Drupal7 forms_api_reference.html

http://api.drupal.org/api/drupal/developer--topics--forms_api_reference.html/7

Form Controls

图例:

X= 可以被这个类型使用
- = 不能被这个类型使用

#typecheckboxcheckboxesdatefieldsetfilemachine_namemanaged_filepasswordpassword_confirmradioradiosselecttableselecttext_formattextareatextfieldvertical_tabsweight
#accessXXXXXXXXXXXXXXXXXX#access
#after_buildXXXXXXXXXXXXXXXXXX#after_build
#ajaxXX---X---XXXXXXX--#ajax
#array_parentsXXXXXXXXXXXXXXXXXX#array_parents
#attachedXXXXXXXXXXXXXXXXXX#attached
#attributesXXXXXXXX-XXXXXXX-X#attributes
#autocomplete_path-----X---------X--#autocomplete_path
#collapsed---X--------------#collapsed
#collapsible---X--------------#collapsible
#cols-------------XX---#cols
#default_tab----------------X-#default_tab
#default_valueXXX--X---XXXXXXX-X#default_value
#delta-----------------X#delta
#descriptionXXXXXXXXXXXX-XXX-X#description
#disabledXXX-XXXXXXXX-XXX-X#disabled
#element_validateXXXXXXXXXXXXXXXXXX#element_validate
#empty------------X-----#empty
#empty_option-----------X------#empty_option
#empty_value-----------X------#empty_value
#field_prefixX----X-XXX-X--XX--#field_prefix
#field_suffixX----X-XXX-X--XX--#field_suffix
#group---X--------------#group
#header------------X-----#header
#typecheckboxcheckboxesdatefieldsetfilemachine_namemanaged_filepasswordpassword_confirmradioradiosselecttableselecttext_formattextareatextfieldvertical_tabsweight#type
#js_select------------X-----#js_select
#maxlength-----X-X-------X--#maxlength
#multiple-----------XX-----#multiple
#options-X--------XXX-----#options
#parentsXXXXXXXXXXXXXXXXXX#parents
#post_renderXXXXXXXXXXXXXXXXXX#post_render
#prefixXXXXXXXXXXXXXXXXXX#prefix
#pre_renderXXXXXXXXXXXXXXXXXX#pre_render
#processXXXXXXXXXXXXXXXXXX#process
#requiredXXX-XX-XXXXX-XXX-X#required
#resizable-------------XX---#resizable
#return_valueX--------X--------#return_value
#rows-------------XX---#rows
#size----XX-XX--X---X--#size
#statesXXXXXXXXXXXXXXXXXX#states
#suffixXXXXXXXXXXXXXXXXXX#suffix
#themeXXXXXXXXXXXXXXXXXX#theme
#theme_wrappersXXXXXXXXXXXXXXXXXX#theme_wrappers
#titleXXXXXXXXXXXX-XXX-X#title
#title_displayXXXXXXXXXXXX-XXX-X#title_display
#treeXXXXXXXXXXXXXXXXXX#tree
#value_callbackXXXXXXXXXXXXXXXXXX#value_callback
#weightXXXXXXXXXXXXXXXXXX#weight


特殊元素

#typeactionsbuttoncontainerimage_buttonsubmitformhiddentokenmarkupitemvalue
#accessXXXXXXXXXX-
#action-----X-----
#after_buildXXXXXXXXXX-
#ajax-X-XX-X----
#attributesXXXXXX-----
#button_type-X-XX------
#default_value------XX---
#description---------X-
#disabled-X-XX------
#element_validate-X-XX-XXXX-
#executes_submit_callback-X-XX------
#limit_validation_errors-X-XX------
#markup--------XX-
#method-----X-----
#name-X--X------
#parentsXXXXX-XXXX-
#post_renderXXXXXXXXXX-
#prefixXXXXXXXXXX-
#pre_renderXXXXXXXXXX-
#processXXXXXXXXXX-
#return_value---X-------
#src---X-------
#submit-X-XXX-----
#suffixXXXXXXXXXX-
#themeXXXXXXXXXX-
#theme_wrappersXXXXXXXXXX-
#title---------X-
#title_display---------X-
#treeXXXXXXXXXX-
#validate-X-XXX-----
#value-X-XX-XX--X
#weightXXXXX-XXXX-
#typeactionsbuttoncontainerimage_buttonsubmitformhiddentokenmarkupitemvalue

默认值Default Values

每个元素自动拥有这些默认值(见system_element_info()):

下面是一个并不需要设置(在system_element_info()中 )的默认值的列表:

 

·   

·   

·   

·   

·   

·   

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值