项目总结之前端页面常用插件

HTML静态页面国际化,如何优雅的实现前端国际化 今天小编会使用boostrap框架搭建一个配有中英文切换功能的网页,还有就是使用nodejs搭建后台服务,从头实现一个完整的前端国际化开发项目,内容不算很复杂,很适合前端已入门的胖友们。01 、前端国际化概述港真,自己刚接到这个需求的时候,也是不知如何下手,毕竟也没经验,后面就找了百度,经过一番探索,最终圆满的完成了任务,下面就把我的经验写下来,有需要的朋友拿去,不谢~~~首先我们先来普及一下什么... 阅读详情

在做完一个springboot的个人博客项目,想总结下从数据库建表到完成的对自己有点价值的点,包括碰到的问题及解决过程和方法,希望读者也能找到自己想要的。这篇博客主要是前端页面用到的一些插件及其使用方法。

先讲讲在项目中需要实现什么功能吧。在我的博客项目中,博客的发布需要有MarkDown编辑器,然后博客详情页需要有鼠标的滚动监测,还有一个生成二维码的用于扫描观看此篇博客,还有博客正文的排版插件,代码高亮,平滑滚动,正文的目录生成,动画效果等等。

注意:很多插件都依赖jquery,所以事先务必引入jquery!!!

MarkDown编辑器

先看看效果:
在这里插入图片描述在这个编辑器的左边区域是编写MarkDown语法的区域,右边是展示区域。看实际效果:
在这里插入图片描述

官网地址

https://pandao.github.io/editor.md/
其实官网有简要的用法,但是这里还是记录一下怎样简单的使用。

怎么实现呢?

先从官网下载好压缩包,然后在我们springboot程序的resources文件夹下的static目录下新建一个插件文件夹lib,如图:
在这里插入图片描述
解压缩后将其中的css等一些文件夹或文件(不是全部)复制进lib目录下新建的editormd目录,如图:
在这里插入图片描述
再在需要这个插件的页面中引入css,js还进行一些设置即可:
在这里插入图片描述在这里插入图片描述这里需要注意的是这个js是依赖于jquery的,所以在这个js之前得先声明jquery,比如我使用cdn形式的jquery:
在这里插入图片描述然后在自定义的script标签中初始化编辑器:

<script>
		// 初始化markdown编辑器
		// 里面的path是基于static定位的(在thymeleaf动态页面中基于static,要不然还是写我注释的那个path)
		var testEditor;
		$(function() {
			testEditor = editormd("md-content", {
				width : "100%",
				height : 640,
				syncScrolling : "single",
				//path : "../../static/lib/editormd/lib/"
				path    : "/lib/editormd/lib/"
			});

		});

	</script>

在正式的body标签中还得声明一个id为md-content的div:

<!--style="z-index: 1 !important;" 代表叠放层次,当全屏时,编辑器会位于所有组件上方-->
<div id="md-content" style="z-index: 1 !important;">
						<textarea name="content" placeholder="博客内容" th:text="*{content}" style="display: none;">
								
						</textarea>
</div>

排版插件

官网地址:https://github.com/sofish/typo.css

怎么使用?

下载下来后解压其中的html是用来演示的,css取出来放置于项目的css目录,并在想要用插件的页面引用。
并在想要格式化排版的div加入两个class,如图:
在这里插入图片描述
注意:使用时可能会与你自身使用的UI前端框架有一定冲突(效果没那么好),比如我博客项目使用的Semantic UI ,怎么解决?在这个typo.css中将作用与全局的全改为只作用于typo的div即可。

动画插件

官网:https://daneden.github.io/animate.css/
介绍:让某个标签块显示时有动画效果,如渐变等。

怎么使用?

下载解压后将其中的animate.css复制进css目录然后引用。然后在你想要有动画效果的元素的class中加animated,然后再加一个你选择的动画效果如fadeIn 如:
在这里插入图片描述

代码高亮

官网:https://github.com/PrismJS/prism

怎么使用?

在官网:选择你使用的语言如Java,JavaScript等,还有主题色如黑色,还有可以选择一些插件如显示行数等,然后下载css和js即可,再加入css和js文件夹,最后引用。
接下来的步骤是将代码包含在

中,这个步骤好像富文本编辑器帮我们做了,所以这里只需要引用即可。

目录生成

官网:http://tscanlin.github.io/tocbot/

怎么使用?

