1.Bootstrap基础知识

BootStrap的中文官方网站为http://www.bootcss.com/
更详细的教程,还是访问中文官方网站

BootStrap是什么?

Bootstrap,来自 Twitter,是目前最受欢迎的前端框架。Bootstrap 是基于 HTML、CSS、JAVASCRIPT 的,它简洁灵活,使得 Web 开发更加快捷。
<!DOCTYPE html>
<meta name="viewport" content="width=device-width,initial-scale=1">
initial-scale=1.0确保网页加载时,以1:1的比例呈现,不会有任何缩放。
也可以加上user-scalable=no可以禁用缩放功能。
Bootstrap不支持IE古老的兼容模式。为了让IE浏览器运行最新的渲染默认,建议加入如下代码

 

为什么使用Bootstrap?

移动设备优先:自 Bootstrap 3 起,框架包含了贯穿于整个库的移动设备优先的样式。

浏览器支持:所有的主流浏览器都支持 Bootstrap。

容易上手:只要您具备 HTML 和 CSS 的基础知识,您就可以开始学习 Bootstrap。

响应式设计:Bootstrap 的响应式 CSS 能够自适应于台式机、平板电脑和手机。

 

Bootstrap包的内容(预编译版)

bootstrap/

├── css/

│   ├──bootstrap.css

│   ├──bootstrap.css.map

│   ├──bootstrap.min.css

│   ├──bootstrap-theme.css

│   ├──bootstrap-theme.css.map

│   └──bootstrap-theme.min.css

├── js/

│   ├──bootstrap.js

│   └──bootstrap.min.js

└── fonts/

    ├──glyphicons-halflings-regular.eot

    ├──glyphicons-halflings-regular.svg

    ├──glyphicons-halflings-regular.ttf

    ├──glyphicons-halflings-regular.woff

    └──glyphicons-halflings-regular.woff2

上面展示的就是 Bootstrap 的基本文件结构:预编译文件可以直接使用到任何 web项目中。提供了编译好的 CSS 和 JS (bootstrap.*) 文件,还有经过压缩的 CSS 和 JS (bootstrap.min.*) 文件。同时还提供了 CSS 源码映射表 (bootstrap.*.map) ,可以在某些浏览器的开发工具中使用。同时还包含了来自 Glyphicons 的图标字体,在附带的 Bootstrap 主题中使用到了这些图标。

文件详细说明:

  1.基本结构:Bootstrap 提供了一个带有网格系统、链接样式、背景的基本结构。

  2.CSS:Bootstrap 自带以下特性:全局的CSS 设置、定义基本的 HTML 元素样式、可扩展的 class,以及一个先进的网格系统。

  3.组件:Bootstrap包含了十几个可重用的组件,用于创建图像、下拉菜单、导航、警告框、弹出框等等。

  4.JavaScript 插件:Bootstrap 包含了十几个自定义的jQuery 插件。您可以直接包含所有的插件,也可以逐个包含这些插件。

 

HTML5文档类型(DOCTYPE)

Bootstrap使用了一些HTML5元素和CSS属性。为了让这些正常工作,需要使用HTML5文档类型.如果不使用HTML5文档类型,可能会出现浏览器显示不一致情况。

<html lang=”zh-CN”>
 ....
</html></span>

为了让Bootstrap开发的网站对移动设备友好,确保适当绘制和触屏缩放,需要在网上的head之中添加viewport meta标签

Width属性控制设备的宽度。设置为device-width可以确保它能呈现在不同设备上。

<meta name="viewport" content="width=device-width, initial-scale=1">
Width属性控制设备的宽度。设置为device-width可以确保它能呈现在不同设备上。
initial-scale=1确保网页加载时,以1:1的比例呈现,不会有任何缩放。
也可以加上user-scalable=no可以禁用缩放功能。

官方提供的最简单 Bootstrap 页面

<!DOCTYPE html>
<html lang="zh-CN">
  <head>
    <meta charset="utf-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1">
    <!-- </span><span style="color:#ff0000;">上述3个meta标签*必须*放在最前面,任何其他内容都*必须*跟随其后!</span><span style="color:#333333;"> -->
    <title>Bootstrap 101 Template</title>

    <!-- Bootstrap -->
    <link href="css/bootstrap.min.css" rel="stylesheet">

    <!-- HTML5 shim and Respond.js for IE8 support of HTML5 elements and media queries -->
    <!-- WARNING: Respond.js doesn't work if you view the page via file:// -->
    <!--[if lt IE 9]>
      <script src="//cdn.bootcss.com/html5shiv/3.7.2/html5shiv.min.js"></script>
      <script src="//cdn.bootcss.com/respond.js/1.4.2/respond.min.js"></script>
    <![endif]-->
  </head>
  <body>
    <h1>你好,世界!</h1>

    <!-- jQuery (necessary for Bootstrap's JavaScript plugins) -->
    <script src="//cdn.bootcss.com/jquery/1.11.3/jquery.min.js"></script>
    <!-- Include all compiled plugins (below), or include individual files as needed -->
    <script src="js/bootstrap.min.js"></script>
  </body>
</html></span>



总结:
  1.Bootstrap3是以移动开发优先
  2.HTML页面文档类型必须为HTML5




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