js浅析预解析(es6之前)

JS的预解析 今天学习了JS预解析–挺有意思–小傻猫就浅记一下 预解析:变量预解析、函数预解析 1 、JS引擎运行js 分为两步: 预解析 代码执行 (1) 、JS引擎会把 里面所有的 var function 提前到当前作用域的最前面 (2)、代码执行 按照代码书写的顺序 从上到下执行 2、预解析分为 变量预解析(变量提升) 和 函数预解析 (函数提升) (1) 变量提升 所有的变量声明提升到当前作用域最前面 不提升赋值操作 (2) 函数提升 把所有的函数声明提升到当前作用域的最前面 不调用函数 . 阅读详情

此文想深入理解的话可以看看汤姆大叔的博客:
https://www.cnblogs.com/TomXu/archive/2011/12/15/2288411.html
非常详细,看懂了这里面的所有文章,理解作用域、闭包、变量对象、原型都不是问题。

js大致运行过程

1.语法分析:
js代码在执行之前,会通篇扫码一遍代码,有没有低级的语法错误,比如: 中文的括号,如果有错误,就一行代码都不执行

console.log(1111);
console.log(22); //中文的分号
console.log(5555);

我们看到第二行代码是中文符号,结果导致代码一行都不执行
在这里插入图片描述
2. 预解析
就是本章要讲的内容。

3.解释执行
解释一行执行一行,如果有错误下面的代码不执行,到第三步代码才开始执行,也就是说代码执行之前还要经历前两个步。

变量对象

在讲预解析前先简单理解一下变量对象的概念,在全局或函数中,会有一个对象VO,它会保存全局或函数中所有的声明的标识符,也就是说在全局或函数中声明的变量都会当做变量对象的属性来创建,变量的读取访问的操作都在VO中进行。
例子:
变量对象就像标识符的仓库一样,保存着所有标识符的值。

var a = 20,
	b = function (){};
//在全局中声明的变量和函数都当保存在VO里。
VO{
	a: 20,
	b: function(){}
}
//访问a标识符时,会在VO中查找
console.log(a);
//修改a时会在VO中修改
a = 111;
//对应的VO
VO{
	a: 111,
	b: function(){}
}

全局中的变量对象
在js中,全局对象GO就作为变量对象VO,所有的全局变量都被全局对象保存,在执行全局代码前,会创建全局对象GO,全局对象的生命周期是整个网页,当关闭网页时,全局对象就会被销毁,它保存着所有全局的标识符

window对象
js引擎会将该对象作为GO的初始化属性而创建,因此在全局中可以直接访问它,代表的是浏览器窗口,在网站中window就是GO,换句话说window引用了GO对象,因此你访问window.a其实就是访问GO.a;

例如:
js引擎创建GO对象后会初始化window属性并指向GO自身。

GO{
	window: GO
}

还有一个情况就是,变量没有声明就赋值不会报错,也会作为全局对象window的属性创建

例子:
以下代码a没有声明就赋值,会作为全局变量创建,相当于window.a = 20。

function fn(){
	a = 20;
}

window{
	a: 20;
}

在访问全局对象的标识符属性时会忽略掉对象名,因为全局对象是不能直接通过名称被访问的不过可以通过间接的方式访问,例如this、window。

var a = 20;
//忽略了对象名其实就是global.a,相当于在global里找a
console.log(a);
//由于window执行GO,因此window.a === global.a
console.log(window.a);
//在全局中,this指向全局对象
console.log(this.a);

函数中的变量对象:
在函数执行前会创建一个AO对象(Activation Object),它不能被访问,它的声明周期是整个函数,当时执行结束时,AO被销毁。

AO{}

关于变量
在es5中,只有var才能声明变量,不声明直接赋值实际上是在全局对象上创建了一个普通的属性,并不是声明了一个变量。

a = 10;

