响应式布局

响应式布局简介

由于移动互联网的快速发展,为了能给不同终端的用户提供更加舒适的界面和更好的用户体验,人们提出了响应式布局。

响应式布局优缺点

优点:

能够适应多屏幕

缺点

代码太繁杂,
兼容各种设备工作量大,效率较低
(不过呢 作为码农嘛 就是得打繁杂的代码啊 这样才能秃头。。。)

媒介查询标签

实现响应式布局用到的是css3中的媒体查询标签(Media Query)。
Media Query能够获取的值:
设备的宽和高device-width,device-height显示屏幕/触觉设备。
渲染窗口的宽和高width,height显示屏幕/触觉设备。
设备的手持方向,横向还是竖向orientation(portrait|lanscape)和打印机等。
画面比例aspect-ratio点阵打印机等。
设备比例device-aspect-ratio-点阵打印机等。
对象颜色或颜色列表color,color-index显示屏幕。
设备的分辨率resolution。

用法和结构

在css中的结构:一般是@media(min-width: 宽度){
body{…..}
header{…..}
}
例:

@media(min-width: 996px){
    body{
        background:red;
    }
}
@media screen and (max-width: 996px) and (min-width: 461px){
    body{
        background:blue;
    }
}
@media(max-width:460px){
    body{
        background:yellow;
        }
}

对代码理解:
1、@media(min-width: 996px)—当屏幕宽度为>=996px时使用{}里面的内容html页面的body的背景颜色为红色;
2、@media screen and (max-width: 996px) and (min-width: 461px)—当屏幕宽度为大于461px并且小于996px时使用{}里面的内容html页面的body的背景颜色为蓝色;
3、@media(max-width:460px)—当屏幕宽度为小于461px时使用{}里面的内容html页面的body的背景颜色为黄色;

如何让页面缩小时流畅缩小:

在缩小过程中为了更流畅我们一律适用百分比来计算内边距和外边距;这里有个公式:目标的宽度÷目标上下文的宽度=百分比宽度
例:


<div id="top">
    <input type="text" name="user">
</div>

css样式:

@media(min-width: 996px){
    #top{
        width:500px;
        height:200px;
    }
    input{
        width:30%;
        height:30px;
    }
}

在上面案例中 如果我们给input的width设置为150px,那么我们就找input的上下文—也就是div(id=top)的元素,所以得到的百分比宽度为:150/500=0.3也就是30%;这样input的宽度就会随着窗口的宽度进行缓速变化;

字体的变化

最好也用百分比也就是把之前习惯用的px换成em。不过在此之前要对字进行默认操作;浏览器字体一般默认为16px;所以在写之前要在body里面设置字体默认大小,然后用目标字体的大小÷默认字体大小(16px);
例:

<p>我是代码</p>

css样式:

body{font-size:16px;}
@media(min-width: 996px){
    p{
        font-size:0.75em;
    }
}

现在如果我要让上面的p标签的文字变为12px的字体,那么就让12/16得到百分比;

弹性图片

实现图片随着流动布局相应缩放非常简单。只需在 CSS
中作如下声明:

img{
    max-width:100%;
}

这样就可以使图片自动缩放到与其容器 100%匹配。更进一步,可以将同样的样式应用到
其他多媒体标签上。如:

img,object,video,embed {
max-width: 100%;
}

这些多媒体元素都可以自动缩放了。
需要注意的是: 不能再img标签中设置图片的大小,那样就不能根据浏览器缩放进行缩放。
例:

<img src="images/1.jpg"  width="50" height="50" id="img">

css样式:

#img{
max-width: 100%;
}

像上面这样图片就不会改变,只是宽50 高50;

兼容性问题

因为手机的屏幕比较小,所以很多手机浏览器会自动缩小页面,好让有限的屏幕上尽量展示完整的内容。但是对于响应式布局来说,展示内容已经不成问题,所以就要禁用浏览器的这一功能。

我们在使用Media的时候需要先设置下面这段代码,来兼容移动设备的展示效果:
在页面的头部之间加上下面这句∶

<meta name=“viewport” content=“width=device-width; initial-scale=1.0”>

  meta viewport这个属性是在移动设备上设置原始大小显示和是否缩放的声明。

  参数设置∶

  width – viewport的宽度

  height – viewport的高度

  initial-scale – 初始的缩放比例

  minimum-scale – 允许用户缩放到的最小比例

  maximum-scale – 允许用户缩放到的最大比例

  user-scalable – 用户是否可以手动缩放

  因为IE8既不支持HTML5也不支持CSS3 Media,所以我们需要加载两个JS文件,来保证我们的代码实现兼容效果::

<!--[if lt IE 9]>
  <script src="https://oss.maxcdn.com/libs/html5shiv/3.7.0/html5shiv.js"></script>
  <script src="https://oss.maxcdn.com/libs/respond.js/1.3.0/respond.min.js"></script>
<![endif]-->
1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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