jquery API 个人阅读笔记 --选择器

jquery API阅读

选择器

谈到jquery选择器,我们随口都可以说出属性选择器,类选择器,id选择器,伪类选择器等等。其实jquery的选择器远不止这些,其实也经常可以听到,jquery最强大的就是选择器。
确实是,jquery选择器为我们提供给了很多方便。

  • id,class,ele就不在叙述了

    一次筛选多个选择器

    $('div,p,span.sel,.example')
    若同时需要对多种不同元素做相同操作,我们便可以一次性都筛选出来,中间只需逗号隔开

子代选择器 >

```$('div>p')```

通过大于> 由父级元素指到子级元素 不可跨级查询

兄弟元素 +

```$('div+p')```

查找在指定div下,平级或者平级元素的子级元素

~

```$('div ~ p')```

这些并不常用,这个是查找div之后的所有p标签。
当我们项目做大时,这些筛选范围太广,我们在实际开发中运用很少

伪类选择器

伪类选择器是很重要的选择器,除了我们之前提到的大家耳熟能详的那几类选择器之外,便是伪类了

  • :first 获取第一个元素
  • :last 获取最后一个元素
  • :not(selector) 去除所有与给定选择器匹配的元素
  • :even :odd 匹配所有索引值为偶数/奇数的元素,从 0 开始计数
  • :eq(index) 匹配一个给定索引值的元素 index从0开始
  • :lt() :gt() 匹配所有大于/小于给定索引值的元素
  • :header 匹配如 h1, h2, h3之类的标题元素
  • :animated 匹配所有正在执行动画效果的元素
  • :contains(text) 匹配包含给定文本的元素 中文也可以
  • :empty 匹配所有不包含子元素或者文本的空元素
  • :hidden 匹配所有不可见元素,或者type为hidden的元素
  • :visible 匹配所有的可见元素
  • :first-child 匹配所给选择器( :之前的选择器)的第一个子元素
  • :first-of-type jquery v1.9 新增选择器。官方文档中解释也相对模糊。ele:first-of-type 其实就是获取当前元素(ele)的父元素的第一个(ele)类型的孩子
  • :last-child / :last-of-type
  • :nth-child 通俗的讲,为其父元素匹配第几个子元素,nth-child(1)是从1开始计数,和:eq(0)不同的是,eq从索引0开始。当然,:nth-child()中可以传一些特殊的值,如even、odd,或者是变量,如3n+1,2n等
  • :nth-last-child 计数从最后一个元素开始到第一个
表单元素的伪类选择器

-:input 匹配所有 input, textarea, select 和 button 元素 不只是input标签 如<button>,<select>,<textarea>这种标签也是可以直接匹配出来的
-:text :password :reset :button :file 等等 就是直接查找type类型为这些的选择器

属性选择器

[attribute] 属性选择器有几种不同的筛选方式
- 例如$('div[id]'),$('div[id="sadas"]'),$('div[id!="sadas"]')
- $('div[id^="sadas"]'),$('div[id$="sadas"]'),$('div[id*="sadas"]')等等
- 以上包括查找包含某一属性,某艺术性为某一固定值的,或者取反,以…开头,结尾等等,与正则的常用标识一致

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