web前端知识点太多_小猿圈web前端知识点之JavaScript倒计时效果

最近看一些体育比赛都是用一些倒计时计算的,而且倒计时效果在很多地方应用也很广泛的,小猿圈web前端讲师今天就给大家用JavaScript写倒计时的效果,有兴趣的小伙伴来看一下吧。

65b8d67588abc0020883e8cd6c08346a.png

下面就直接给出实现此功能的代码实例。

代码实例如下:

<!DOCTYPE html>

<html>

<head>

<meta charset=" utf-8">

<meta name="author" content="http://www.softwhy.com/" />

<title>小猿圈</title>

<style type="text/css">

*{

margin:0;

padding:0;

list-style:none;

}

body{

font-size:18px;

text-align:center;

}

.time{

height:30px;

padding:200px;

}

</style>

<script type="text/javascript">

function GetRTime(){

var EndTime= new Date('2022/12/20 00:00:00');

var NowTime = new Date();

var t =EndTime.getTime() - NowTime.getTime();

var d=0;

var h=0;

var m=0;

var s=0;

if(t>=0){

d=Math.floor(t/1000/60/60/24);

h=Math.floor(t/1000/60/60%24);

m=Math.floor(t/1000/60%60);

s=Math.floor(t/1000%60);

}

else{

clearTimeout(timer);

return;

}

document.getElementById("t_d").innerHTML = d + "天";

document.getElementById("t_h").innerHTML = h + "时";

document.getElementById("t_m").innerHTML = m + "分";

document.getElementById("t_s").innerHTML = s + "秒";

var timer=setTimeout(GetRTime,1000);

}

window.οnlοad=function(){

GetRTime()

}

</script>

</head>

<body>

<div class="time">

<span id="t_d">00天</span>

<span id="t_h">00时</span>

<span id="t_m">00分</span>

<span id="t_s">00秒</span>

</div>

</body>

</html>

上面的实现的倒计时效果,下面介绍一下它的实现过程。

一.代码注释:

(1).function GetRTime(){},此函数实现了倒计时效果。

(2).var EndTime= new Date('2014/12/20 00:00:00'),倒计时终点时间对象。

(3).var NowTime = new Date(),获取当前的时间对象。

(4).var t =EndTime.getTime() - NowTime.getTime(),获取终点时间和当前时间的毫秒差距。

(5).var d=0,声明一个变量并初始化为0,用来标识倒计时剩余的天,下面几个变量也是同样的道理。

(6).if(t>=0),判断毫秒差是否大于等于0,如果是,则继续倒计时效果。

(7).d=Math.floor(t/1000/60/60/24),获取剩余的天数。

(8).h=Math.floor(t/1000/60/60%24),获取剩余的小时,当然这里所说的剩余的小时并不是总的剩余的小时数,而是在分钟这个时间单位上的小时整数,下面的分钟秒等也是同样的道理。

(9).else{clearTimeout(timer);return;},如果倒计时结束,那么就结束定时器函数的执行,并跳出此函数。

(10).document.getElementById("t_d").innerHTML = d + "天",显示倒计时相关的内容,下面也是同样的道理。

(11).var timer=setTimeout(GetRTime,1000),利用回调的方式不断调用GetRTime函数本身。

以上就是小猿圈web前端讲师对于JavaScript倒计时效果的介绍,经过以上的内容相信你对web前端有了一定的兴趣,想要学习web前端就要找个好的学习平台,小猿圈就是个不错的选择,小猿圈怎么上里面有最全最新的视频教程,等你来学习。

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
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