eclipse或myeclipse安装aptana插件,编辑js,jquery更好用 转

http://blog.csdn.net/sjdl9396/article/details/7324803 

 

eclipse或myeclipse安装aptana插件,编辑js,jquery更好用


首先声明,我的myeclipse是6.0版本的,其他版本我没有测试过。

 

步骤:


1 查看当前MyEclipse集成的eclipse的版本,,

查看路径   D:\MyEclipse 6.0\eclipse\readme\readme_eclipse.html(以我的为例)
版本为3.3

 

2 在线安装aptana插件

菜单栏 Help-- Find and Install-- 按new Remote Site,

Name填 aptana , URL填http://update.aptana.com/update/studio/3.2/,一直next到finished为止

(在线更新很多东西,我的用了十几二十分钟,网速快的可能要快。后台让他自己更新去吧)

安装完毕后重启MyEclipse。

 

3 MyEclipse重启后,可以用了编写js了,

默认情况下,eclipse中的aptana插件是不会自动开启jquery库的自动提示功能的,即使是建工程时选用了jquery库,这时只是把这个库加入到了工程中,但不会有提示功能,打开功能的办法是:
windows->preferences->aptana->editors->javascript->codeassist ,勾选上jQuery就OK了

 

有的同学装了以后,重启myeclipse会报错,Error opening the editor.java.lang.NullPointerException。

这是由于你没有安装firefox浏览器。而aptana好像默认firefox为默认调试浏览器。

这个问题解决起来很简单,
打开myeclipse->Preference->Aptana->MyAptana/MessageCenter
去掉 use fireFox as the Aptana Home Page Browser 前面的勾
重启Myeclipse,问题就解决了。

 

在此记录下来,以免后来的同学也遇到和我一样的问题。这样一来,我们的eclipse就可以变得更强大了。现在可以更好编辑前台的代码了。aptana支持很多前台的代码编辑,它的特点包括:

   *JavaScript,JavaScript函数,HTML,CSS语言的CodeAssist功能。

   *Outliner(大纲):显示JavaScript,HTML和CSS的代码结构。

  *代码语法错误提示。

  *支持Aptana UI自定义和扩展。

  *支持跨平台。

  *支持流行AJAX框架的CodeAssist功能:AFLAX,Dojo,JQuery,MochiKit,Prototype,Rico

    script.aculo.us,Yahoo UI。

转载于:https://www.cnblogs.com/yijin/archive/2012/06/06/2538635.html

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