前端学习day01

应老师的要求,每天写一次,也算是复习╮(╯_╰)╭

第一次写博客,如果被哪位朋友有幸看到,欢迎吐槽得意

使用了HBuilder,而不是sublime text 3写的,不过使用起来都挺方便的。

1.认识标签

首先要知道网页的大概结构,头head,身体body(页面内容),脚就是</html>了(我的理解敲打
HTML文件的固定结构:
    <html>
        <head>...</head>
        <body>...</body>
    </html>
    html是根标签
    head定义文档头部,包含: title, script, style, link, meta
    body是网页主要内容,包含:h1,h2……h6, p, a, img

一般情况下,网页的编码都是utf-8,不然会乱码,偶尔会用到GBK,其他的基本没见过
meta里的keywords,description相当于你搜索时的关键词,这样就会让广大网民们搜到你的网站,一般都是公司买广告放在各种网站上,特别是在XX搜索引擎都能看见闭嘴

title是网站的名字
代码的说明都是使用注释,先写好然后按 Ctrl 加上 / 就可以了,再重复按一次就取消注释,经常做注释是个好习惯,方便以后别人看懂你的网站,不过写特别特别多注释的话,有时会导致发生网页打不开的问题,以前经历过一次。
文字之间的空格不是直接按键盘上的空格键就行,而是使用专业的 &nbsp; 来代替,一个就代表一个空格
hr是一条分割线,粗细大小都是自己设置
<!DOCTYPE html>
<html>
	<head><!--开始标签-->
		<meta charset="utf-8"><!--乱码解决-->
		
		<meta name="keywords" content="最好"/>
		<meta name="description" content="全国最好的网页"/>
		
		<title>第一天</title><!--标题,网页名称-->
	</head><!--结束标签-->
	<body><!--网页上所有可视化的东西都是被包在body标签里面-->
		
		<!--asdasds-->注释ctrl+/,可将内容注释
		<div id="">div主要是用来划分结构的</div>
		<p>p是段落标签,也可以用来划分结构</p>
		<b>b标签会加粗文本</b>
		<i>i标签是文本倾斜</i>
		<s>s标签是文本加删除线</s>
		<u>u标签是文本加下划线</u>
		<span><font face="微软雅黑" size="15" color="aqua">span</font>对局部特别之处做改变</span>
		
		font标记的格式:<font size="大小" color="颜色" face="字体"></font>
		<h1>h1标&nbsp;&nbsp;&nbsp;签</h1>
		<hr width=80% size=3 color=#5151A2 />
		<p align="center">1231232</p>
	</body>
</html>


2.a标签的使用

a标签的href是设置超链接的地址,空的话就用“#”,第二个写法也行,不过不常用。
target设置成blank是新窗口打开,而parent是吞噬?老师的说法尴尬(我觉得“覆盖”或许更容易理解)就是在当前窗口打开超链接。
这里输入饿了么,只是刚好中午用饿了么吃了一顿外卖安静不是打广告

老师教了个小技巧,输入a*2,再按Tab,就可以一次性出现2个a标签

<!DOCTYPE html>
<html>
	<head>
		<meta charset="UTF-8">
		<title>a标签</title>
	</head>
	<body>
		<a href="#">点击</a>
		<a href="javascript:;">第二个写法</a>
		<a href="https://www.ele.me/home" target="_blank" title="点击叫外卖">饿了么</a>
	</body>
</html>

3.a标签页面内锚点

body里写上<a href="#XXX">    XXX自己随便起个名字,后面要用到

后面写<a id="XXX"></a>,然后你点击上面的a标签的时候就会跳到这个地方,当然如果页面太小看不出效果的,所以要把<a id="XXX"></a>放得靠后些


4.跨页面锚点

<a href="XX.html#XXX">查看XX页面内锚点XXX</a>
点击后跳到另一个页面的锚点

5.img标签

写法是<img src="img/图片名字"/>,这样写的话,图片必须放在站点的img文件夹下才会显示,请根据实际情况修改src里的路径。

img里的 alt 是 无法显示图片的情况时在图片位置显示的文字,一般是网络断开或者图片路径错误才会出现的问题。

6.表格

表格就是table啦,可以设置宽width="500" ,高height="300",边框border=“1”,边框颜色bordercolor="green"
还有 cellpadding="30" cellspacing="10",cellpadding会撑大表格单元里面的东西,cellspacing是每个格之间的距离

<tr>代表行,<td>代表单元格,而表格的列由每行中有多少个单元格来决定的

这里老师又教了个小技巧,输入 table>tr*5>td*3  ,再按Tab,就会生成一个5行3列的表格。

要进行合并单元格的话,rowspan="2"是合并2列,colspan="3"是合并3行
rowspan是合并列,减掉的格子是合并数目减1,不可以在同行里删减
colspan是合并行,在同行里减掉合并的数目减1




大概讲下标签分为3种元素:(网上的资料)
1. 块级元素:
        1、每个块级元素都从新的一行开始,并且其后的元素也另起一行。(一个块级元素独占一行)
        2、元素的高度、宽度、行高以及顶和底边距都可设置。
        3、元素宽度在不设置的情况下,是它本身父容器的100%(和父元素的宽度一致),除非设定一个宽度。
        注意:a{display:block;} /*可以把内联元素 a 转换为 块级元素*/
  2. 行级元素:
        1、和其他元素都在一行上;
        2、元素的高度、宽度、行高及顶部和底部边距不可设置;
        3、元素的宽度就是它包含的文字或图片的宽度,不可改变。
        注意:display:inline 可以转换成行级元素
3. 行内块级元素:
        1、和其他元素都在一行上;
      2、元素的高度、宽度、行高以及顶和底边距都可设置。
       注意:display:inline-block 可以转换成行内块级-->


今天大概就这么多,明天继续。

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