编辑不了php,行内编辑 不使用插件实现(php)

$(function(){

var table = $('#table').DataTable({

"ajax": {

"url": "/example/resources/user_share/inline_edit_no_plugin/data.php",

//"dataSrc": "data",//默认为data

"type": "post",

"error":function(){alert("服务器未正常响应,请重试");}

},

"columns": [

{ "data": "id", "title":"序号","defaultContent":""},

{ "data": "username", "title":"用户名","defaultContent":""},

{ "data": "name", "title":"姓名","defaultContent":""},

{ "data": "phone", "title":"电话","defaultContent":""},

{ "data": null, "title":"操作","defaultContent": "编辑"}

],

"language": {

"sProcessing": "处理中...",

"sLengthMenu": "显示 _MENU_ 项结果",

"sZeroRecords": "没有匹配结果",

"sInfo": "显示第 _START_ 至 _END_ 项结果,共 _TOTAL_ 项",

"sInfoEmpty": "显示第 0 至 0 项结果,共 0 项",

"sInfoFiltered": "(由 _MAX_ 项结果过滤)",

"sInfoPostFix": "",

"sSearch": "搜索:",

"sUrl": "",

"sEmptyTable": "表中数据为空",

"sLoadingRecords": "载入中...",

"sInfoThousands": ",",

"oPaginate": {

"sFirst": "首页",

"sPrevious": "上页",

"sNext": "下页",

"sLast": "末页"

},

"oAria": {

"sSortAscending": ": 以升序排列此列",

"sSortDescending": ": 以降序排列此列"

}

}

});

$("#table tbody").on("click",".edit-btn",function(){

var tds=$(this).parents("tr").children();

$.each(tds, function(i,val){

var jqob=$(val);

if(i < 1 || jqob.has('button').length ){return true;}//跳过第1项 序号,按钮

var txt=jqob.text();

var put=$("");

put.val(txt);

jqob.html(put);

});

$(this).html("保存");

$(this).toggleClass("edit-btn");

$(this).toggleClass("save-btn");

});

$("#table tbody").on("click",".save-btn",function(){

var row=table.row($(this).parents("tr"));

var tds=$(this).parents("tr").children();

$.each(tds, function(i,val){

var jqob=$(val);

//把input变为字符串

if(!jqob.has('button').length){

var txt=jqob.children("input").val();

jqob.html(txt);

table.cell(jqob).data(txt);//修改DataTables对象的数据

}

});

var data=row.data();

$.ajax({

"url":"/example/resources/user_share/inline_edit_no_plugin/edit.php",

"data":data,

"type":"post",

"error":function(){

alert("服务器未正常响应,请重试");

},

"success":function(response){

alert(response);

}

});

$(this).html("编辑");

$(this).toggleClass("edit-btn");

$(this).toggleClass("save-btn");

});

//批量点击编辑按钮

$("#batch-edit-btn").click(function(){

$(".edit-btn").click();

});

$("#batch-save-btn").click(function(){

$(".save-btn").click();

});

});

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