HTML总结——1

1.标签

<body>标签

常见属性:

  1. bgcolor 设置背景颜色
    <body bgcolor="red"> </body>

  2. text 设置文本颜色
    <body text="green"> </body>

  3. link 设置连接颜色
    <body link="blue"> </body>

  4. vlink 已经访问了的链接颜色
    <body vlink="yellow"> </body>

  5. alink 正在被点击的链接颜色
    <body alink="red"> </body>


<meta>标签

属性:

  • 必须: content
  • 值:some_text
  • 定义name属性相关的元信息

常见:
1. author
2. keywords
3. description
4. others


把content属性关联到一个名称,如描绘出网页的关键词

<meta name="keywords" content ="数码热点">


注意:

<mata><head> </head>里面,不会在页面里显示,只用于SEO。



<ol>标签

格式:

<ol type="符号类型"
    <li type="符号类型"> <li> 
</ol>


type属性值

如:

  • 1(阿拉伯数字)
  • A (大写字母A、B、C等)
  • a (小写a、b、c等)
  • Ⅰ(大写罗马数字ⅠⅡⅢⅣ等)
  • ⅰ(小写罗马数字ⅰⅱⅲⅳ等)

value 指定一个新的序列数字起始值
列表可以进行嵌套

<ol type="A">
        <li>第一节课</li>
        <li>第二节课</li>
        <li>第三节课</li>   
</ol>

<ol type="1">
        <li value="5">第一节课</li>
        <li>第二节课</li>
        <li>第三节课</li>   
</ol>




<dl> <dt> <dd>标签

使用场合:对列表进行简短说明


格式:

 <dl>
     <dt> 软件说明:</dt>
     <dd> 简单介绍软件的功能及基本应用 </dd>
     <dt> 软件界面 </dt>
     <dd> 用于选择软件的外观 </dd>
</dl> 



2.文本标记

  • sub 文字下标字体标记
  • sup 文字上标字体标记
  • cite引用方式的字体,通常是斜体
  • em 表示强调,通常显示为斜体字
  • strong 表示强调,通常显示为粗体字
  • small 小型字体标记
  • big 大型字体标记
  • u 下划线字体标记
  • q 段文本引用标记

使用q标记,表示引用别人的话,会自动加双引号。

  • span 单独设置样式标记
  • blockquote 长文本引用标记
    如:
<blockquote>
       明月出天山,苍茫云海间。长风几万里,吹度玉门关。汉下白登道,胡窥青海湾。由来征战地,不见有人还。 戍客望边色,思归多苦颜。高楼当此夜,叹息未应闲。
</blockquote>
  • address 地址标记
  • code 代码标记
    当要插入一行代码时,可以使用code;多行使用pre。
【6层】一字型框架办公楼(含建筑结构图、计算书) 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。
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