html5学习进度_day2

表单:这个表单的显示也太他妈的丑了,先通读了一遍,不得不说php表单这一章做的是真的垃圾,完全不能独立运行,且没有提示,且php的演示会不定期爆炸(起始在图片那里就有这种情况,只有零星两张图可以正常显示,大多都是破碎的)QAQ

<form action="">
First name:<input type="text" name="firstname"><br/>//种类是text文本(一般text默认可写20个单位)
Last name:<input type="text" name="lastname"><br/>
Username:<input type="text" name="user"><br/>
Password:<input type="password" name="password"><br/>//输入密码为隐藏黑点,这里的种类是password
</form>
Username  :<input type="text" name="user" value="王哥“>//text文本信息类型,value信息提前在文本显示
Password  :<input type="password" name="password">//password密码类型

<input type="radio" name="sex" value="male">Male<br>//name信息隐藏,value信息显示
<input type="radio" name="sex" value="female">Female//radio单选框,单选!!!一般都是成套出现

<input type="checkbox" name="vehicle" value="Bike">a bike<br>
<input type="checkbox" name="vehicle" value="Car">a car //checkbox多选终于出现了!也是成套出现

<select name="cars">
<option value="volvo">Volvo</option>
<option value="saab">Saab</option>
<option value="fiat">Fiat</option>
<option value="audi">Audi</option>
</select>                            //可选择的下拉框
(<option value="fiat" selected>Fiat</option>)//提前写有selected可以初始显示该选项,否则顺序显示

<textarea rows="10" cols="30">
我是一个文本框。
</textarea>                          //文本框出现了,里面可以随便写多少都行

<fieldset>
<legend>Personal information:</legend>
Name: <input type="text" size="30"><br>
E-mail: <input type="text" size="30"><br>
Date of birth: <input type="text" size="10">
</fieldset>                                        //带框框的表单(就是用线给圈起来了)

</form>
<form action="demo-form.php" method="get">//有按钮的表单,要在action里写上链接传值的网址,还有get
  <input type="radio" name="sex" value="Male"> Male<br>
  <input type="radio" name="sex" value="Female" checked="checked"> Female<br>
  <input type="submit" value="提交">                 //出现按钮了,submit类型
</form>

表单基本就这些,枯燥且不知道怎么用QAQ

我决定先不详细的对HTML学习做笔记了,先抱着不求甚解的态度去学习,因为我现在面对海量的标签信息,很多都是链接不知道如何具体应用,很难透彻的理解和实践,希望在以后的css和php学习中能更好的理解实践,然后再补全前面的不足,撰写学习记录

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