wordpress设置首页为特定页

场景描述

网站首页本是默认显示最近文章的列表,后来做了个页面,并希望将其设置为主页。

解决方案

这个问题在网上的答案大多是在后台“设置-阅读”中设置“一个静态页面”,再选择主页之类的,我甚至跑去安装了个Custom Front Page插件,但是你可能和我一样,发现这么设置并没有用!

探索了一个多礼拜,终于意识到很有可能是主题的问题,我大致梳理下逻辑与大家共享,有不足之处欢迎补充。

1、页面调用

首先,wordpress自带的设置主页功能依赖于主题中的几个文档,我当时无论如何修改wordpress配置,永远都只会调index.php中的内容。front-page.php, home.php, page.php, index.php文件的关系可参考如下:

  • 如果,front-page.php 存在,无论选择 "您的最新文章" 还是 "一个静态页面" 作为首页展示,都是采用 front-page.php 作为模板,没有其他三个文件啥事情。
  • 如果,front-page.php 不存在,并且选择了 "您的最新文章" 作为首页展示,则会以 home.php 作为模板。另外,如果 posts page 也设定了页面,也会用到 home.php.
  • 如果,front-page.php 不存在,并且选择了 "一个静态页面" 作为首页展示,则会使用 page.php 模板。模板的优先级为 page-{id}.php, page-{slug}.php, page.php, index.php
  • 如果,选择了 "您的最新文章" 作为首页展示,并且 home.php 不存在,则会以 index.php 为模板。或者,front page 设置了页面,但是 page.php 不存在,也会使用 index.php 作为模板。

——摘自地址

 看来front-page.php优先级最高,而index.php就是个最可靠的备胎。

 

2、修改.php

我们可以在主题下新建一个front-page.php文件——当然你也可以选择其他策略新建home.php, page.php等。为了全站风格统一,我这边是将index.php的内容直接拷贝到front-page.php,稍作修改并加上以下两行代码:

$page_id =页面的ID;
include('article-normal.php');
//article-normal.php是我的文章格式

——参考来源

注意不要直接修改index.php,改之前可以做下备份。

最后放上我的网站

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