CSS positioning的一些整理

CSS基础

1. 关联一个css样式文件

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

-rel : relationship css和当前的关系 是 样式文档

-type: text/css 关联文件的类型

-href: 这个link的 地址


2. 理解样式的继承关系

子元素样式自动继承父元素样式

可以复写子元素的样式

<html>
<head>
<style>
body {
background-color : red;
}

p {
background-color : green;
}
</style>
</head>
<body>
<div>
div背景自动继承红色
</div>
<p>
p内背景被改成绿色
</p>
</body>
</html>

3. 理解css的加载顺序

先加载link 

之后 html-head-style中得样式 

最后 标签中得 style属性

最终的样式由最终加载项决定


4. 理解 span 和 div 代表的两类元素的区别

span 默认是inline元素,修饰时不换行

div 默认是block元素,修饰时独占一个行空间

span可以放在p中,div不可以放在p中及其他inline元素中


5. 理解 css中的各种计量单位

对于颜色: #630 #663300 3位和6位两种,重复3位得到的6位代表同一个颜色,调整6位的重复位可以得到微调的3位颜色

对于文字和空间: pt px ex em % 

pt: point 浏览器默认字号一般是12pt

px:pixel 可以调整像素比例

ex:一个小写x的 高度 可以用于调整 高度

em:一个大写M的 宽度 可用于调整 宽度

%:当前默认值的百分比

对于元素的尺寸和block元素的尺寸

width height +padding + border + margin 的 单位和 文字空间的一致


CSS Positioning

1. 理解 定位方式的种类 static absolute relative float fixed 无继承性

static:默认的定位方式

absolute:相对于父窗口的偏移定位

relative:相对于父窗口在应占位置的基础上的偏移定位

float:right | left  相对于其它元素漂浮出来,依次排在左边或右边,非float元素可以添加 clear : right/left/both 标签消除float元素对之后元素的效果 

fixed :相对于window的固定定位,特点是拖动滚动条不改变元素的可是位置


2. 元素position的第三个维度 z-index

子元素默认在父元素上方

同级子元素,后面的在前面的上方

可以改变z-index调整上下重叠关系


3. relative position的最常用应用

最为容器元素使用 position: relative , 内部的元素布局使用 absolute 或 float; 

注意 容器元素的条件: postiiton: relative 没有 方向偏西


4. 一些技巧


link+图片+设置位置可以toggle不同动作下得图片显示

a:link, a:visited{
background: url(xxx) left top; 
}
a:hover, a:{
background:url(xxx) left bottom;
}


容器设置padding加内部元素设置统一margin-left/right: 0;可以 对齐


用<p style="clear:both"/> 在结尾除,可以清除之前float样式对之后元素的影响





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