sublime text3中成功使用bootstrap3

装载 http://www.cnblogs.com/skylarzhan/p/5769359.html

第一,你要先下载package control的插件,这是一款用来管理插件的插件(有点拗口)。下载方法参考http://jingyan.baidu.com/article/c14654134b8bde0bfcfc4c9a.html 记得要重新开启才能用。然后使用shift+Ctrl+     P来打开面板。

第二,下载一些插件,输入install,然后输入emmet,点击下载它,这个插件会提供一些小片段的快速生成代码,例如,

HTML文档需要包含一些固定的标签,比如<html>、<head>、<body>等,现在你只需要1秒钟就可以输入这些标签。比如输入“!”或“html:5”,然后按Tab键: 

<!DOCTYPE html>

<html lang="en">

<head>

       <meta charset="UTF-8">

       <title>Document</title>

</head>

<body>

      

</body>

</html>

Emmet的详细使用方法可以参考这个网址http://www.iteye.com/news/27580

第三,bootstrap 3框架,这个是需要到网上去下载。

首先我们要知道,我们所有快速生成模板都是存放在preference—browse packages—user里面。

所以首先要去网站下载该插件https://github.com/JasonMortonNZ/bs3-sublime-plugin  然后解压存放到user文件中就可以使用

使用语句类似于bs3-template:html5即可以快速生成模板

<!DOCTYPE html>

<html lang="">

      <head>

           <meta charset="utf-8">

           <meta http-equiv="X-UA-Compatible" content="IE=edge">

           <meta name="viewport" content="width=device-width, initial-scale=1">

           <title>Title Page</title>

 

           <!-- Bootstrap CSS -->

           <link href="//netdna.bootstrapcdn.com/bootstrap/3.3.4/css/bootstrap.min.css" rel="stylesheet">

 

           <!-- HTML5 Shim and Respond.js IE8 support of HTML5 elements and media queries -->

           <!-- WARNING: Respond.js doesn't work if you view the page via file:// -->

           <!--[if lt IE 9]>

                 <script src="https://oss.maxcdn.com/libs/html5shiv/3.7.0/html5shiv.js"></script>

                 <script src="https://oss.maxcdn.com/libs/respond.js/1.4.2/respond.min.js"></script>

           <![endif]-->

      </head>

      <body>

           <h1 class="text-center">Hello World</h1>

 

           <!-- jQuery -->

           <script src="//code.jquery.com/jquery.js"></script>

           <!-- Bootstrap JavaScript -->

           <script src="//netdna.bootstrapcdn.com/bootstrap/3.3.4/js/bootstrap.min.js"></script>

      </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