深蓝渐变下拉菜单代码

代码简介:很漂亮的深蓝色渐变的CSS下拉菜单,用到有两个修饰图片,预览效果请保存一下。这是纯CSS实现的,完全符合WEB标准,兼容所有IE浏览器,代码中有针对IE6的代码,已注释掉了,如果不需要可以删去。

代码内容:

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-

transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<title>深蓝渐变下拉菜单代码_网页代码站(www.webdm.cn)</title>
<meta http-equiv="Content-Type" content="text/html; charset=gbk">
<style>
.menu {float:left;font-family: arial,verdana,sans-serif;width:100%;position:relative;font-size:11px;font-

weight:bold;
background:url(http://www.webdm.cn/images/20090920/bgoff1_f.gif) repeat-x;border-bottom:3px solid 

#FF0066;/*bottom border color*/}
.menu ul {padding:0;margin:0;list-style-type:none;float:left;position:relative;}
.menu ul li {float:left;position:relative;display:inline;background:url

(http://www.webdm.cn/images/20090920/bgdir.gif) no-repeat bottom right;}

/*style of main items normal state*/
.menu ul li a, .menu ul li a:visited {float:left;display:block;text-

decoration:none;color:#fff;width:auto;height:26px;padding:0px 16px 0px 16px;line-height:26px;}
* html .menu ul li a, .menu ul li a:visited {width:auto;w\idth:auto;}

/*hide sub nav items*/
.menu ul li ul {display:none;}

/*clear the main nav bg*/
.menu ul li ul li{background:none;}

/*style for table of sub nav items*/
table {margin:-1px;border-collapse:collapse;font-size:11px;}

/*specific to non IE browsers*/
/*main nav over state*/
.menu ul li:hover a {color:#fff;background-color:#131546;}

/*show drop-down list*/
.menu ul li:hover ul {display:block;position:absolute;top:25px;margin-top:1px;left:0;width:100%;}

/*drop-down on state*/
.menu ul li:hover ul li a {display:block;background:#131546;color:#fff;height:auto;line-height:15px;padding:2px 

16px 2px 16px;width:120px;border-bottom:1px solid #fff;}

/*sub drop-down over state*/
.menu ul li:hover ul li a:hover {background:#22256D;color:#fff;}
</style>
<!--[if lte IE 6]>
/*ie specific styles*/
/*main nav over state*/
.menu ul li a:hover {color:#fff;background-color:#131546;}
/*positioning for sub nav*/
/* / */
.menu ul li a:hover ul {display:block;position:absolute;top:25px;left:0;background:#fff;margin-top:0;marg\in-

top:1px;}
/*drop-down on state*/
.menu ul li a:hover ul li a {display:block;background:#131546;color:#fff;height:auto;line-

height:15px;padding:2px 16px 2px 16px;width:130px;w\idth:120px;border-bottom:1px solid #fff;}
/*drop-down over state*/
.menu ul li a:hover ul li a:hover {background:#22256D;color:#fff;}
<![endif]-->
</head>

<body>
<!-- BEGIN Menu 
Menu built at /
-->
<div class="menucontainer">
<div class="menu">
<ul>
<li><a href="http://www.webdm.cn" target="_blank">Home</a></li>
<li><a href="#" target="_self">About us</a></li>
<li><a class="drop" href="http://www.webdm.cn" target="_self">Services<!--[if IE 7]><!-->
</a>
<!--<![endif]-->
<table><tr><td>
<ul><li><a href="http://www.webdm.cn" target="_self">Design</a></li><li><a href="#" 

target="_self">Strategy</a></li><li><a href="/" target="_self">Analysis</a></li></ul></td></tr></table>
<!--[if lte IE 6]>
</a>
<![endif]-->
</li>
<li><a href="http://www.webdm.cn" target="_self">Support</a></li>
<li><a href="/" target="_self">Forums</a></li>
<li><a href="/" target="_self">Contact Us</a></li>
</ul>
</div>
</div>
<!-- END Menu -->
</body>
</html>
<br>
<p><a href="http://www.webdm.cn">网页代码站</a> - 最专业的代码下载网站 - 致力为中国站长提供有质量的代码!</p>

代码来自:http://www.webdm.cn/webcode/6b71fbeb-d4f6-4926-8853-be20632dfe35.html

转载于:https://www.cnblogs.com/webdm/archive/2011/03/31/2000847.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