『AngularJS』一点小小的理解

AngularJS 是一个前端的以Javascript为主的MVC框架。与AngularJS相类似的还有EmberJS。

随着时代在进步,各种各样的开发理念与开发框架不断的提出与发展,而就目前来说,除了游戏、IM(类似QQ)、Office这类软件之外,新出的软件应用开始出现两个方向,一个是以Web为主的Web APP,一个是以移动端为主的移动APP。且,现有也有一种声音认为Web APP早晚会取代移动端原生APP,从而一统计算机软件的应用方式。暂且不论这种说法是否会成为现实,Web APP的火爆可见一斑。

三年前,我编写的Web软件,还都是以后台为主,前台顶多用一下jQuery来进行几个简单的动态效果。两年前,我接触ExtJS,知道还有这么一种Javascript框架能够实现完整的UI订制,从而只需要使用Ajax传数据就可以了。

现在(实际上已经出来很长时间了),我了解到EmberJS以及AngularJS这种将前端的UI构建过程拆分为之前只在后端使用过的MVC的模式。从另一个角度说,现在是把原先的MVC中的V再度拆分一个MVC的应用。

所以,我认为,无论从哪个角度来考虑,单独的将Angular提出来,进行思考和学习是很有必要的。

AngularJS是什么?

AngularJS是一个由Google支持的Web App前端MVC框架。

AngularJS包括什么?

从AngularJS的官方文档中看到,它主要包括如下几个概念:

  • Template —— 模板
  • Directive —— 指令
  • Filter —— 过滤器
  • Controller —— 控制器
  • Scope —— 范围
  • Service —— 服务
  • Module —— 模块

Template Directive Filter这三个主要与“视图”有关。 Controller Scope Service这两个主要与“控制器有关”。 Module用于结构化项目。

注意:就像上面看到的那样,在AngularJS中,没有找到有关Model层的东西!

下面是对各个概念的理解以及如何应用的想法。

  • Directive是一种属性,写在HTML标签当中,用户标识出模板中一些特殊的东西。比如用于显示“部分模板”的<div ng-view></div>
  • Filter根据官网的解释,是用于控制视图中的元素如何显示,或者说显示成什么样的。
  • Template是视图层的具体载体,在Template中可以写一些辅助的逻辑,如ng-if等
  • Controller是控制器,根据官方文档的建议,不应该在Controller中写太复杂的东东,在控制器中只写有关业务逻辑的就可以了。
  • Scope,这个东西在看控制器的介绍的时候看到,在个人理解来看,应该是主要用于进行视图与控制器的数据操作,或者认为是用于打通视图层与控制器的一个东东。
  • 由于文档中写到,不建议在控制器中写太复杂的逻辑,所以我们应该把所有的可供复用的逻辑写到Service(服务)当中。然后我们可以利用AngularJS框架本身的DI(依赖注入)功能将Service注入到具体的控制器中。
  • Module,这个东西类似Java的类库的概念,我们写的所有的控制器、过滤器、服务等都得加到Module中,没什么好说的~

这里要注意一个问题——模型。

按照个人的理解,不论AngularJS再怎样,其数据的直接来源还是服务器,而服务器传数据的话,现在比较流行使用JSON格式,所以,就模型层来说,我们只要利用Service从服务器中获取数据,然后将其解析给在Controller中对应的Scope就行了。剩下的就是AngularJS内部处理,将数据自动绑定到前台了~

参考:






版权声明:

作者:丛峻峰
出处:http://www.cnblogs.com/sitemanager/
微博:http://weibo.com/skylercong
Github:https://github.com/congjf

本文版权归作者和博客园共有,欢迎转载,但未经作者同意必须保留此段声明,且在文章页面明显位置给出原文连接,否则保留追究法律责任的权利。

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