先自己写一个在网页右下部的小工具栏:
在这里插入图片描述使用SemanticUI的小工具栏:

<!--网页侧边的小工具条 要定义为绝对布局,无论怎样滑动都在一个地方
		 style="display:none" 表示默认不显示
	-->
	<div id="toolbar" class="m-fixed m-right-bottom m-padded"
		style="display: none">
		<div class="ui vertical icon buttons">
			<!--toc作用只是标明这个button,用作点击事件的识别-->
			<button class="toc ui teal button">目录</button>
			<a href="#comment-container" class="ui teal button">留言</a>
			<button class="ui wechat icon button">
				<i class="weixin icon"></i>
			</button>
			<div id="toTop-button" class="ui icon button">
				<i class="chevron up icon"></i>
			</div>
		</div>
	</div>

然后是弹出的目录栏(js-toc就是生成的目录的位置):

<!--点击工具条中目录后左侧弹出的
			然后目录生成是需要插件的(Tocbot)
			使用插件方式,引入js,css,然后js代码进行初始化
			不过注意:这个生成目录时所有的标题都必须有id属性,即h标签必须有id属性
			
			默认插件样式还是不行,就需要在tocbot.css中修改
		-->
	<div class="top-container ui flowing popup transition hidden"
		style="width: 250px !important;">
		<ol class="js-toc">

		</ol>

	</div>

然后使用query的弹出功能,将目录的弹出位置控制在这个小组件的上部:

$(".toc.button").popup({
			popup : $(".top-container.popup"),
			on : 'click',
			position : 'top center'
});

初始化:

tocbot.init({
			// Where to render the table of contents.
			tocSelector : '.js-toc',
			// Where to grab the headings to build the table of contents.
			contentSelector : '.js-toc-content',
			// Which headings to grab inside of the contentSelector element.
			headingSelector : 'h1, h2, h3',
			// For headings inside relative or absolute positioned containers within content.
			hasInnerContainers : true,
		});

可以看出初始化中的tocSelector即为生成目录的地方(一个ol标签),contentSelector 是值从哪个div中获取目录,headingSelector 是指h1,h2,h3生成目录。看我的正文内容:
在这里插入图片描述这样基本可以了。

二维码生成

官网:http://davidshimjs.github.io/qrcodejs/
这个插件可以根据一些信息自动生成二维码,和上个插件一样,先得弄出一个弹出框:
在这里插入图片描述
点击这个按钮后弹出下面这个div:

<!--点击微信后弹出的
			直接引用js
		-->
	<div id="qrcode" class="wechat-qr ui flowing popup transition hidden "
		style="width: 130px !important;">
		<!--<img src="img/dragonCat3.gif" alt="" class="ui rounded image" style="width: 120px !important;" />-->
	</div>

弹出得js:


		$(".wechat").popup({
			popup : $(".wechat-qr"),
			position : 'left center'
		});

然后老规矩先引用js后初始化:

<script>
// 这里最后部署的公网的域名这里要改
		var serurl = /*[[#{blog.serurl}]]*/"127.0.0.1:8080";
		var url = /*[[@{/blog/{id}(id=${blog.id})}]]*/"";
		var qrcode = new QRCode("qrcode", {
			text : serurl+url,
			width : 110,
			height : 110,
			colorDark : "#000000",
			colorLight : "#ffffff",
			correctLevel : QRCode.CorrectLevel.H
		});
</script>

这个初始化中得serurl 和url 在是我在项目中想要作为二维码得信息得,你实际想要扫描出啥内容由text指定。

平滑滚动

官网:https://github.com/flesler/jquery.scrollTo
这个插件的作用在于可以在你指定的时间内滑动到指定的位置。
怎么用呢?
这里不用下载直接使用cdn形式即可:

<script src="https://cdn.jsdelivr.net/npm/jquery.scrollto@2.1.2/jquery.scrollTo.min.js"></script>

使用方式也很简单(官网中有介绍):

$(element).scrollTo(target[,duration][,settings]);

这里的element值可以滑动的元素,如window,一般也是使用window的用来滑动整个窗口。
看实际案例:
我这里项目还是使用那个小工具栏中的一个按钮:
在这里插入图片描述
最下面的那个向上符号点击后触发:

