《JavaScript高级程序设计》学习笔记----第二章

在HTML中使用JavaScript

2.1 <script>元素

  • src属性可指向当前HTML页面所在域之外的某个域中的完整URL,表示包含要执行代码的外部文件。
  • 无论如何包含代码,只要不存在defer和async属性,浏览器都会按照<script>元素在页面中出现的先后顺序对他们一次进行解析。

2.2.1 标签的位置

  • 为了避免页面出现时延迟,现代Web应用程序一般都会把全部JavaScript引用放在<body>元素中页面内容的后面。

2.2.2 延迟脚本

  • defer只适用于外部脚本文件
  • 设置defer属性,相当于告诉浏览器立即下载脚本文件,但延迟执行,包含的脚本将延迟到浏览器遇到</html>标签后再执行。
  • HTML5规范要求脚本按照出现的先后顺序执行:第一个延迟脚本将先于第二个延迟脚本执行,而这两个脚本将会先于DOMContentLoaded事件。
  • 现实中延迟脚本不一定会按照顺序执行,也不一定会在DOMContentLoaded事件触发前执行,因此最好只包含一个延迟脚本。
  • 把延迟脚本放在页面顶部仍是最佳选择。

2.2.3 异步脚本

  • async只适用于外部脚本文件
  • 设置该属性后相当于告诉浏览器立即下载脚本,目的是不让页面等待异步脚本下载和执行,从而异步加载页面的其他内容。
  • 设置了属性为async的脚本并不保证按照指定它们的先后顺序执行,所以要确保各个异步脚本间的互不依赖。
  • 异步脚本一定会在load事件之前执行,但与DOMContentLoaded不一定,可能在它之前执行,也可能在它之后执行。

2.2 嵌入代码与外部文件

  • 最好的还是尽可能使用外部文件来包含JavaScript代码
    • 可维护性
    • 可缓存(如果有两个页面都使用同一个文件,那么这个文件只需下载一次)
    • 适应未来

2.3 文档模式

  • 通过使用文档类型(doctype)切换来实现
  • 最初的两种文档模式——混杂模式、标准模式
  • 如果最初在文档开始处没有发现文档类型声明,则所有浏览器都会默认为开启混杂模式(混杂模式下不同浏览器差异很大,不推荐)

2.4 元素<noscript>

  • 用来在不支持JavaScript的浏览器中显示替代内容,有两种情况:
    • 浏览器不支持脚本
    • 浏览器支持脚本,但脚本被禁用
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <meta http-equiv="X-UA-Compatible" content="ie=edge">
    <title>Document</title>
</head>
<body>
    <noscript>
        <p>本页面需要浏览器支持(启用)JavaScript。</p>
    </noscript>
</body>
</html>

这个页面在脚本无效的情况下向用户显示一条消息,而在启用了脚本的浏览器中,用户永远也不会看到它——尽管它是页面的一部分

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