JS学习笔记2

1、JavaScript 函数通过 function 关键词进行定义,其后是函数名和括号 ()。由函数执行的代码被放置在花括号中:{}

2、函数调用—函数中的代码将在其他代码调用该函数时执行:
       1、当事件发生时(当用户点击按钮时)
       2、当 JavaScript 代码调用时
       3、自动的(自调用)

3、this 关键词:在函数定义中,this 引用该函数的“拥有者”。

4、常见的 HTML 事件:
       1、onchange:HTML 元素已被改变
       2、onclick:用户点击了 HTML 元素
       3、onmouseover:用户把鼠标移动到 HTML 元素上
       4、onmouseout:用户把鼠标移开 HTML 元素
       5、onkeydown:用户按下键盘按键
       6、onload:浏览器已经完成页面加载

5、字符串长度:内建属性 length 可返回字符串的长度。

6、对长字符串换行的最安全做法(但是有点慢)是使用字符串加法:document.getElementById("demo").innerHTML = "Hello" + "Kitty!";

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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