前端学习——js操作form表单

<!DOCTYPE html>
<html>
	<head>
		<meta charset="utf-8">
			<!--
				js操作form
				 获取form表单对象
				     使用id方式:var fm=document.getElementById("fm");
				     使用name属性:var frm=document.frm;
				 获取form表单下的所有表单元素集合
				   fm.elements
				form表单的常用方法
				     form表单的提交:表单对象.submit();//提交表单数据
				 form表单的属性操作:
				           表单对象名.action="新的值";//动态的改变数据的提交路径
				    表单对象名.method="新的值";//动态的改变提交方式      
				 js表单元素的通用属性
				     只读模式:readonly="readonly"//不可更改,但提交数据
				     关闭模式:disabled="disabled" //不可以进行任何操作,不提交数据
				     作用:当你不同意本协议时,注册按钮灰,按不了。
				     
			-->
		<title>js操作form表单</title>
		<script type="text/javascript">
			function testfm(){
				//获取form表对象
				var fm=document.getElementById("fm");
				//alert(fm);
				//使用form表单的name属性值来获取
				var frm=document.frm;
				//alert(frm);
			//	alert(fm===frm);	
				//获取form表单元素集合
		         // alert(fm.elements.length);
		          //form表单的常用方法
		         // fm.submit();//用于注册或校验,判断对了再提交
		          //fm.reset();
		          //form的属性操作
		          fm.action="http://www.baidu.com/s"
		 	}
	
			
		</script>
	</head>
	
	<body>
		<h3>js操作form表单</h3>
		
		<input type="button" name="" id="" value="测试form表单" onclick="testfm()" /><hr />
		<form action="#" method="get" id="fm" name="frm">
			<b>用户名:</b><input type="text" name="wd" id="uname" value="" readonly="readonly"/><br />
			密码:<input type="password" name="pwd" id="pwd" value="" disabled="disabled" /><br />
			<input type="submit" value="登录"/>
		</form>
	</body>
</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