半路出家学php可以吗,PHP半路出家(3)

前言

反思了最近写的一些东西,有些小感触

对于学过java或C++的coder来说,

老说语法也没啥意思,OOP,异常之类的技术

不是看看简单的实例代码就能会的,

不懂的可以google喽~

START!

暂时不在blog上写死知识了,还是暂时先在blog上写blog吧~

计划是Practical PHP and MySQL书中第一个实例.

需要一个良好的存储模型

数据库中需要建立的3个表

用相关的id的进行各个数据之间的匹配

blog的大体逻辑框架

config.php

功能 : 提供常量,一般是一些简单的配置.

内容 :

数据库—[host] [username] [password] [dbname]

博客相关—[博客名称] [作者] [主页的根目录]

header.php

功能 : 给每个博客页面的初始化工作

内容 :

每个页面的博客顶部标题—html

数据库连接—MySQL

登陆验证—正确登陆后可以进行博客管理—SESSION

footer.php

功能 : 在每个页面底部添加作者标志.

内容 : © Matter

index.php

功能 : 显示文章 , 查看评论 , 显示以前文章

内容 :

在数据库查询文章—MySQL

显示文章标题和内容—PHP

viewentry.php

功能 : 利用锚点,查看评论,并添加评论

内容 :

先验证,获取id号—GET

连接数据库,查找对应ID的文章—MySQL

查找所有评论—MySQL

显示文章,评论—php

提交评论的表单—html

viewcat.php

功能 : 分类浏览

内容 :

判断请求的id—php

显示相应ID下所有文章—MySQL

Login.php

功能 : 登陆—session

Logout.php

功能 : 登出—session

addentry.php

功能 : 添加文章

内容 :

验证用户—session

写分类和文章—html

添加内容到数据库

updateentry.php

功能 : 修改文章

内容 :

验证

数据库的UPDATE命令

编码小收获

1.date()时间格式

date()符号

日期

D

Sat

D j

Sat 12

D jS

Sat 12th

D jS F

Sat 12th May

D jS F Y

Sat 12th May 2012

D jS F Y g

Sat 12th May 2012 3

D jS F Y g.

Sat 12th May 2012 3.

D jS F Y g.i

Sat 12th May 2012 3.06

D jS F Y g.iA

Sat 12th May 2012 3.06PM

2.页面设计的时候,可以用header和footer文件,产生固定的效果

3.SQL语句简单格式 : SELECT(选择)–WHERE(条件)–ORDER BY(排序)–DESC(倒序)–LIMIT(限制)

4.用config.php文件保存一些配置信息常量

5.对$_GET和$_POST超级全局变量的使用概览

6.用手过了一遍数据库和网页的编程实践

小感想

这是我的第一个PHP+MySQL的小程序 , 做这个的动机是学习PHP时自以为语法到位了 , 想试试手 . 但遇到了不少困难 .

好的方面

了解了部署一个服务器上的BLOG的流程 , 和原理 .

对PHP在编程中的角色有了一定的理解

使用MySQL和页面互动

了解了锚点,session等以前只是听说过的内容

坏的方面

跟书编码 , 整体感不够(在博客里总结一遍,算是清晰一点吧).

HTML布局和CSS样式掌握的不好 , 这两方面导致我的页面总是莫名其妙的乱了 .

还有SQL语言掌握的不太好 , 只会很”质朴”的操作,没掌握的感觉很明显

总之,我对自己学习PHP的方向感明晰一些.希望以后能再接再厉!!!

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。深度习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