Markdown 学习

优快云的这个Markdown编辑模式感觉还可以,之前在GitHub上下载别人的项目,里面总有个后缀md的文件。用普通的模式打开和普通的文本开起来没什么区别,但是在网页上显示就有标题,有层次,感觉很不错。后来了解到这个是叫Markdown标记语言。
其实还蛮简单的,用着也很方便。

1 标题

  • 标题就用#,几个#就是几级。有6级,1级字体最大。

2 段落格式

2.1 字体

  • 加粗斜体,和 加粗斜体,用*_都可以,我习惯*
*斜体文本*
_斜体文本_
**粗体文本**
__粗体文本__
***粗斜体文本***
___粗斜体文本___

2.2 分割线

  • 可以一行中用三个及以上的*-_来建立分割线,行中间不能有其他东西。
***
* * *
*********



2.3 删除线

  • 在文字的两端加上两个波浪线就可以了
    ~~在文字的两端加上两个波浪线就可以了~~

3 列表

3.1 无序列表

  • 无序列表使用*+-作为标记,敲一个*后面跟一个空格就是。效果就是前面会有一个小点。
* 第一项
* 第二项
  • 第一项
  • 第二项

3.2 有序列表

  • 这个就是数字加上一个.,然后空一格,和写word的时候一样的感觉。
1. 第一项
2. 第二项
  1. 第一项
  2. 第二项

3.3 列表嵌套

  • 列表嵌套只需在子列表中的选项添加四个空格即可。

4 区块引用

  • 区块引用是在段落开头使用 > 符号 ,然后后面紧跟一个空格符号。还没用到过?。

5 代码

  • 这个功能很棒,比较短的代码,一个函数或者一些符号这些,可以用反引号 (`)包起来。
`fmt.Println("Hello world!")`

fmt.Println("Hello world!")

  • 代码块就用三个反引号```包裹起来,还可以指定语言。

```go
func main() {
fmt.Println(“Hello world!”)
}
```

func main() {
	fmt.Println("Hello world!")
}

6 链接

  • 格式如下
[链接名称](链接地址)

或者

<链接地址>
[百度](www.baidu.com)
<www.baidu.com>

百度
<www.baidu.com>

7 表格

  • 制作表格使用| 来分隔不同的单元格,使用 -来分隔表头和其他行。
  • -: 设置内容和标题栏居右对齐。
  • :-设置内容和标题栏居左对齐。
  • :-: 设置内容和标题栏居中对齐。
| 左对齐 | 右对齐 | 居中对齐 |
| :-----| ----: | :----: |
| 单元格 | 单元格 | 单元格 |
| 单元格 | 单元格 | 单元格 |
左对齐右对齐居中对齐
单元格单元格单元格
单元格单元格单元格

8 图片

  • 开头感叹号 !,后面方括号[],里面写图片上替代的文字。然后接着普通括号(),里面放图片地址,还可以用引号包住选择性的 ‘title’ 属性的文字。
![替代文本](地址 "可选标题")
![Gopher](https://i-blog.csdnimg.cn/blog_migrate/815959ad0a5913bc5390bec64a1da3a4.jpeg "Go")

Gopher
目前用的多的也就前面几个,后面这两个都还没到过,只是在这里记录一下。

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
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