微信小程序

微信小程序复习笔记三

22 组件的共同属性

在这里插入图片描述
问题:内容不在界面显示
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在开发中id用的不多 因为它一般是不能重复的
一般情况下id表示唯一的标识
在这里插入图片描述

23 样式的三种写法

在这里插入图片描述在这里插入图片描述
全局样式 可以在wxss中写

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
全局样式也可在app.wxss中写 问题在于如果在另外一个页面也有一个class叫做这个名字那么它也会在另外一个页面生效
页面样式则是只有在当前页面才会生效
在这里插入图片描述
如果这样设置了box 那么它也只对当前页面有效果 对前面那个页面没有效果
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
可见行内样式的优先级是非常高的
在这里插入图片描述

24 掌握rpx样式导入WeUi

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
rpx单位是px单位的一半 为的是用来做屏幕适配
在这里插入图片描述
放到iphone5上面时就
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
特点是在iphone上面一个px刚好等于2个rpx
但是换成iphone5之后
在这里插入图片描述在这里插入图片描述
当样式特别多的时候可以抽取到一个单独的文件

在这里插入图片描述
在这里插入图片描述
把样式抽取出来放到单独的文件之后发现不再生效了在这里插入图片描述
要在wxss.wxss中导入路径 这个路径可以是相对路径也可以是绝对路径
在这里插入图片描述
在app.wxss也就是全局样式里面也可以做一个导入
也可以新建一个样式目录和文件
在这里插入图片描述
这个单独文件可能在多个页面里面都会被用到
在这里插入图片描述
在app.wxss里面对它做一个导入相当于全局都有那个样式
在这里插入图片描述
在这里插入图片描述

官方样式库提供的一些东西
[https://github.com/Tencent/weui-wxss]
在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
使用官方的样式库开发一个搜索框
在这里插入图片描述
假设把这一坨删掉 再重新进入搜索框
在这里插入图片描述
在这里插入图片描述
如果只是单独想拿下面那个的话
在这里插入图片描述
在这里插入图片描述
当输入东西的时候会展示一些列表 列表就是result 如下对应起来
在这里插入图片描述
删掉一些 要拿的就是剩下这些
在这里插入图片描述
在这里插入图片描述
如上图 多拷贝了一个view报错
如果想用它的样式有2种办法 1是使用它的全局样式
在这里插入图片描述
由于只做一个搜索框很多样式用不到 所以也可以找一个单独的样式
在这里插入图片描述
在这里插入图片描述
硬盘打开
在这里插入图片描述
ctrl + c
把它先拷贝到自己的硬盘中去在这里插入代码片
在这里插入图片描述
回到程序里面对它做一个导入
在这里插入图片描述
在这里插入图片描述
目前点击啥的没有反应 还需要找到js文件
在这里插入图片描述
把js也拷贝过去
这个js没有在硬盘中拷贝 因为要做文件路径的引入所以wxss
是没有直接复制代码过去 而是复制文件luj
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

25 掌握Mustache语法细节

在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述在这里插入图片描述
希望把2个变量拼接起来显示到小程序下方 并且中间加一个空格的话
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述
再点击一次会切换到红色
在这里插入图片描述

26 wxml语法 条件判断

在这里插入图片描述在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述在这里插入图片描述
如果希望改变这个东西可以给它搞一个button 切换内容要不要显示
在这里插入图片描述
希望这个按钮到底是显示还是隐藏
跟之前改变isActive的值是一样的 只需要对原来的值进行一个取反就可以了
在这里插入图片描述
如下 再点击切换显示就不见了
在这里插入图片描述

在这里插入图片描述在这里插入图片描述在这里插入图片描述
设置一个button搞分数递增在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
hidden 将一个组件隐藏起来的时候 ,该组件依然是存在的(display:none)
wx:if 将一个组件隐藏起来时,该组件根本不存在(压根没有创建)
如果显示和隐藏切换的频繁非常高 选择使用hidden
如果显示和隐藏切换的频繁非常低 选择使用wx:if

27 wxml语法 列表渲染

在这里插入图片描述
注意:数组必须写到mustache语法里面
如下这样子会被整体当成字符串
在这里插入图片描述
在这里插入图片描述这个item是自动生成的

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
希望上次那个东西一共显示三次
在这里插入图片描述
在这里插入图片描述
可以用view 但是view是一个组件 还要进行许多相关的渲染

在这里插入图片描述
在这里插入图片描述
block在小程序里面用的非常多
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
这种情况啥都没渲染在这里插入图片描述
在这里插入图片描述在这里插入图片描述
比如说对下面这个二维数组进行遍历:
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
如下 一旦插入x数据就要发生改变
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

28 wxml语法 wxml导入

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
通过data传入内容
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

<!-- 使用模板 此处使用相对路径和绝对路径都是可以的-->
<import src="/wxml/template.wxml"/>
<import src="../../wxml/template.wxml"/>

在其它页面 比如 首页 也可以使用
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
但是模板有一个特点 就是不能循环导入 import这个东西 对模板不能进行一个递归导入在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
include就是用来干这个事情的并且include就是用来做循环导入的
把header的导航单独抽出去
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述

29 wxxs 认识wxs的作用

在这里插入图片描述在这里插入图片描述
在这里插入图片描述
以上这种做法也是不可以的
在这里插入图片描述

30掌握wxs的两种写法

在这里插入图片描述
要新建一个wxs目录和文件在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

31 掌握wxs的案例练习

在这里插入图片描述
保留2位小数
在这里插入图片描述
保留三位小数
在这里插入图片描述
N 在这里插入图片描述
在这里插入图片描述在这里插入图片描述
在这里插入图片描述
价格的格式化和时间化在开发中很常用

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