AJAX 封装

var $={
/*传递参数对象,返回拼接之后的字符串*/
/*{‘name’:’jack,’age’:20}=> name=jack&age=20&*/
getParmeter: function( data){
var result= "";
for( var key in data){
result=result+key+ "="+data[key]+ "&";
}
/*将结果最后多余的&截取掉*/
return result. slice( 0,- 1);
},
/*实现ajax请求*/
ajax: function( obj){
/*1.判断有没有传递参数,同时参数是否是一个对象*/
if(obj== null || typeof obj!= "object"){
return false;
}
/*2.获取请求类型,如果没有传递请求方式,那么默认为get*/
var type= obj. type || 'get';
/*3.获取请求的url location.pathname:就是指当前请求发起的路径*/
var url= obj. url || location. pathname;
/*4.获取请求传递的参数*/
var data= obj. data || {};
/*4.1获取拼接之后的参数*/
data= this. getParmeter(data);
/*5.获取请求传递的回调函数*/
var success= obj. success || function(){};

/*6:开始发起异步请求*/
/*6.1:创建异步对象*/
var xhr= new XMLHttpRequest();
/*6.2:设置请求行,判断请求类型,以此决定是否需要拼接参数到url*/
if(type== 'get'){
url=url+ "?"+data;
/*重置参数,为post请求简化处理*/
data= null;
}
xhr. open(type,url);
/*6.2:设置请求头:判断请求方式,如果是post则进行设置*/
if(type== "post"){
xhr. setRequestHeader( "Content-Type", "application/x-www-form-urlencoded");
}
/*6.3:设置请求体,post请求则需要传递参数*/
xhr. send(data);

/*7.处理响应*/
xhr. onreadystatechange= function(){
/*8.判断响应是否成功*/
if( xhr. status== 200 && xhr. readyState== 4){
/*客户端可用的响应结果*/
var result= null;
/*9.获取响应头Content-Type ---类型是字符串*/
var grc= xhr. getResponseHeader( "Content-Type");
/*10.根据Content-Type类型来判断如何进行解析*/
if( grc. indexOf( "json") != - 1){
/*转换为js对象*/
result= JSON. parse( xhr. responseText);
}
else if( grc. indexOf( "xml") != - 1){
result= xhr. responseXML;
}
else{
result= xhr. responseText;
}
/*11.拿到数据,调用客户端传递过来的回调函数*/
success(result);
}
}

}
};
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