web 存储

<!DOCTYPE html>
<html>
	<head>
		<meta charset="UTF-8">
		<title></title>
		<script>
			function saveStorage(){
				var data=new Object;
				data.name=document.getElementById('name').value;
				data.email=document.getElementById('email').value;
				data.phone=document.getElementById('phone').value;
				data.memo=document.getElementById('memo').value;
				//----转换json格式
				var str=JSON.stringify(data);
				alert(str);
				localStorage.setItem(data.name,str);
				alert('数据已经保存');
			}
			//查找web存储的数据
			function findStorage(id){
				var find=document.getElementById('find').value;
				var str=localStorage.getItem(find);
				var data=JSON.parse(str);
				var result="姓名:"+data.name+'<br/>';
				result+="邮箱:"+data.email+'<br/>';
				result+="电话:"+data.phone+'<br/>';
				result+="备注"+data.memo+'<br/>';
				var target=document.getElementById(id);
				target.innerHTML=result;
			}
		</script>
	</head>
	<body>
		<!--html代码-->
		<h1>使用Web Storage模拟数据库</h1>
		<table>
			<tr><td>姓名</td><td><input type="text" id="name"></td></tr>
			<tr><td>邮箱</td><td><input type="email" id="email"></td></tr>
			<tr><td>电话</td><td><input type="text" id="phone"></td></tr>
			<tr><td>备注</td><td><input type="text" id="memo"></td></tr>
			<tr>
				<td></td>
				<td><input type="button" value="保存" οnclick="saveStorage();"></td>
			</tr>
		</table>
		<hr />
		<p>检索:<input type="text" id="find"></p>
			   <input type="button" value="检索" οnclick="findStorage('msg');"/>
	    </p>
	    <p id="msg"></p>
	</body>
</html>

json格式的双向转换

<!DOCTYPE html>
<html>
	<head>
		<meta charset="UTF-8">
		<title>Web留言本</title>
		<script>
			function saveStorage(id){
				var data=document.getElementById(id).value;
				var time=new Date().getTime();
				localStorage.setItem(time,data);
				alert('数据已保存');
				loadStorage('msg');
			}
			function loadStorage(id){
				var result='<table border="1">';
				for(var i=0;i<localStorage.length;i++){
					var key=localStorage.key(i);
					var value=localStorage.getItem(key);
					var date=new Date();
					date.setTime(key);
					var datastr=date.toGMTString();
					result+='<tr><td>'+value+'</td><td>'+datastr+'</td></tr>';
				}
				result+='</table>';
				var target=document.getElementById(id);
				target.innerHTML=result;
			}
			function clearStorage(){
				localStorage.clear();
				alert('全部数据被清除。');
				loadStorage('msg');
			}
		</script>
	</head>
	<body>
		<h1>Web留言本</h1>
		<textarea id="memo" cols="60" rows="10"></textarea><br />
		<input type="button" value="追加" οnclick="saveStorage('memo');" />
		<input type="button" value="初始化" οnclick="clearStorage('msg');" />
		<hr />
		<p id="msg"></p>
	</body>
</html>
WEB SQL的存储

视频课堂https://edu.csdn.net/combo/detail/802

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

打赏作者

teayear

读后有收获可以获取更多资源

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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