文本

   文本

    a.特殊文本的实现

     页面的空格以及一些特殊字符需要通过转义字符的方式体现。

    HTML中转义字符的特点:以&符号开始,以;结束。

     (1)   表示一个空格。

     (2)<;     表示  <

       (3)>       表示  >

       (4)©     表示©(版权)。

 

      <p></p>  

      Demo:1.创建一个页面02-text.html

                 2.在页面中输出以下内容

                 The   <p>   element.                     ©2017  By    Com

 解答:  The <p> element.     © By Com

b.文本样式相关标记

    <b></b>:   加粗

    <i></i>:    斜体

    <u></u>:  下划线

    <s></s>:    删除线

    <sup></sup>:  上标  2^2

    <sub></sub>:   下标  H2O

    Demo:  这是一段包含,   粗体,斜体,下划线,删除线,上标,下标的文本内容

    将以上文本内,对应文字的特殊效果,用标记体现出现。

    解答:这是一段包含,   <b>粗体</b>,<i>斜体</i>,<u>下划线</u>,<s>删除线</s>,<sup>上标</sup>,<sub>下标</sub>的文本内容

c.标题元素:以 醒目 的方式表现出文本。

   语法:<h1>一级标题</h1>

             <h2>二级标题</h2>

             <h3>三级标题</h3>

             <h4>四级标题</h4>

             <h5>五级标题</h5>

             <h6>六级标题</h6>

   属性:

        1.align:文本的水平对齐方式

          取值:left/center/right

d.段落元素

  语法:<p></p>

  属性:align:left/center/right

Demo:1.在02-text.html中,增加以下内容。

             (1)用段落标记表示:The first paragraph

               (2)  用段落标记表示:The second paragraph.文本表示为  右对齐

解答:

<!--段落标记-->

<p>The first paragraph.</p>

<p align="right">The second paragraph.</p>

e.换行元素:<br>

f.分割线元素

作用:在页面中表现为一条直线。

语法:<hr>

属性:1.size:尺寸。以 px 为单位的数值

          2.width:宽度。 以 px 或 % 为单位的数值。

          3.align:水平对齐方式。

          4.color:颜色

 Demo:02-text.html中,增加一根水平线,size为5px,宽度为50%,居中对齐,颜色为红色(red).

解答:<hr size="5px" width="50%" align="center" color="red">

g.预格式化

作用:保留源文档中的 回车 和 空格 的作用。

<pre></pre>

h.分区元素

  (1)块分区元素

           语法:<div></div>

           作用:布局(换行显示)

  (2)行内分区元素

            语法:<span></span>

            作用:设置同一行文字内的不同样式。    (在同一行显示)

Demo:

<div>静夜思</div>

<div>床前明月光</div>

<div>疑是地上霜</div>

<div>举头望明月</div>

<div>低头思故乡</div>

<span>鹅鹅鹅</span>

<span>曲项向天歌</span>

<span>白毛浮绿水</span>

<span>红掌拨清波</span>

效果如下:

静夜思

床前明月光

疑是地上霜

举头望明月

低头思故乡

鹅鹅鹅 曲项向天歌 白毛浮绿水 红掌拨清波 

i.行内元素  与   块级元素

  按照元素们的表现形式来分类,分为 行内元素 和 块级元素。

 (1)行内元素:在一行内允许显示多个元素的,称为“行内元素”。

           span,i,b,s,u,sup,sub

          作用:包裹文本,并处理文本的表现形式。

  (2)块级元素:每个元素独占一行显示的,称为“块级元素”。

           div,p,h1,h2,h3,h4,h5,h6

          作用:布局

注意:

1.p标记不能嵌套其他的块级元素。

2.行内元素中  最好 不要嵌套块级元素。

4. 图像 和  链接

(1)URL

  目录结构

     目录:保存文件的文件夹名称。

     多个文件夹之间的关系,就是目录结构。

   1.什么是URL

     URL(Uniform  Rescource  Locator),统一资源定位器。用来标识某资源文件的位置。

   2.URL 在 WEB 中的表现形式

   共三种表现形式:

   A.绝对路径

  特点:从文件所在的最高级目录处开始查找资源文件所经过的路径,就是绝对路径。

   使用场合:当想访问互联网的资源时,只能用绝对路径。

   完整的绝对路径分四部分:

  1. 协议名http(超文本传输协议)

   2.域名(主机名,IP地址)www.csdn.net

3.目录路径

4.文件名

Fn+F12右边弹出界面,点击左上角寻找图片路径。

https://img-bss.csdn.net/1560249226461.png

B.相对路径重点

场合:使用本机文件时使用

什么是相对路径:从当前文件位置处来说查找资源文件所经过的路径,就是相对路径。

  1. 同目录,直接用
  2. 子目录,先进入
  3. 父目录,先返回
  1. 根相对路径

  路径形式是以  /  作为开始的。

 / :表示的是服务器的根路径。

  1. 图像
  1. 图像格式

WEB中支持的图像格式。

  1. *.jpg
  2. *.gif(动图)
  3. *.png(透明)
  1. 图像的语法

标记:<img>

属性:

  1. src:指定要显示图像的URL
  2. width:图像的宽度
  3. height:图像的高度

宽和高改变其中一个,另一个也会发生改变。等比数列

  1. title:鼠标悬停时,要显示的文本

Demo:将一张图片下载下来,显示在自己的网页中。

<p>1.绝对路径</p>

<p>

<img src = "https://csdnimg.cn/pubfooter/images/csdn-kf.png">

</p>

<p>2.相对路径</p>

<p>

<img src = "img/k1.png">

</p>

<p>3.根相对路径</p>

<p>

<img src = "/VS CODE/img/k1.png">

</p>

  1. 超链接
  1. 语法

标记:<a>内容</a>

属性:

  1. href:要连接的HTML页面URL
  2. target:目标,指定新网页的打开形式。   

   取值:

  1. _blank:在新标签页中打开网页。
  2. _self:在自身标签页中打开新网页。(默认值)

Demo:

  1. 创建一个超链接,内容为:学子商城,点击时,在自身标签页中打开http://www.codeboy.com
  2. 创建一个超链接,内容为:上个Demo的图片,点击时,在新标签页中打开http://www.codeboy.com

<h3>1.创建a标记,显示“学子商城”,点击时,在自身标签页中打开</h3>

<a href="http://www.codeboy.com">学子商城</a>

<h3>2.在新标签页中打开</h3>

<a href="http://www.codeboy.com" target="_blank">

<img src="img/k1.png">

</a>

  1. 链接的四种表现形式
  1. 点击操作时,完成资源下载的操作。

链接的资源为zip/rar时则为下载操作

<a href=k1.rar”>下载</a>

  1. 电子邮件链接

<a href=”mailto:zhaoxu@tedu.cn”>联系我们</a>

前提:必须在计算机中安装并配置好至少一个邮件客户端的信息。

  1. 返回页面顶部的空链接

<a href=”#”>返回顶部</a>

  1. 执行Javascript代码片段

<a href=”javascript:JS脚本代码”>执行JS</a>

  1. 锚点

作用:锚点用于在网页中的某个位置出做个记号。允许从其他位置处转到记号位置处。

使用方式:

  1. 定义锚点

1.使用a标记的name属性允许定义锚点。

<a name=”maodian1:>xxxx</a>

2.任何标记的id属性定义锚点

B.链接到锚点

<a href=”#锚点名称”>链接到锚点</a>(本页的锚点)

<a href=”页面URL#锚点名称”>链接到锚点</a>(指定页面的锚点)

<p>

<a href="#NO1">第一章</a>

<a href="#NO2">第二章</a>

<a href="#NO3">第三章</a>

<a href="#NO4">第四章</a>

</p>

<!--1.第一章内容区域-->

<h3 id="NO1">第一章:倚天屠龙记</h3>

<p>Lorem ipsum dolor sit amet consectetur adipisicing elit. Ducimus velit necessitatibus reiciendis laborum alias quidem blanditiis ad nesciunt, numquam qui quam neque officia fuga ipsam dolorem, ipsa perspiciatis et. A?Lorem ipsum dolor sit amet consectetur adipisicing elit. Ducimus velit necessitatibus reiciendis laborum alias quidem blanditiis ad nesciunt, numquam qui quam neque officia fuga ipsam dolorem, ipsa perspiciatis et. A? </p>

<!--定义第二章内容-->

<h3>

<a name="NO2">第二章:倚天杀猪记</a>

</h3>

<p>Lorem ipsum dolor sit amet consectetur adipisicing elit. Ducimus velit necessitatibus reiciendis laborum alias quidem blanditiis ad nesciunt, numquam qui quam neque officia fuga ipsam dolorem, ipsa perspiciatis et. A?Lorem ipsum dolor sit </p>

5.表格

A.表格的基本元素

  1. 行和列
  2. 单元格
  3. 边距
  4. 间距
  5. 边框
  6. 表格的三要素:行、列、单元格
  7. 表格的嵌套

 

B.表格的相关代码

1.表格标签<table>

2.行标签<tr>

3.单元格标签<td>

4.表格的结构标签(均成对出现)

(1)表首标签<thead>

语法描述:

<thead bgcolor=”颜色” align=”对齐方式”>...</thead>

(2)表主体标签<tbody>

语法描述:

<tbody bgcolor=”颜色” align=”对齐方式”>...</tbody>

(3)表尾标签<tfoot>

语法描述:

<tfoot bgcolor=”颜色” align=”对齐方式”>...</tfoot>

(4)设置表格标题

语法描述:

<caption>标题</caption>

C.设置表格大小和行内属性

1.设置整个表格的大小       

(1)设置表格宽度

<table width=”宽度数值/百分比”>

(2)设置表格高度

<table width=”宽度数值/百分比”>

2.设置表格中的行的属性

<tr height=”行高值”>

3.设置行的背景颜色

<tr bgcolor=”行的背景颜色”>

4.设置行内文字的对齐方式

<tr align=”水平对齐方式”>

水平对齐方式有三种:left(默认左对齐),center,right

5.设置垂直对齐方式

<tr valign=”垂直对齐方式”>

垂直对齐方式有三种:top,bottom,middle

D.设置表格边框样式

1.设置表格边框宽度

<table border=”边框宽度”>

2.设置表格边框颜色

<table border=”边框宽度” bordercolor=”边框颜色”>

 

 

 

 

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。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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。
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。
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。
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。
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。 、资源5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。 、资源5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。
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