轮播

<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title></title>
<style type="text/css">
* {
  margin: 0;
  padding: 0;
}
 
#igs {
  margin: 10px auto;
  width: 700px;
  height: 320px;
  position: relative;
}
 
.ig {
  position: absolute;
}
 
#tabs {
  position: absolute;
  list-style: none;
  background-color: rgba(255,255,255,.5);
  left: 300px;
  bottom: 10px;
  border-radius: 10px;
  padding: 5px 0 5px 5px;
}
 
.tab{
  float: left;
  text-align: center;
  line-height: 20px;
  width: 20px;
  height: 20px;
  cursor: pointer;
  overflow: hidden;
  margin-right: 4px;
  border-radius: 100%;
  background-color: rgb(200,100,150);
}
 
.btn{
  position: absolute;
  color: #fff;
  top: 110px;
  width: 40px;
  height: 100px;
  background-color: rgba(255,255,255,.3);
  font-size: 40px;
  font-weight: bold;
  text-align: center;
  line-height: 100px;
  border-radius: 5px;
  margin: 0 5px;
}
 
.btn2{
  position: absolute;
  right: 0px;
}
 
.btn:hover{
  background-color: rgba(0,0,0,.7);
  
}
.bg{ background-color: #f00; }
</style>
</head>
  <body>
    <div id="igs">
      <a class="ig" href="#"><img src="img/img/15.jpg"/></a>
      <a class="ig" href="#"><img src="img/img/16.jpg"/></a>
      <a class="ig" href="#"><img src="img/img/17.jpg"/></a>
      <a class="ig" href="#"><img src="img/img/18.jpg"/></a>
      <a class="ig" href="#"><img src="img/img/10.jpg"/></a>
       
      <div class="btn btn1"><</div>
      <div class="btn btn2">></div>
       
      <ul id="tabs">
        <li class="tab">1</li>
        <li class="tab">2</li>
        <li class="tab">3</li>
        <li class="tab">4</li>
        <li class="tab">5</li>
      </ul>
    </div>
    <script src="js/jquery-2.1.0.js"></script>
    <script >
    /* //定义全局变量和定时器*/
var i = 0 ;
var timer;
 
$(document).ready(function(){
  /*//用jquery方法设置第一张图片显示,其余隐藏*/
  $('.ig').eq(0).show().siblings('.ig').hide();
   
  /*//调用showTime()函数(轮播函数)*/
  showTime();
   
/*  //当鼠标经过下面的数字时,触发两个事件(鼠标悬停和鼠标离开)*/
  $('.tab').hover(function(){
 /*   //获取当前i的值,并显示,同时还要清除定时器*/
    i = $(this).index();
    Show();
    clearInterval(timer);
  },function(){
    
    showTime();
  });
   
  /*//鼠标点击左侧的箭头*/
  $('.btn1').click(function(){
    clearInterval(timer);
    if(i == 0){
      i = 5;
/*      //注意此时i的值*/
    }
    i--;
    Show();
    showTime();
  });
   
/*  //鼠标点击右侧的箭头*/
  $('.btn2').click(function(){
    clearInterval(timer);
    if(i == 4){
      i = -1;
    }
    i++;
    Show();
    showTime();
  });
   
});
 
 
/*//创建一个showTime函数*/
function showTime(){
 /* //定时器*/
  timer = setInterval(function(){
   /* //调用一个Show()函数*/
    Show();
    i++;
   /* //当图片是最后一张的后面时,设置图片为第一张*/
    if(i==5){
      i=0;
    }
  },2000);
}
 
 
/*//创建一个Show函数*/
function Show(){
/*  //在这里可以用其他jquery的动画*/
  $('.ig').eq(i).fadeIn(300).siblings('.ig').fadeOut(300);
   
/*  //给.tab创建一个新的Class为其添加一个新的样式,并且要在css代码中设置该样式*/
  $('.tab').eq(i).addClass('bg').siblings('.tab').removeClass('bg');
   
  /*
   * css中添加的代码:
   * .bg{ background-color: #f00; }
   * */
}
    </script>
  </body>
</html>
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