从0开始,HTML








怕打瞌睡,就不弄PID了,试着玩哈HTML

什么是HTML?(从网页上找的)

HTML是用来制作网页的标记语言

  • HTML是Hypertext Markup Language的英文缩写, 即超文本标记语言

  •  HTML语言是一种标记语言,不需要编译,直接由浏览器执行

  •  HTML文件是一个文本文件,包含了一些HTML元素,标签等.

  • HTML文件必须使用html或htm为文件名后缀

  • HTML是大小写不敏感的,HTML与html是一样的

Html和CSS的关系(网页搜索)

学习web前端开发基础技术需要掌握:HTML、CSS、JavaScript语言。下面我们就来了解下这三门技术都是用来实现什么的:

1. HTML是网页内容的载体。内容就是网页制作者放在页面上想要让用户浏览的信息,可以包含文字、图片、视频等。

2. CSS样式是表现(外观控制)。就像网页的外衣。比如,标题字体、颜色变化,或为标题加入背景图片、边框等。所有这些用来改变内容外观的东西称之为表现。

3. JavaScript是用来实现网页上的特效效果。如:鼠标滑过弹出下拉菜单。或鼠标滑过表格的背景颜色改变。还有焦点新闻(新闻图片)的轮换。可以这么理解,有动画的,有交互的一般都是用JavaScript来实现的。

举个栗子(*_*)

新建一个txt文本文档,先不要急着修改文件后缀名,有基础的朋友手动输入HTML代码,不会也没有关系,百度搜索“网页HTML代码”。

代码:

<!Doctype html>

<html>

<head>

<title>静态网页制作教程</title>

    <meta charset="gbk" />

    <link href="css.css" rel="stylesheet" type="text/css" media="all" />

</head>

<body>

</body>

</html>

下面在<body></body>中间添加网页需要的数据内容(文字、图片、表格、视频等),然后将txt文本文档的后缀名.txt修改为.html。

使用鼠标右键“打开方式”,选择txt文本文档编辑css.css文件。用CSS定义网页字体大小12像素,网页背景色为蓝

色,字体颜色为白色。

代码:

body{font-size:12px;background:red;color:white}

保存,然后打开web文件夹中的index.html文件,查看效果。

下面在web文件下面新建一个images文件夹,然后打开软件Fireworks,设计自己需要的图片(没有就去百度搜索自己需要的图片,使用QQ截图功能,截取自己需要的图片),把设计好的图片存入web文件夹下面的images文件夹里面。现在我们在body中放入图片,让图片在网页里面居中。

代码:

<div align="center">

<img src="images/pic.png" alt="logo" title="静态网页制作教程" />

</div>


注意图片的路径






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