$("#toTop-button").click(function() {
			//				500是滑动上去的时间
			$(window).scrollTo(0, 500);
		});

第一个参数的0代表滚动到最顶部,500代表500毫秒后滑倒顶部

滚动监测

官网:http://imakewebthings.com/waypoints/

为什么使用这个?
我的小工具栏并不是在刚刚进入博客详情就需要显示的,而是滑动到正文页面才开始显示,这个功能就需要使用这个插件了。

怎么使用?
下载后引入其中的js,然后在js中声明:

// 滚动监测
		var waypoint = new Waypoint({
			// 根据id定位
			  element: document.getElementById('waypoint'),
			  handler: function(direction) {
			    if (direction == 'down') {
			    	// jq的显示方法
			    	$('#toolbar').show(100);
			    } else { // up向上
			    	// 500毫秒后消失
			    	$('#toolbar').hide(500);
			    }
			  }
			})

这个其中的element: document.getElementById('waypoint')指的是监测谁的滚动,比如我这里,监测的是正文区域:
在这里插入图片描述然后再 handler后的方法中的:

 				if (direction == 'down') {
			    	// jq的显示方法
			    	$('#toolbar').show(100);
			    } else { // up向上
			    	// 500毫秒后消失
			    	$('#toolbar').hide(500);
			    }

代表当方向相对于监测对象向下时,工具条显示,向上时消失。

Web 前端常用插件 Web 前端常用插件 目录 工具类 浏览器增强类 表单类 图片类 图标类 UI 框架 UI 组件类 用户体验增强 动画 SVG 测试 其他类 Bootstrap相关类 Vue.js 相关 React 相关 小程序 GraphQL JS Plugins仓库 工具类 方便操作对象,数组等的工具库 underscore.js lo-dash与underscore.js的api基本一致。与underscore比其优势是,效率高;可自定义构建 Sugar在原生对象.. 阅读详情

相关推荐

初学者使用VUE开发前端项目

相对于传统的 Web 应用,单页应用做到了前后端分离,后端只负责处理数据提供接口,页面逻辑和页面渲染都交给了前端。// scoped 表示只对当前页面起作用,不加会造成全局该样式受到影响,若有必要全局修改,应该写在 ./style/common.scss 文件中,便于管理。* v-show和v-if的区别,v-show只是控制标签显示隐藏,而v-if通过逻辑判断控制输出,使用v-if可使组件每次进行重新渲染。而对于“渐进式”的解释,我在知乎上看到了一个不错的回答,这个答案也被Vue的设计者点了赞。

jieweiwujie的博客 140

专为前端开发者准备的15款优秀的Sublime Text插件

Sublime Text 已成为了目前最流行的代码编辑器之一。它的反应速度、简单易用性以及丰富的插件生态,让众多前端开发者们为之倾倒。 为了帮助开发者们更便捷地使用 Sublime Text ,我们决定制作一个 Sublime Text 扩展列表,它包含了我们日常使用的一些插件。当然,如果我们所列举的插件中没有你喜欢的,也随时欢迎你在评论中与我们分享它们。 1、插件包管理器 首先,我们将从包管理器开始。Package Control 是 Sublime Text 的插件包管理器,它提供了 Sublime

jinmu520的博客 499

前端显示代码高亮

将插件引进javaweb项目之后,可以使得我们的代码显示为高亮和前面有行号

网页内容生成二维码图片

网页内容生成二维码形式方便手机上查看,在采用thymeleaf模板情况下的方法: js: var serurl="127.0.0.1:8080"; var url=/*[[@{/blog/{id}(id=${blog.id} ) } ]]*/"" var qrcode = new QRCode("qrcode", { text: serurl+url, ...