这只是给全局对象创建了一个属性,不算是变量,它并不符合emascipt规范中变量的概念,它能成为全局对象的属性是因为VO===GO

变量属性和普通属性的区别

console.log(a); //undefined
console.log(b); //b没有声明

b = 10;
var a = 20; //代码执行阶段被修改

因为a是使用var声明的,因此在执行上下文创建阶段就把声明的变量保存进来了。而b没有声明,因此它不算是一个变量,所以在执行上下文阶段就没有b,b只能在执行阶段被执行。

VO = {
	a: undefined
}

关于这个区别,还有就是变量属性有一个特性,不能被delete操作符删除(attribute:DontDelete)。

a = 10;
console.log(delete a); //true
console.log(window a); //undefined
var b = 20;
console.log(delete b); //false
console.log(window b); //20

预解析

预解析发生在全局和函数中,声明语句在代码执行前就提前得到解析,所以在代码执行环节会忽略掉声明语句,这个过程其实就是变量对象初始化的过程,就是在代码执行前会做一些准备工作,例如全局对象window初始化阶段会将Math、String、Date、parseInt等作为自身属性创建,将变量声明和函数声明做为全局对象的属性创建。

作用: 解决标识符命名冲突的问题,谁会覆盖掉谁。

预解析的4个步骤(以函数为例)
1.创建AO对象

2.找所有的形参作为AO对象的属性名,如果没有传参数的话值赋予undefined。

3.找所有的函数声明作为AO对象的属性名,值赋为函数值,如果变量对象已经存在同名的属性,则函数声明会完全替换掉。

4.找所有的变量声明做为AO对象的属性名,值赋为undefined,如果AO中已经存在同名属性了,则变量声明不会干扰已存在的执行属性

例子:

function fn(a){ 
    console.log(a);
    var a = 123;  
    console.log(a);  
    function a(){} 
    console.log(a);
    //该句是函数表达式不是声明语句
    var b = function(){} 
    console.log(b);
    function d(){}
}
fn(1);

以上预解析的阶段:
1.创建AO对象

AO{
	
}

2.找所有的形参作为AO对象的属性名,如果没有传参数的话值赋予undefined如果有传值的话,值为传递的值。

以上代码中,a是形参,传递给它的值是1

AO{
	a: 1,
}

3.找所有的函数声明作为AO对象的属性名,值赋为函数体,如果变量对象已经存在同名的属性,则函数声明会完全替换掉。

以上代码中,function a(){} 和function d(){}是函数声明,但是AO中已经存在属性a,因此function a(){}会替代AO中的属性a并赋予函数值。

AO{
	a: function a(){},
	d: function d(){}
}

4.找所有的变量声明做AO对象的属性名,值赋为undefined,如果AO中已经存在同名属性了,则变量声明不会干扰已存在的属性

以上代码中var a和 var b是函数声明,但是AO中已经存在属性a了,因此var a会被忽略掉,var a不会干扰AO中a的属性值

AO{
	a: function a(){},
	d: function d(){},
	b: undefined
}

代码执行阶段:
函数fn中的代码,在函数中访问标识符时会在AO中查找结果。

//打印 function a
console.log(a);
/*
var a在预解析阶段就得到解析,var a会被忽略
因此这句是赋值语句a = 123,AO中a改成123
AO{
	a: 123,
	d: function d(){},
	b: undefined
}
*/
var a = 123;  
// 打印123
console.log(a);  
//已经在预解析阶段就解析,这句会被忽略
function a(){} 
//打印123
console.log(a);
/*
AO中的b被改成匿名函数
AO{
	a: 123,
	d: function d(){},
	b: function(){}
}
*/
var b = function(){} 
//打印function(){}
console.log(b);
function d(){}

以上代码最后的执行结果是: function a(){} 123 123 function(){}

全局中也有预解析,只不过全局的预解析比函数的预解析少了一个第二步不用找形参。
例子:

