기본 콘텐츠로 건너뛰기

HTML Youtube 동영상 재생 넣기

 

/* youtube video */

// 영상의 정보를 담을 video 전역 변수 선언
var section_5_video = "";

// HTML 문서가 모두 준비되면

function loadScript() {
if (typeof (YT) == 'undefined' || typeof (YT.Player) == 'undefined') {
var tag = document.createElement('script');
tag.src = "https://www.youtube.com/iframe_api";
var firstScriptTag = document.getElementsByTagName('script')[0];
firstScriptTag.parentNode.insertBefore(tag, firstScriptTag);
}
}

function loadPlayer() {
window.onYouTubePlayerAPIReady = function () {
onYouTubePlayer();
};
}

$(function () {
loadScript();
loadPlayer();
})



// 영상의 세부정보를 playser 변수에 담는다.
function onYouTubePlayer() {
section_5_video = new YT.Player('section-5-video', {
height: '300'
, width: '500'
, videoId: 'EyPo1WZAcNk'
, playerVars: {
'autoplay': 0 // 자동재생
, 'cc_load_policy': 0 // 자막 0 : on, 1 : off
, 'controls': 1 // 동영상 플레이어 컨트롤 표기
, 'disablekb': 1 // 키보드 컨트롤 사용 중지
, 'rel': 0
}
, events: {
'onReady': stopVideo
}
});
}

// 재생
function playVideo() {
section_5_video.playVideo();
}

// 일시정지
function pauseVideo() {
section_5_video.pauseVideo();
}

// 종료
function stopVideo() {
section_5_video.stopVideo();
}

// 음소거 On / Off
function volumeMute() {

// 음소거
if (section_5_video.isMuted() == true) {
section_5_video.unMute();
}

// 음소거 해제
else if (section_5_video.isMuted() == false) {
section_5_video.mute();
}
}

// 볼륨 조절
function soundControl(number) {
section_5_video.setVolume(number);
}


이 블로그의 인기 게시물

React 시작하기

App.js import Hello from './comp/Hello' ; function App() {   return (     < div className = "App" >       < Hello />     </ div >   ); } export default App; export default App; Hello.js import './Hello.css' ; function Hello() {   return (     < h1 > Hello, World! </ h1 >   ); } export default Hello; Hello.css h1 {   color : red; }

Python 인공신경망 추천 시스템(회귀)

예제 # 인공신경망을 이용한 추천 시스템 # - 순차형(Sequential) 신경망 생성법 # - 함수형(Functional) 신경망 생성법 # - 지금까지 나온 추천 방식 중에서 가장 좋은 성능 # - Regression 방식으로 분석가능 # - 영화의 평점 정보(userid, movieid, rating) # - 이용자는 영화에 대한 취향이 모두 다르다 # - 영화는 다양한 장르가 혼합되어 있다 # - 이용자는 자신의 취향에 맞는 영화에 높은 rating을 제시함 # - 어떤 이용자에게 어떤 장르의 영화를 추천할 것인가? # __call__() 함수를 가진 클래스는 파이썬 함수 callable(클래스)를 사용하면 True를 반환한다 from tensorflow.keras.models import Sequential, Model from tensorflow.keras.layers import Dense, Embedding, Input input = Input(shape=(1,)) # 함수형 신경망 생성법 hidden1 = Dense(2, activation='relu')(input) # Dense(2, activation='relu')__call__() hidden2 = Dense(2, activation='relu')(hidden1) # callable.object callable(Dense) # __call__ 함수가 있으면 True, 없으면 False # Using Functional API from keras.models import Sequential from keras.layers import * model = Sequential() model.add(Input(shape=(3,))) # Input tensor model.add(Dense(4)) # hidden layer 1 model.add(Dense(units=4)) # hidden layer 2 model.add(Dense(units=1)) # ou...

Python Sklearn make_regression

from sklearn.datasets import make_regression import matplotlib.pyplot as plt X, y = make_regression(n_samples=250, n_features=1, noise=50, random_state=2) plt.scatter(X,y, s=2) plt.show() from sklearn.linear_model import LinearRegression from sklearn.model_selection import train_test_split # 한글 깨짐 없이 나오게 설정 from matplotlib import rcParams # 인코딩 폰트 설정 rcParams['font.family'] = 'New Gulim' rcParams['font.size'] = 10 x_train, x_test, y_train, y_test = train_test_split(X,y, test_size=.20, random_state=0) x_train.shape, x_test.shape, y_train.shape, y_test.shape # 모델 생성 model = LinearRegression() # 학습하기 model.fit(x_train, y_train) # 가중치, 편향치 구하기 model.coef_, model.intercept_ # (array([90.11061494]), 2.4224269924448585) # 결정 계수 model.score(x_train, y_train) # 0.789267454050733 # 추정 pred = model.predict(x_test) # 산점도 plt.scatter(x_test,y_test) plt.plot(x_test, pred, 'r-') plt.show() # 추정 model.predict([[3.0]]) # 학습할 때 주는 데이터의 형식을 따른다 # x의 최소값, 최대값을 계수와 절편을 사용하여 ...