创建列表页(掌握drupal精髓)

18 篇文章 0 订阅

你可能常常想创建一个有nodes组成的列表页,但是drupal并没有专门去解释这一类页面,这促使了这篇文章的生成。

列表页与drupal的方法---the drupal way

其实有非常多的方法来创建列表页,先说一下在drupal中你“不应该”怎么去创建一个列表页,不要去新建一个“空白内容页”,如,一个路径为“product_catalog”的空白页,然后说:“我想让这个节点和这个节点还有这个节点展现到这个页面中”,这个一个drupal新手来说的常识性误区,尽管这样做是可理解的:这样做逻辑上似乎行的通,一些cms就是像这样做的。

drupal希望你这样做:它为选择中的众多节点设置了规范,如,“所有的标签为‘product’的节点”,或“所有在2007年发表的博客文章”,就是这些。drupal自己创建了一个规则列表并在一个页面显示了它们。

这些是一般规则(首页提供了特殊的规则,后面会讲),第一感觉上它可能有所限制:你不能选择“这个和这个还有那个节点”让它们显示在某个页面上;你要给将要选择的节点一些规则,那些围绕节点来设置的一些东西(像 内容类型,terms,发表日期等等)

这是非常强大的功能,当你希望建立一个目录页面来列出你所有的100件产品,你要这样做---选择所有标签为‘product’的节点,建立product_catalog页面。

建立列表页的方法

创建列表页基于taxonomy

1 需要知道term的路径

2 创建此term的链接

3 将此链接放到菜单或任何希望的地方

从这个例子,你你就能通过创建菜单项链接到诸如taxonomy/term/49+58这样的列表页了 看 我们创建了甚至还不存在的列表页,你仅仅创建了一个链接而drupal帮你创建了这个页面,并不是链接到了页面本身。

创建博客的列表页

这是drupal内建的 不消细说 有兴趣看英文原文

创建基于其他规则的列表页

你能创建基于node type,date,author和无数其他规则组成的列表页,当然,这个秘密武器就是views。

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