Javaweb的前端知识:HTML的一些简单知识点及应用

1.html的编写框架:

<html>

    <head>

          <title>

          </title>

    </head>

    <body>

    </body>

</html>

2.常用的编写软件:Hbuilder,

3.基础知识点:

1.<head>**</head>中的内容除了title,均不在网页中显示,

2.标签的属性写在开始标签中

3.水平线标签:<hr/>自闭和标签

属性:

size:  水平线粗细

noshade: 没有阴影

4.字体标签:<font></font>修改字体大写,颜色。属性:

size:字体大小

face: 选择字体的种类(宋体,圆体)

color:定义字体颜色 格式:用英文单词或#RGB(例:#ff0000)

5.标题标签:<hn></hn><h1>最大

6.格式化标签:<b> 加粗

<i> 倾斜

7.段落标签:<p></p>给文字分段,特点:上下有一定空白

8.换行标签:<br/>

9.图片标签:<img></img>

属性:src:图片的路径,路径分为两类:相对路径,绝对路径

相对路径:相当于文本所在文件夹 例:1.jpg../1.jpg.  ...img/1.jpg

绝对路径:例:http:www.baidu.com/logo.png

height属性:设置图片高度,单位:px

weight属性:设置图片宽度,(若设置成百分比,只设置height和weight一个即可)

alt属性:当图像加载失败时图像的替代文本。

title属性:鼠标移动到图片上时显示的文字

10.超链接标签:<a>被点击的内容</a>属性:

herf:被点击后跳转的网页

target:指跳转后的目标位置,他的值可以是:

_self:在本页面打开超链接网页

_blank:在新的空白页面打开超链接网页

framename:在指定的框架里打开

11.列表标签:<ul></ul>:无序列表  <ol></ol>:有序列表

在列表标签中,必须有列表项<li></li>

ol与ul的区别:

ol的每一个列表项前有一个序号

ul的每一个列表项前是一个图案

共同属性:

type:设置有序列表的序号,无序列表的图案

ol的type值:1(默认),a,A,i,I

ul的type值:cicle,disc,square

12.表格标签:<table></table>属性:

weight:设置表格宽度

height:设置表格高度

align:整个表格在网页中的位置,值有:left,center,right

bgcolor:整个表格的背景颜色

border:表格边的宽度

子标签:行标签:<tr></tr>

align:行中内容的位置

单元格标签:<td></td>

align:单元格内容的位置

rowspan:跨行合并,值指的是跨几行

colspan:跨列合并,值指跨几列

特殊的单元格:表头<th></th>内容自动加粗并且居中

13.框架集:<frameset></frameset>(一般不用再body中,自身相当于body)

作用:把页面分割为几个部分

属性:rows:分行(例:(10%,20%,70%)分三行,各行占比

clos:分列(例:(10%,20%,70%)分三行,各行占比

上面的框架只是理论的划分,要显示效果必须配合子标签frame(每行一个);frame的属性:

src:规定在框架中显示的文档的地址

name:规定框架名字

framename:是否显示边框

 

 

 

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。
【6层】4837.9平米六层框架综合办公楼(含计算书、建筑、结构图纸) 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,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,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,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。
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

打赏作者

psjasf1314

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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