DNN页面呈现过程

《Professional DotNetNuke ASP Dot Net Portals》 第七章之Rendering The Presentation翻译
看到这个地方了,就顺手翻译了一下。


呈现表现层
当访问一个DotNetNuke门户的时候,加载门户页面的WebForm是Default.aspx。这个页的后端代码(code-behide,$AppRoot/Default.aspx.vb)为当前活动页面加载相应的页面皮肤。皮肤是一个从DotNetNuke.UI.Skins.Skin继承的用户控件。在这个皮肤类中会发生很多的动作。

首先,这个皮肤类迭代分配给这个页面的模块。每一个模块有一个分配给他的容器;容器有一个可见的边框用来与其它内容分隔。被分配的容器可以应用到门户中的所有模块,或者一个指定的页面,或者一个单独的模块。皮肤类加载模块的容器并且把模块的内容潜入到其中。

下一步,皮肤类判断模块是否实现了DotNetNuke.Entities.Modules.iActionable接口。如果实现了,皮肤类确定这个模块都实现了什么动作(浮动菜单项),并且把它们加入到容器上。

下一步,皮肤类通过在模块的安装目录中查找module.css文件,把模块的级联样式的引用加入到当前显示的页中。如果存在,则添加一个HtmlGenericContol控件来对这个样式文件进行引用。

所有这些都发正在皮肤类的Init事件中(图7-4)。在模块的每一个生命周期中,都会被重复处理一次。

最后,后端代码(code-behide,$AppRoot/Default.aspx.vb)呈现出相应的级联样式,通过门户的配置文件和他的皮肤。关于细节查看第13章。

转载于:https://www.cnblogs.com/hilite/archive/2005/08/18/217716.html

DNN即深度神经网络,是一种强大的机器学习算法。它由神经元层组成,每个神经元都与前一层的所有神经元相连。由于其深度和复杂性,训练和实现这种算法需要一定的技术和方法。 以下是DNN代码实现过程的解析: 1. 数据准备:获取和处理数据是任何机器学习算法的第一步。在DNN中,数据需要进行特征工程和预处理,以便算法可以正确地解读和分析数据。这可以包括归一化,标准化,降维或其他技术。代码实现方面,可以使用Python中的numpy,pandas和sklearn等包来处理数据。 2. 构建模型:DNN的模型通常由多个神经元层组成。每层可以由多个神经元组成,这些神经元可以使用激活函数来加入非线性度。选择正确的层数和神经元数量取决于问题的复杂性和特征工程。代码实现方面,可以使用TensorFlow或Keras等包来构建模型。 3. 模型训练:模型需要在大量的数据集上进行训练,以便识别出数据中不同特征之间的关系。在DNN中,训练基于反向传播和梯度下降来优化权重和偏差。代码实现方面,可以使用TensorFlow或Keras等包来训练模型。 4. 模型评估:在训练过程中,需要将新数据集分成训练集和测试集,以衡量模型的性能。通常使用交叉验证等技术进行评估,以查看模型是否过度拟合或欠拟合,并查看其准确性,召回率和精度等指标。代码实现方面,可以使用scikit-learn等包来评估模型。 5. 应用模型:最后,将训练好的模型应用到新数据中,以预测未知的输出值。代码实现方面,可以使用TensorFlow或Keras等包来应用模型。 总之,DNN的代码实现需要以下步骤:数据准备,模型构建,模型训练,模型评估和应用模型。当然,DNN是一种复杂的算法,需要深入学习和研究,以便更好地掌握其代码实现过程
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