浮动模型css,CSS基础知识之盒模型以及浮动布局

CSS基础知识之盒模型以及浮动布局

谈到盒模型,有经验的小伙伴一定滚瓜烂熟,无非就是 内容(content)、填充(padding)、边框(border)、边界(margin);这些属性我们可以把它转移到我们日常生活中的盒子(箱子)上来理解,日常生活中所见的`盒子也就是能装东西的一种箱子,也具有这些属性,所以叫它盒子模式。盒子由几部分组成:

355b6aba32c398bc297bf19e1f7e8b68.png

物品 + 填充物 + 外包装 + 外边距

content + padding + border + margin

/* margin 后面接多个值 */

/*        上   右    下   左  */

margin:50px 30px40px 20px;

/*        上   左右  下 */

margin:50px 30px 40px;

/*       上下   左右 */

margin:50px 30px;

/* 上下左右 */

margin:50px;

通常情况下:

父子关系产生边距一般用padding

兄弟关系产生边距一般用margin

p标签的基本样式

p{

font-family:"微软雅黑";

/* em */

font-size:1em;

/*

italic 斜体

oblique 倾斜

*/

font-style:oblique;

/* 100 - 900 */

/* bold 加粗 */

/* lighter */

/* normal */

font-weight:lighter;

/* 复合属性 */

font:italic 9002em "宋体";

/* 文本设置 */

/* underline */

/* overline */

/* line-through */

/*text-decoration: line-through;*/

/* 缩进 */

/* 数值,可用用px 也可用 em,可以为负值 */

text-indent:-10px;

/*left, right, center*/

/* justify 两边对齐 */

text-align:justify;

/* 行间距 */

/* 如果一行内容的情况下,可以用作垂直居中 */

line-height:-1px;

/* 字(单词)间距 */

/* 可以为负值 */

word-spacing:-50px;

/* 字符间距 */

/* 可以为负值 */

letter-spacing:-5px;

}

插入背景图片

/* 背景图片,平铺 */

background-image:url("img/1.gif");

/* 背景图片是否重复 x y */

background-repeat:repeat-y;

/* 背景图片大小     宽     高 */

/*background-size: 100% 100%;*/

/* 1. 可以使用像素值

2. 可以使用方向值

3. 可以使用百分比

*/

background-position:30% 80%;

}

/* 伪类

hover 鼠标悬停

*/

.p1:hover{

width:400px;

height:400px;

}

css基本样式一览

css 属性名:

width: 宽度

height: 高度

margin: 外边距

padding: 内边距

border: 边框

background: 背景

display: 显示方式

font: 字体

font-weight 文字着重

font-family 字体

font-size  文字大小

font-style 文字样式

letter-spacing 字母间距

word-spacing 单词间距

text-align 文本对齐方式

text-decoration 文本修饰

text-indent 首行缩进

background-repeat 背景图片重复

background-image 背景图片

background-size 背景图片大小

float 浮动

浮动布局

float: left   左浮

float:right   右浮

清除浮动的方式:

1. clear:both;

2. 在父级中加上overflow:hidden; 变为BFC(单独布局的小单位)

3. 用浮动去清浮动。

文档流:在当前文档下,给元素排列时所占用的位置。

浮动:元素直接脱离文档流,按照指定的方向移动。直到遇到父级的边界,或者其他的浮动元素停止。

【CSS基础知识之盒模型以及浮动布局】相关文章:

深度习是机器习的一个子领域,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习和模式识别。深度模型能够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、医图像分析等应用至关重要。以下是深度习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度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. **深度习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度模型的工具和库。 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