<script>
var a = 123;
function a(){
    
}   
//在GO中找标识符
console.log(a);
</script>

以上代码预解析过程:
1.创建GO对象

GO{

}

2.找所有的函数声明作为AO对象的属性名,值赋为函数值

GO{
	a:function a(){}
}

3.找所有的变量声明做为AO对象的属性名,值赋为undefined,如果AO中已经存在同名属性了,则变量声明不会干扰已存在的执行属性

以上代码var a是变量声明,但是GO中已经有a这个属性,因此var a不会干扰GO中a的属性值。

深入理解作用域变量的查找过程:

几层嵌套关系,我自己有就用我自己的,我没有的在往上找

var a = 123;
function fn(test){
    var a = 234;
	function fn2(){
		var a = 345;
		console.log(a);
	}
	fn2();
}
test(1);

上面对应的变量对象是:

GO{
	a: 123
	fn: function(){}	
}
fn.AO{
	a: 234,
	fn2: function(){}
}
fn2.AO{
	var a = 345
}

最后打印的结果是: 345

链式关系就近原则: 当在函数作用域中操作一个变量时,会先从自己的作用域中查找有没有这个标识符,如果有,就使用这个标识符的值,如果没有就去上一层的作用域作用域找这个标识符,直到找到全局作用域为止,如果全局作用域依然没有这个标识符,则抛出错误: test is not defined,这种链式查找关系我们称为作用域链

航母的AO和GO实际上就可以理解为作用域,这个GO和AO会形成链式关系,这个链式关系的访问顺序是可进的来,先当前的AO有没有,有就用,如果没有找上一层的AO,直到找到GO为止,如果GO里没有,则抛出错误。

JavaScript 预解析 一、JavaScript 预解析 1. 预解析 JavaScript 代码是由浏览器中的 JavaScript 解析器来执行的。JavaScript 解析器在运行 JavaScript 代码的时候分为两步:预解析和代码执行 预解析:在当前作用域下, JS 代码执行之前,浏览器会默认把带有 var 和 function 声明的变量在内存中进行提前声明或者定义 代码执行: 从上到下执行JS语句。预解析只会发生在通过 var 定义的变量和 function 上。学习预解析能够让我们知道为什么在变量声明之. 阅读详情

相关推荐

详解JS预解析原理

预解析的的不同机制 预解析也叫预声明,是提前解析声明的意思;预解析是针对变量和函数来说的;但是变量和function的的预解析是两套不同的机制; 当浏览器加载我们的HTML页面的时候,首先会提供一个供JS代码执行的环境->全局作用域global(浏览器中的全局作用域,也叫顶级作用域是window) JS中的内存空间分为两种:栈内存、堆内存 栈内存;提供JS代码执行的环境,存储基本数据类型的值;->全局作用域或者私有的作用域其实都是栈内存; 堆内存;存储引用数据类型的值(对象是把属性名和属性值储存进去,函数是把函数体内的代码当做字符串储存进去) 在当前的作用域中,JS代码执

JS预解析

目录 一、什么是预解析 二、预解析 2.1、变量预解析 2.2、函数预解析 三、声明注意事项 四、变量提升原因 一、什么是预解析 预解析是指在当前作用域下,JavaScript 代码执行之前,浏览器会默认把带有 var 和 function 声 明的变量在内存中进行提前声明或者定义。 示例: <script> a = 2; var a; console.log(a);//2 </scri

mengfanshaoxia的博客 1193

别再死磕文档了!用国产MBSES软件5分钟上手MBSE建模(保姆级图文教程)

本文通过国产MBSES软件,详细演示了如何在5分钟内完成智能家居系统的MBSE建模。从模块图定义到状态机图构建,再到参数约束验证,全程图文指导,帮助工程师快速掌握基于模型的系统工程方法,显著提升复杂系统设计效率。

weixin_26833503的博客 239

JavaScript预解析

一、预解析是什么? 预解析:就是提前解析代码。        JS代码的执行是由浏览器中的JS解析器(可以理解为浏览器)来执行的。JS解析器执行JS代码的时候,分为两个过程:预解析过程和代码执行过程 //关于变量的预解析 // 没有声明变量,直接输出会报错 console.log(num); var num; // 声明变量,没有赋值,此时这个变量的值为undefined console.log(num); // 声明并数值num,在

qq_54282411的博客 648

随机化策略——随机变量rand、约束constraint、权重dist、随机数产生示例

文章目录一、随机变量类型1.1.rand随机变量1.2.randc随机变量二、随机化约束2.1.constraint指定约束范围2.1.1.关系操作符约束(>、<、=、>=、<=)2.1.2.范围操作符约束(inside)2.1.3.权重分布约束(dist)2.1.4.条件约束(if-else; ->)三、启动随机化——randomize( )函数四、关闭或打开随机变...

