消息中间件 存储
小米流式平台架构演进与实践
小米业务线众多,从信息流,电商,广告到金融等覆盖了众多领域,小米流式平台为小米集团各业务提供一体化的流式数据解决方案,主要包括数据采集,数据集成和流式计算三个模块。目前每天数据量达到 1.2 万亿条,实时同步任务 1.5 万,实时计算的数据 1 万亿条。
|
2天前
|
弹性计算 关系型数据库 微服务
基于 Docker 与 Kubernetes(K3s)的微服务:阿里云生产环境扩容实践
在微服务架构中,如何实现“稳定扩容”与“成本可控”是企业面临的核心挑战。本文结合 Python FastAPI 微服务实战,详解如何基于阿里云基础设施,利用 Docker 封装服务、K3s 实现容器编排,构建生产级微服务架构。内容涵盖容器构建、集群部署、自动扩缩容、可观测性等关键环节,适配阿里云资源特性与服务生态,助力企业打造低成本、高可靠、易扩展的微服务解决方案。
1083 0
|
11天前
|
人工智能 运维 安全