20164225的博客 722

WPF的基础设施:XAML基础语法

XAML是WPF的核心标记语言,采用XML语法实现界面与逻辑分离。其基础语法包括:1)控件声明方式(特性语法和属性元素语法);2)x:Name与Name的区别(适用范围和编译行为);3)注释规范与代码折叠技巧;4)实用特性如属性继承、附加属性等。文章还提供了常见错误排查方法,建议通过实践练习掌握XAML开发技巧。全文系统介绍了XAML的核心语法与应用场景,是WPF开发者的基础学习指南。

Hare的博客 1758

前端开发的一些插件汇总

插件 parallel.js: 前后端通用的一个并行库zepto: 用于现代浏览器的兼容 jQuery 的库totoro: 稳定的跨浏览器测试工具TheaterJS: 一个用于模拟人输入状态的 JS 库stellar.js: 前端用于实现异步滚动效果的库,现已不再维护skrollr: 另一款实现一步滚动的开源库,使用人数众多,可实现各种狂拽酷炫掉渣天的前端效果,看真相Framework7: 前端框架,是开发人员可以基于 web 技术构建 IOS7 程序regulex: 用于生成 正则表达式 的可视化流程图

weixin_51127384的博客 9010

机器人路径规划:基于冠豪猪优化算法(Crested Porcupine Optimizer,CPO)的机器人路径规划(提供MATLAB代码)

移动机器人(Mobile robot,MR)的路径规划是 移动机器人研究的重要分支之,是对其进行控制的基础。根据环境信息的已知程度不同,路径规划分为基于环境信息已知的全局路径规划和基于环境信息未知或局部已知的局部路径规划。随着科技的快速发展以及机器人的大量应用,人们对机器人的要求也越来越高,尤其表现在对机器人的智能化方面的要求,而机器人自主路径规划是实现机器人智能化的重要步骤,路径规划是指规划机器人从起点位置出发,无碰撞、安全到达指定目标位置的最优路径。

IT猿手 1367

前端开发必备插件

VSCode前端开发常用插件

weixin_46719229的博客 853

案例分析|一篇文章带你看懂养鸡场智慧管理系统

养鸡场智慧管理系统是为了满足现代化养鸡业对精细化管理的需求而设计的一款专业软件。随着科技的发展和农业产业的升级,传统的手工记录和管理方式已无法满足高效、准确和实时的数据跟踪需求。本软件旨在通过集成各种功能模块,帮助养鸡场主实现从鸡苗孵化、饲养管理、饲料控制到销售结算等全链条的智能化操作。该系统的核心目标是提升养鸡场的运营效率和盈利能力,通过自动化数据处理,减少人工误差,节省时间和精力。例如,孵化报表和记录模块可以帮助管理者实时监控孵化过程,及时调整策略;

muyu2980的专栏 930

uniapp+华为HBuilder X 4.29跑鸿蒙模拟器报错没有签名授权

uniapp+华为HBuilder X 4.29跑鸿蒙模拟器报错没有签名授权报错信息11:39:47.976 安装 .hap 到鸿蒙设备 ...11:39:48.517 运行所需的权限没有签名授权,请参考 配置文档11:39:48.517 安装失败。

weixin_66071584的博客 1352

前端常用插件使用文档 以及demo

前端常用js插件集合

小漠007的专栏 2354

保姆级教程:用Wokwi玩转ESP32 MicroPython仿真(含库文件配置指南)

本教程详细介绍了如何使用Wokwi平台进行ESP32 MicroPython仿真开发,包括库文件配置、传感器数据模拟和REPL调试技巧。通过Wokwi的仿真调试系统,开发者可以在浏览器中快速验证代码逻辑,提高开发效率,特别适合物联网项目的快速迭代。

weixin_29195615的博客 448

前端插件_一些常用的前端插件和技巧汇总罗列

echarts图表https://echarts.baidu.com/index.htmlecharts一个纯js的图表库,可以流畅的运行在pc和移动端设备上面,兼容性也帮。swiperhttps://www.swiper.com.cn/swiper开源、免费、稳定、使用简单、功能强大,是架构移动终端网站的重要选择!常用于轮播图,滑动tab切换,微场景。一些上拉加载下拉刷新的效果也可以用这个插件来...

weixin_28862545的博客 141

PX4从放弃到精通(五):PX4中的姿态表示方法及转换关系

文章目录机体坐标系与地理坐标系一、pandas是什么?二、使用步骤1.引入库2.读入数据总结 机体坐标系与地理坐标系 在实际应用中,加速度计的测量轴是由运动平台安装固定此器件的轴向决定的。这些坐标轴就形成了载体坐标系,定义如下: 坐标原点设在载体质心(这样可简化运动方程的推导); y轴指向载体前方,称为横滚轴,横滚角以y轴为起始旋转轴而得到,符合右手定则; x轴与y轴夹角90°,指向载体横向,称为俯仰轴,俯仰角以x轴为起始旋转轴而得到,符合右手定则; z轴与x轴、y轴构成右手笛卡儿坐标系,指向载体垂直方向

