HTML学习笔记(四)

制作表单

可以使用form元素创建表单。以CSDN为例,一般为:

<form action="https://www.csdn.net/xxx.php" method="POST">
//表单内容在这里
</form>

其中,action属性中为将要处理的文件的绝对路径<method>属性为表单发送数据的方式。

表单中可以含有的元素

<input>元素开始:

texttest:<input type="text" name="text"><br>
<!文本输入>

效果如图:
在这里插入图片描述

<input type="radio" name="hotornot" value="hot">hot<br>
<input type="radio" name="hotornot" value="cold">cold<br>
<!单选钮输入>

在这里插入图片描述

<input type="checkbox" name="fruits" value="apple">apple<br>
<input type="checkbox" name="fruits" value="banana">banana<br>
<input type="checkbox" name="fruits" value="pear">pear<br>
<!复选框输入>

在这里插入图片描述

your comments:<br>
    <textarea name="comments" rows="10" cols="48"></textarea><br>
<!文本区输入>

在这里插入图片描述

<select name="fruits">
    <option value="apples">apples</option>
    <option value="banana">banana</option>
    <option value="pear">pear</option>
</select><br>
<!创建菜单>

在这里插入图片描述

number:<input type="number" min="0" max="10"><br>
<!数字输入,其中min指定le最小值,max指定了最大值>

在这里插入图片描述

select a number:<input type="range" min="0" max="10" step="1"><br>
<!范围输入,step为间隔>

在这里插入图片描述

select a color:<input type="color"><br>
<!选择颜色>

在这里插入图片描述

your data:<input type="date"><br>
<!日期输入>

在这里插入图片描述

email:<input type="email"><br>
<!e-mail输入>

在这里插入图片描述

URL:<input type="url"><br>
<!URL输入>

在这里插入图片描述

Tel:<input type="tel"><br>
<!电话号码输入>

在这里插入图片描述

<input type="submit"><br>
<!提交输入>

在这里插入图片描述

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