vue.js入门

写于参与联想项目第一天,vue.js es6语法 webpack掌握的很混乱,借此机会整理一下

用vue-cli搭建vue开发环境

入口

项目入口是根目录下index.html
在这里插入图片描述
index.html中定义了id='app’的挂载点,src目录下的main.js中定义了vue根实例,该实例挂载到这个挂载点上.

import Vue from 'vue' 
import App from './App' //1

new Vue({
  el: '#app',
  router,
  store,
  components: { App },//2
  template: '<App/>',//3
  render: c => c(App)
})

1处省略了后缀名,webpack打包时会自动添加,在bulid/webpack.base.conf.js中配置,还可以配置别名.

另外这个import 是es6的语法,用于引入组件

  resolve: {
    extensions: ['.js', '.vue', '.json'],
    alias: {
      'vue$': 'vue/dist/vue.esm.js',
      '@': resolve('src'),
      'scss_vars': '@/statics/css/vars.scss'
    }
  },

2处注册局部组件,组件键值相同省略,这是ES6的语法
3处为模板,模板中的内容相当于放在挂载点下,这里使用了刚才注册组件APP
所以这个Vue根实例的作用就是展示所有APP组件和模板的内容
在这里插入图片描述

Vue文件:

每一个vue文件都是一个局部组件,组件包含模板,逻辑(js代码),样式三块.
js代码中:
以前声明data为属性,现在声明data为函数

以前:
data : {
	name:"ming"
}
//data为属性名,冒号之后为属性对象
-------------
现在:
data :function(){
	return {
		name:"ming"
	}
}
另外 ES6的语法中函数可以简化写作
data (){
	return {
		name:"ming"
	}
}
-----------------------------
要使用别的vue文件,即使用别的组件,要在js代码中注册局部组件
import TodoItem form './TodoItem'
components:{
	"todo-item":TodoItem
}

语法:

单向数据展示

{{}}插值表达式 直接写在内容体中
v-text 展示文本,不解释html标签,写在<div v-text= "content>中
v-html 解释html标签,写在<div v-html="content>中

事件绑定

v-on:

属性绑定

v-bind:

双向数据绑定

v-model=

计算属性

computed
若参与计算的参数没有变化,则不重新计算,使用上次的缓存结果,效率较高.

监听属性

watch
可以监听data 和计算属性中的值变化

流程控制

v-if="" 从dom树中删除
v-show="" 将元素隐藏
v-for="(item,index) of list :key=“index”"

组件化

每一个组件都是一个Vue实例,组件里可以写data,methods等等

全局组件

定义并调用全局组件
定义并调用一个全局组件

局部组件

在这里插入图片描述
局部组件定义后要在要使用组件的Vue实例中注册,
定义组件的变量名不能写作todo-item ,要写成TodoItem形式

向组件中传值

props:[]
父组件向子组件传值,是通过定义属性的方式
详见 https://www.imooc.com/video/16982
父组件通过发布订阅模式接受子组件信息,使用$emit
详见 https://www.imooc.com/video/16984

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 1
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