Gulp 前端构建工具

基于流

Gulp是以 Nodejs中的stream(流) 为媒介,不需要像 Grunt 那样频繁的生成临时文件

  • 首先获取到需要的 stream,
  • 然后通过 stream 的 .pipe() 方法把流导入到 Gulp的插件中
  • 经过插件处理后的流又可以继续导入到其他插件中,
  • 最后通过 gulp.dest() 把流写入到文件中。
// 导入模块
const gulp = require('gulp');

// 导入 gulp 模块的扩展插件
const less = require('gulp-less');      
const mincss = require('gulp-cssmin');
const concat = require('gulp-concat');
const rename = require('gulp-rename');

// 定义默认任务
gulp.task('default', function(){
    gulp.src('static/less/*.less')      // 读取一个或多个文件,返回文件流
    .pipe(less())                       // 将流导向 less()   编译LESS
    .pipe(mincss())                     // 将流导向 mincss() 压缩CSS
    .pipe(concat('master.css'))         // 将流导向 concat() 合并文件
    .pipe(rename({                      // 将流导向 rename() 重命名-添加文件后缀  
        suffix: ".min"
    }))
    .pipe(gulp.dest('static/css'));     // 将流生成文件
})

1. 安装

  • gulp 安装
// 全局安装
npm install -g gulp

// 为了版本的灵活性, 在使用 gulp 的项目中再次安装
npm install gulp

// 如果需要写入 package.json 中, 加上 --save-dev
npm install --save-dev gulp
  • 扩展插件安装
npm install gulp-less --save

2. 使用

和 bower 类似,需要在项目根目录下新建主文件 gulpfile.js

  • 目录结构:
├── gulpfile.js
├── node_modules
│   └── gulp
└── package.json
  • 运行 gulp 任务
    需切换到 gulpfile.js 所在目录
// 执行默认名为 default 的任务
gulp

// 执行指定任务
gulp miniJS
gulp compileLess

3. API

仅需知道4个API即可

  • gulp.task() 定义任务
var gulp = require('gulp');

// 默认任务
gulp.task('default', function(){

});

// 自定义任务
gulp.task('compileLess', function(){

});
gulp.task('compileLess', function(){
    gulp.src('static/less/*.less')
    .pipe(less());
})
  • gulp.desk() 将管道中的文件流生成文件
gulp.task('compileLess', function(){
    gulp.src('static/less/*.less')
    .pipe(less())
    .pipe(gulp.dest('static/css'));
})
  • gulp.watch() 监听任务
// 执行多个任务
gulp.task('default', ['compileLess', 'miniJS'])

// 监听任务
var watcher = gulp.watch('static/js/*.js', ['miniJS', 'mergeJS'])

// 当文件发生改变时执行
watcher.on('change', function(event) {
    console.log(event.path + 'File complete finish')
})

gulpfile.js 文件:

// 导入模块
const gulp = require('gulp');
const less = require('gulp-less');
const mincss = require('gulp-cssmin');
const minjs = require('gulp-uglify');
const concat = require('gulp-concat');

// 定义 [编译LESS文件] 任务
gulp.task('compileLess', function(){
    // 选中所有文件
    gulp.src('static/less/*.less')
    .pipe(less()) // 编译 less to CSS
    .pipe(concat()) // 合并文件
    .pipe(mincss()) // 压缩 CSS 文件
    .pipe(gulp.dest('static/css')); // 输出文件夹,若无则创建
})

// 定义 [压缩JS文件] 任务
gulp.task('miniJS', function(){
    // 选中文件
    gulp.src('static/js/main.js')
    .pipe(minjs()) // 压缩 JS 文件
    .pipe(gulp.dest('static/js')); // 输出文件夹,若无则创建
})

// 定义 [合并JS文件] 任务
gulp.task('mergeJS', function(){
    // 选中文件
    gulp.src(['static/js/one.js', 'static/js/two.js'])
    .pipe(concat('main.js')) // 压缩 JS 文件
    .pipe(gulp.dest('static/js')); // 输出文件夹,若无则创建
})

// 执行多个任务
gulp.task('default', ['compileLess', 'miniJS'])

// 监听任务
var watcher = gulp.watch('static/js/*.js', ['miniJS', 'mergeJS'])

// 当文件发生改变时执行
watcher.on('change', function(event) {
    console.log(event.path + 'File complete finish')
})

4. 常用 gulp 插件

npm install --save gulp-less          // 编译LESS
npm install --save gulp-autoprefixer  // 私有前缀补全
npm install --save gulp-htmlmin       // HTML压缩
npm install --save gulp-cssmin        // CSS压缩
npm install --save gulp-uglify        // JS压缩
npm install --save gulp-imagemin      // 图片压缩
npm install --save gulp-rname         // 重命名
npm install --save gulp-concat        // 合并
npm install --save gulp-rev           // 添加版本号
npm install --save gulp-rev-collector // 内容替换
npm install --save gulp-livereload    // 实时可视化、自动刷新
npm install --save gulp-load-plugins  // 一次性加载

引用
https://www.cnblogs.com/2050/p/4198792.html

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