Mr.翟的博客 2万+

同态加密与SEAL库实战:CKKS参数调优避坑指南

本文深入探讨了同态加密技术中CKKS方案的参数调优实践,重点解析了SEAL库中`poly_modulus_degree`、`coeff_modulus`和`scale`三大核心参数的配置技巧与避坑指南。通过实战案例展示了如何平衡计算深度、精度与性能,为开发者提供了一套完整的参数优化方法论,帮助避免常见的'scale out of bounds'等错误,显著提升同态加密应用的可靠性和效率。

weixin_29315569的博客 230

JS中的预解析机制详解

针对JS中的"预解析"机制写了一些详细的解释内容,"预解析"可以帮助更好的理解代码的执行过程

2301_78675670的博客 1358

智能变电站协议系列-1、GOOSE、SV、MMS协议简介及GOOSE示例运行问题(IEC61850)

目前有一个新的研究,关于电网使用的GOOSE、SV、MMS协议,并使用相关库来做一下测试。由于goose、sv、mms等都属于IEC61850,因此,需要对IEC61850相关内容有一些了解,都是国际标准,属于电气自动化的一部分,对于自动化或者电气相关领域有接触的专业应该或多或少有一些了解。IEC61850目标是用于变电站自动化、分布式能源、水力和天然气发电厂、风力发电厂、电动汽车作为分布式能源等领域,目前似乎在变电站自动化方面的推广和使用更加广泛。

逍遥游的博客 2万+

JavaScript引擎浅析

前言 该文章是为大家整理一个关于js的知识网络,重点是知识的罗列及之间的联系,所以实例可能会有所不足,导致可能没有对应知识的人看不懂,希望大家能够结合其他资料来学习这篇文章,并整理出自己的知识体系。 ok,我们开始。 JavaScript引擎 JavaScript是解释型语言,这就是说它无需编译,直接由JavaScript引擎直接执行。 既然说到了解释型语言,那么我们就来分别以下解释型语言和编译型...

weixin_33682790的博客 218

嵌入式存储实战:FAL+SFUD+flashDB三件套在STM32上的完整移植指南(附避坑技巧)

本文提供了一套在STM32上完整移植FAL、SFUD与flashDB嵌入式存储框架的实战指南。详细解析了从SPI驱动配置、SFUD设备识别、FAL抽象层分区到flashDB键值数据库初始化的全流程,并分享了关键的避坑技巧与性能优化建议,帮助开发者构建稳定可靠的嵌入式存储系统。

rnn9storyteller的博客 1017

材料仿真软件:Materials Studio_(14).电学性质计算

设置计算参数,包括 k 点网格、交换相关泛函等。

kkchenjj的博客 1868

浅析JavaScript工作原理

javascript作为一种解释型语言而存在,其工作过程分为解释阶段和执行阶段。而工作中又以面向对象为主要工作方式。 1 javascript的工作过程 1.1 基本过程 词法分析->语法分析->预解析->运行阶段 1.2 词法分析 词法分析会把语句分解成词法单元,即Token function square(n){ return n*n; } 这个函数会被词法分析器分析识别为 fu...

