HTML零基础入门

HTML语法基础:

**注意事项:
1.< !DOCTYPE html>必须放在文档的第一行。
2. < DOCTYPE>声明不是html标签。当出现中文乱码时,使用标签来解决。
3.图像标签中< img src="" alt=""/>src必写,它是属于单闭合开关。

常用的标签:

  1. 标题标签:h1-h6
  2. 段落标签:p
  3. 换行标签:br 单闭合开关
  4. 水平线标签:hr 水平分割线
  5. 文字斜体:i em
  6. 加粗: b strong
  7. 下标:sub
  8. 上标:sup

align属性–对齐方式的属性:

  • left左对齐内容
  • Right右对齐
  • Center居中
  • Justify对行进行伸展,这样使得每行都会有相等的长度

特殊符号:

1、& lt;<
2、& gt;>
3、& reg;已注册
4、& copy;©版权
5、& trade;TM商标
6、& nbsp;space空格

有序列表:ul

语法:ul type=" "
1,type属性:
2,disc圆点
3,Square正方形
4,Circle空心圆无序列表:

<ul>
		 	<li></li>
		 	<li></li>
		 	<li></li>
		 	<li></li>

		 </ul>

无序列表ol

ol语法 ol type=" " type属性:
1.1数字123。。。。
2.a小写字母ab…
3.A大写的字母AB…
4.i小写罗马数字iiiiii
5.I大写的罗马数字IIIIII

<ol>
			<li></li>
			<li></li>
			<li></li>
			<li></li>
		</ol>

定义列表:dl

语法: dl /dl
**说明:**1、定义标签内可以有多个dt
2、对于每一个dt可以有多个dd

<dl>
			<dt>
				<dd></dd>
				<dd></dd>
				<dd></dd>
			</dt>
			<dt>
				<dd></dd>
				<dd></dd>
				<dd></dd>
			</dt>
			<dt>
				<dd></dd>
				<dd></dd>
				<dd></dd>
			</dt>
		</dl>

图像和超链接

语法:<img src=” ” alt=” ”/>
img属性:

  1. Src–url–显示图像的地址
  2. Alt–文字–图像替代文本
  3. Height–数值和百分比–图像的高
  4. Width–数值和百分比–图像的高

Img下的src属性–设计到图像的路径问题:

  1. 绝对路径–指的是具体盘符下的具体路径
  2. 相对路径–指的是相对于当前文件的这个图片的路径
    (1)处于同一级目录中
    (2)图片处于文件的上一级
    (3)图片在img文件的下一级
		<!-- 处于同一级 -->
		<img src="图片名" alt="不好意思,加载错误">
		<!-- 处于文件的上一级 -->
		<img src="文件名/图片名" alt="不好意思加载错误">
		<!-- 处于img文件的下一级 -->
		<img src="../文件名/图片名" alt="不好意思,加载错误">

超链接:

语法:<a href=” ”>内容< /a>
Href:链接地址,可以是内部链接也可以是外部链接
Target:链接的目标窗口–_self(从自身页面网上叠加)_blank (另外打开一个网页)_top_parent
Titile:链接提示文字
Name:链接命名

<a href="http://www.baidu.com" target="_blank" name="百度">百度一下</a>

锚链接

语法:<a href=” ”>内容</ a>同一页面
(1)<a href=”# 锚名1”>目录1</ a>
(2)<a href=”…”name=”锚名1”>内容</ a> name后面的名称必须相同!

锚链接 语法:< a href=””>内容</ a>–不同页面
语法:网页1:< a href=”网页名称#锚名”>…</ a>网页
2:<a n ame=” 锚名”>…< /a>

超链接扩展功能:
电子邮件链接:<ahref=”mailto:邮件地址 ”>…< /a>
文件下载:–href属性
1、如果是url地址,那么会打开地址对应的网页
2、如果是文件,就会相应的下载
3、语法:<ahref=”下载的文件地 址”>…< /a>

<a href="mailto:*******@qq.com">邮箱地址</a>
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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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。
好的,下面是一个简单易懂的HTML零基础入门教程: 1. HTML是什么? HTML全称为“Hypertext Markup Language”,即“超文本标记语言”。它是一种用于创建网页的标准标记语言,通过HTML标签来描述网页的各种元素。 2. HTML的基本结构 一个HTML文档通常由三部分组成: - DOCTYPE声明,用于告诉浏览器这是一个HTML文档。 - HTML标签,用于表示整个HTML文档的开始和结束。 - Head和Body标签,分别用于表示文档的头部和主体内容。 以下是一个基本的HTML文档结构: ``` <!DOCTYPE html> <html> <head> <title>页面标题</title> </head> <body> 页面内容 </body> </html> ``` 3. HTML标签 HTML标签用于描述网页中的各种元素,如文本、图片、链接、表格等等。标签通常由一个开始标签和一个结束标签组成,中间包含元素内容。例如,段落标签p用于表示一个段落: ``` <p>这是一个段落。</p> ``` 4. HTML属性 HTML标签可以包含属性,属性用于控制元素的行为和样式。属性通常由名称和值组成,中间用“=”连接。例如,图片标签img可以包含src属性指定图片的路径: ``` <img src="image.jpg"> ``` 5. HTML链接 HTML链接用于在不同页面之间创建链接。链接通常由a标签表示,href属性用于指定链接的目标地址。例如,创建一个跳转到百度的链接: ``` <a href="http://www.baidu.com">百度</a> ``` 6. HTML列表 HTML列表用于表示一组有序或无序的项。有序列表使用ol标签,无序列表使用ul标签,列表项使用li标签表示。例如,创建一个无序列表: ``` <ul> <li>列表项1</li> <li>列表项2</li> <li>列表项3</li> </ul> ``` 以上就是HTML零基础入门教程的基本内容,希望对你有所帮助!
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