webstorm快捷键

查找/代替

快捷键

说明

ctrl+shift+N通过文件名快速查找工程内的文件(必记)
ctrl+shift+alt+N通过一个字符快速查找位置(必记)
ctrl+F在文件内快速查找代码
F3查找下一个
shift+F3查找上一个
ctrl+R文件内代码替换
ctrl+shift+R指定目录内代码批量替换
ctrl+shift+F指定目录内代码批量查找
ctrl+R文件内代码替换

界面操作

快捷键

说明

ctrl+shift+A快速查找并使用编辑器所有功能(必记)
alt+[0-9]快速拆合功能界面模块
ctrl+shift+F12最大区域显示代码(会隐藏其他的功能界面模块)
alt+shift+F将当前文件加入收藏夹
ctrl+alt+s打开配置窗口
ctrl+tab切换代码选项卡(还要进行此选择,效率差些)
alt+<-或->切换代码选项卡

快捷键

说明

ctrl+shift+N通过文件名快速查找工程内的文件(必记)
ctrl+shift+alt+N通过一个字符快速查找位置(必记)
ctrl+F在文件内快速查找代码
F3查找下一个
shift+F3查找上一个
ctrl+R文件内代码替换
ctrl+shift+R指定目录内代码批量替换
ctrl+shift+F指定目录内代码批量查找
ctrl+R文件内代码替换

界面操作

快捷键

说明

ctrl+shift+A快速查找并使用编辑器所有功能(必记)
alt+[0-9]快速拆合功能界面模块
ctrl+shift+F12最大区域显示代码(会隐藏其他的功能界面模块)
alt+shift+F将当前文件加入收藏夹
ctrl+alt+s打开配置窗口
ctrl+tab切换代码选项卡(还要进行此选择,效率差些)
alt+<-或->切换代码选项卡
ctrl+F4关闭当前代码选项卡

代码编辑

快捷键

说明

ctrl+D复制当前行
ctrl+W选中单词
ctrl+<-或->以单词作为边界跳光标位置
alt+Insert新建一个文件或其他
ctrl+alt+L格式化代码
shift+tab/tab减少/扩大缩进(可以在代码中减少行缩进)
ctrl+Y删除一行
shift+enter重新开始一行(无论光标在哪个位置)

导航

快捷键

说明

esc进入代码编辑区域
alt+F1查找代码在其他界面模块的位置,颇为有用
ctrl+G到指定行的代码
ctrl+]/[光标到代码块的前面或后面
alt+up/down上一个/下一个方法

建议配置版本控制快捷键

快捷键

说明

ctrl+C提交代码
ctrl+p向远程版本库推送更新
ctrl+G到指定行的代码
ctrl+]/[光标到代码块的前面或后面
alt+up/down上一个/下一个方法
双击shift                                        查找文件或函数


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。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、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。
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