超维空间科技的博客 8116

昇腾AI原生创新算子挑战赛(S1赛季)复盘-LessEqual算子

【代码】昇腾AI原生创新算子挑战赛(S1赛季)复盘-LessEqual算子。

william_myq的博客 510

实用性插件推荐

前端页面技术 常用插件 Ztree:jQuery树插件 DataTables:jQuery表格插件 Layer:web弹层组件 Distpicker:中国省市区地址三级联动插件 KindEditor:富文本编辑器 简洁方便 没UEditor那么多坑 WebUploader:百度文件上传插件 HighCharts:图表库 不蒜子:极简网页计数器 vue全家桶 ...

Chris_My_Paul的博客 465

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

前端项目搭建与调试

一.VsCode安装与使用 1.1下载VsCode VS Code的当前版本为1.61,支持Windows,Ubuntu,Mac https://code.visualstudio.com/Download 1.2 安装 VS Code的安装比较简单,一直下一步即可。安装完成后打开,界面如下: 1.3 Vscode的简单介绍 搜索,如果资源管理器文件过多,可通过输入内容查询 1.4 扩展,搜索内容后安装需要的插件,长使用的插件为 配置类插件 Beautity:格式化代码工具,美化JavaScript,

Sandrahh的博客 843

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

vscode 插件

原文链接: vscode 插件 上一篇: ...

阿豪 76

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

vscode 前端常用插件推荐

1. vscode 简介 vscode是微软开发的的一款代码编辑器,就如官网上说的一样,vscode重新定义(redefined)了代码编辑器。 当前市面上常用的轻型代码编辑器主要是:sublime,notepad++,editplus,atom这几种。 比起notepad++、editplus,vscode集成了许多IDE才具有的功能,比起它们更像一个代码编辑器; 比起sublime,...

jiandan1127的博客 14万+

VSCode 前端常用插件集合

Visual Studio Code 是由微软开发的一款免费、跨平台的文本编辑器。由于其卓越的性能和丰富的功能,它很快就受到了大家的喜爱。 但工欲善其事必先利其器,以下是本人为前端开发收集的常用的vscode插件,有需要的话赶紧mark起来吧~

Yushia的博客 2万+

Vscode web 前端 常用插件

Vscode web 常用插件 中文 复制前面的英文插件名 别复制后面的汉语 Chinese (Simplified) Language Pack for Visual Studio Code 适用于 VS Code 的中文(简体)语言包 Prettier - Code formatter 漂亮的格式化工具 Auto Rename Tag 自动重命名标签 vscode-icons 文件图标 ...

sxiaobi 1万+

使用 Vue 开发 VS Code 插件前端页面(上)

经过上面的操作,你已经得到了处于同一个文件夹下的能分别独立运行的插件和前端页面子项目,且它们构建好的内容也在同一个文件夹下:插件文件夹下的 dist 文件夹。看到这里你可以回看一下前面的项目结构图,现在你应该对它有了更深入的了解。这篇博客得到的项目为(注意是提交历史中的最早一次,不包含下节的内容):下节将介绍如何将构建的前端页面嵌入插件以及前端页面和插件的通信。

Hi_KER的博客 2720

前端常用的Vscode插件

前端常用的Vscode插件

前端工作学习中 2936

VScode前端常用插件

VScode前端常用插件 VSCode下载 下载链接:https://code.visualstudio.com/Download Windows有三种版本 User Installer:此版本安装在当前计算机帐户目录,这意味着如果使用另一个帐号登陆计算机将无法使用别人安装的vscode。 System Installer:此版本可以安装在非用户目录,例如C盘根目录,任何帐户都可以使用。 .zip:便携版,解压缩即可使用。 vscode默认提供的user版本,大多数人都是用的这个版本。 添加插件: 打开V

至简的博客 9978

使用 Vue 开发 VS Code 插件前端页面(下)

经过上篇的操作,已经得到了处于同一个文件夹下的能分别独立运行的插件和前端页面子项目。

Hi_KER的博客 1813
上一篇: 项目总结之项目中怎样根据关系建立表
下一篇: 项目总结之Springboot常用配置
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
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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