jQuery实战笔记(一)-jQuery基本原理

jQuery核心:从HTML页面获取元素并对其进行操作。
一、jQuery包装器
$()函数(jQuery()函数的别名)返回特别的JavaScript对象,它包含着与选择器相匹配的DOM元素的数组。
该对象拥有大量预定义的有用方法,能够作用于该组元素。这种构造成为包装器,因为它用扩展功能来对匹配的元素进行包装。
jQuery包装器方法的特征是,当完成了一个操作时,它们返回相同的一组元素,提供给下一个操作。如:
$("div.notLongForThisWorld").fadeOut().addClass("removed");
这些jQuery链可以无限延续。

二、实用工具函数
包装元素以便于操作是jQuery的$()函数最常见的用途之一,它的另一个职责是作为几个通用的实用工具函数的命名空间前缀。
如:$.trim(someString); 即jQuery.trim(someString);函数trim()不过是存在于别名为$的命名空间jQuery里。


三、文档就绪处理函数
处理方式:
1.在文档完整加载之后执行(不仅是在构建DOM树之后,也是在所有图像和其他外部资源完整地加载并且页面在浏览器窗口显示完毕之后)
window.onload = function() {
   $("table tr:nth-child(even)").addClass("even");
}
【onload机制只接受一个函数。(并非最优方法)】
2.只要等到文档结构被完整地解析,浏览器把HTML转换成DOM树形式的时候,立刻执行脚本使丰富的行为生效。
$(document).ready(function() {
   $("table tr:nth-child(even)").addClass("even");
});
【首先,用$()即jQuery()函数来包装文档实例,然后调用ready()方法,给其传递一个函数。当文档为操作准备就绪的时候,就去执行该函数。】
简写形式:
$(function() {
   $("table tr:nth-child(even)").addClass("even");
});
【可以在同一个HTML文档中多次使用,并且浏览器按照函数在页面中定义的先后顺序,一一执行指定的函数。】

四、创建DOM对象
到目前为止,jQuery的作者使得$()函数(你的记忆里它只是jQuery()函数的别名而已)足够通用以便履行许多职责,从而避免把一堆全局性的名称引入JavaScript命名空间。
此外,通过给$()函数传递包含HTML标记的字符串,可以即时创建相应的DOM元素。如:$("<p>Hi there!</p>").insertAfter("#followMe");

五、扩展jQuery
即使我们已经大量使用jQuery包装器所提供的有用函数,但是jQuery库不可能预料所有人的需求,也不应该将每个人需要的东西都预先准备好,这样子可能导致一大堆大而笨重的、包含很少用到的功能的代码。所以jQuery在设计上易于用附加功能来进行扩展。
特别示例:
jQuery并不提供预定义的、用于禁用一组表单元素的函数。如果在Web应用中大量使用表单,就会发现利用以下语法非常便利:
$("form#myForm input.special").disable();
幸运的是,通过扩展在调用$()时返回的包装器,jQuery从设计上就便于扩展函数集。扩展jQuery的基本惯用语法如下:
$.fn.disable = function() {
   return this.each(function() {
       if (typeof this.disabled != "undefined") this.disabled = true;
   });
}
【首先,$.fn.disable表示我们用名为disable的函数来扩展$包装器。在函数内部,this是将被操作的包装DOM元素的集合。
然后,调用包装器的each()方法遍历包装集里的每个元素。对于每个元素,检查该元素是否拥有disabled特性,如果拥有,则把disabled的值设为true。
因为我们返回each()方法的结果(即包装器),所以扩展的全新的disable()也支持jQuery命令链。】

六、使用jQuery和其他库
如果需要采用多个JavaScript库,可能会产生冲突。jQuery避免使用大量的标识符而污染全局命名空间——可能不仅妨碍到其他库,也妨碍到你想在页面上采用的名称。jQuery标识符和他的$别名防止jQuery对全局命名空间的侵入。
同时,jQuery提供了noConflict()实用工具函数来消除冲突。jQuery.noConflict();把$还原到非jQuery库所定义的含义。

七、小结
事实上,jQuery在JavaScript命名空间中只引入了两个新名称——自命名的jQuery函数和它的$别名——通过使该函数高度多功能化,或基于函数的不同参数来调整所执行的操作,该库还是提供了大量的功能。
1.选择和包装DOM元素以便操作。
2.充当全局实用工具函数的命名空间。
3.根据HTML标记来创建DOM元素。
4.建立代码,当DOM为操作准备好时立刻执行。
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。
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