html jquery 开发小技巧

1.善用 data-property ( property   可写成任意类型 )

eg. 当我们需要根据不同类型展示相应内容时:

-----------------------html-----------------------------

<input type="button" data-type="1"/>

<input type="button" data-type="2"/>

-------------------------js---------------------------

$('input[type="button"]').click(function(){

       //取值方法

       $(this).data('type');

      //赋值方法

      $(this).attr('data-type',‘3’);

});


2.活用Object + JSON.Stringify;

其实很多时候前台页面提交可能涉及大量的内容需要提交,当然你也可以用隐藏标签(<input type="hidden" />) ,给一堆隐藏标签赋值,任务量大而繁琐。其实完全可以不建一大堆标签,说一个简单的例子:

一道题目至少包含4个选项,其中有个是正确答案;

因此我们的后台至少有三张表:题目表,选项表,题目选项关系表,

此时若是新增可能很简单,组织一下内容,提交即可;

但是若是修改则特别麻烦,因为这其中至少包含5个主键,

所以此时后台可下发整个实体(包括题目和选项以及正确答案),前台修改后将对象对应的属性修改,最后将对象转成JSON串提交即可(encodeURI(JSON.stringify(exerciseEntity)),解决乱码),这样后台可用GSON直接解析转成对象,前台代码清晰,后台处理简单!


3.jquery 强大的标签选择功能

例如  给 name 为 X的 radio 设置 选中


$('input[type="radio"][name="'+X+'"]').attr('checked',true);


假如有大量的<input>标签,且有类似的属性,遍历一遍即可全部赋值;

注意:使用标签选择器,赋值可能出现问题,因为选中的有可能是一堆标签,返回的是一个数组,若确定只用一个可用$('#ID')[0]。


4.先解除绑定再绑定事件

$('#id').unbind("click").click(function(){});


5.注意执行方法的时间,异步

例如,jquery提供一个load方法

$('#bd_header').load('header.html',function(data){
       $(this).html(data);

       init();

});


load是异步的,所以如果你要是在$().ready()中,绑定要加载的页面的点击之类的标签很可能绑定不上,所以需要load执行完执行操作。

同理:ajax;


6.js中添加js文件

document.write('<script type="text/javascript" src="js/Util.js"></script>');


7.判断是否为空或者undefined;

只需要 :

if(obj){

    alert(JSON.stringify(obj))

}


8.prop 替换 attr

有时attr无法赋值,试试prop



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