昨夜闲潭的博客 2299

【阿里AgentScope框架】多框架组合:AgentScope加LangChain,让你的开发效率直线上升

本文以一个例子来看下AgentScope框架和LangChain如何实现融合使用,真的超级简单,一看就懂。这是一种思路,为多种框架的融合使用提供借鉴。

同学小张的博客 3474

vue + element-ui 聊天_VUE底层结构浅析

鉴于公司统一框架之后大家对于vue的使用都已经基本上手,在项目运用中有很多由研发部门自定义的组件,那么,自定义组件,elementui组件,甚至于自编写组件应该如何设计呢?这就需要大家对vue的底层有一定了解。一、关于JavaScriptvue页面是由JavaScript语言+vue标签+css语法共同组成,nodejs编译的核心语言也是JavaScript,先来了解下该语言的运行的两个...

weixin_39987211的博客 377

一、适配显示服务

基于rk3568适配显示服务,调动gpu;

XiaoC_Android的博客 1001

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

data变量定义 vue_VUE底层结构浅析

鉴于公司统一框架之后大家对于vue的使用都已经基本上手,在项目运用中有很多由研发部门自定义的组件,那么,自定义组件,elementui组件,甚至于自编写组件应该如何设计呢?这就需要大家对vue的底层有一定了解。一、关于JavaScriptvue页面是由JavaScript语言+vue标签+css语法共同组成,nodejs编译的核心语言也是JavaScript,先来了解下该语言的运行的两个...

weixin_39839726的博客 409

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

【JavaScript】预解析 ① ( 变量预解析 - 变量提升 | 函数预解析 - 函数提升 | 函数表达式预解析 )

一、JavaScript 预解析 二、变量预解析 1、变量预解析 - 变量提升 2、代码示例 - 变量预解析 三、函数预解析 1、函数预解析 - 函数提升 2、代码示例 - 函数预解析 四、函数表达式预解析 1、函数表达式预解析 2、代码示例 - 函数表达式预解析

让 学习 成为一种 习惯 ( 韩曙亮 の 技术博客 ) 1471

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

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")

js中的预解析

// 预解析:JavaScript代码的执行是由浏览器中的JavaScript解析器来执行的。 // JavaScript解析器执行JavaScript代码的时候,分为两个过程:预解析过程和代码执行过程 /预解析过程:1. 把变量的声明提升到当前作用域的最前面,只会提升声明,不会提升赋值。 2. 把函数的声明提升到当前作用域的最前面,只会提升声明,不会提升调用。 3.先提升var,在提升funct...

JGD313的博客 279

javascript预解析

本节内容将针对面试常考的预解析进行讲解。在了解预解析之前,希望大家能了解一下作用域的相关知识。预解析是一个很重要的版块,期望大家结合作用域一起理解。如果需要更多面试题可以参考更多面试题。希望能对你有帮助!

zxdznyy的博客 703

七,作用域及预解析

通常来说,一段程序代码中所用到的名字(变量名和函数名)并不总是有效和可用的,而限定这个名字的可用性的代码范围就是这个名字的作用域。简单理解:就是代码名字(变量)在某个范围内起作用和效果作用域的使用提高了程序逻辑的局部性,增强了程序的可靠性,减少了名字冲突js作用域(es6)之前:全局作用域 局部(函数)作用域,es6后有块级作用域。

weixin_59152833的博客 873

JavaScript(四):预解析、对象

在JavaScript中,对象是一组无序的相关属性和方法的集合,所有的事物都是对象,例如字符串、数值、数组、函数等。对象是由属性和方法组成的。·属性:事物的特征,在对象中用属性来表示(常用名词)方法:事物的行为,在对象中用方法来表示(常用动词)

m0_73560798的博客 178

JS学习之预解析

<!DOCTYPE html> <html> <head> <meta charset="utf-8"> <title>JS预解析</title> <script> // //情况一 // //console.log(num);//报错,num未定义 // //情况二(坑1) // console.log(num);//undefined // var num = 10; /

weixin_44079801的博客 133

js的预解析详细分析

一文弄懂,js的预解析

mike131的博客 219

JavaScript预解析详解

JS预解析详解, JavaScript预解析详解, 代码执行步骤

weixin_43665686的博客 1181
上一篇: js arguments的特性
下一篇: js 作用域
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