《前端之路》之五 head 头标签指南

本文详细介绍了HTML5中head标签的使用,包括DOCTYPE文档模式、字符集、语言、版本内核选择、SEO优化等关键元素,以及viewport在移动端布局的重要性。

12:head 头标签指南

常见头标签

DOCTYPE

文档模式

  1. 对文档进行有效性验证

    告诉用户代理或浏览器这个文档是按照什么DTD写的,但是这个动作是被动的,每次页面加载时,浏览器并不会下载DTD,并检查合法性,只有手动校验时才启用。

  2. 决定浏览器的呈现模式

    通知浏览器读取文档时用哪种解析算法,如果没有写,浏览器会按照自身的规则对代码进行解析,可能会严重影响html排版布局

浏览器的三种解析HTML文档的方式

  • 非怪异(标准)模式

  • 怪异模式

  • 部分怪异(近乎标准)模式

HTML5的文档模式写法

<!DOCTYPE html>

优点:写法简洁,向前向后兼容

使用 vscode 来进行编写的时候 可以使用快捷输入。 html:5 --->>> Enter

字符集

<meta charset="utf-8">

语言

简体中文

<html lang="zh-cmn-Hans"></html>

繁体中文

<html lang="zh-cmn-Hant"></html>

版本内核选择

优先使用IE最新版本和Chrome

<meta http-equiv="X-UA-Compatible" content="IE=Edge,chrome=1"/>

360使用Google Chrome Frame,即极核速

<meta http-equiv="X-UA-Compatible" content="IE=Edge,chrome=1"/>
<meta name="renderer" content="webkit">

SEO优化

title是SEO最重要的部分,尽量突出关键字

<title>title</title>

关键词

<meta name="keywords" content="your keywords">

页面描述内容

<meta name="discription" content="your description">

网页作者

<meta name="author" content="author,email,address">

robots协议

  1. 定义网页搜索引擎的索引方式

  2. 取值:no,noindex,nofollow,all,index,follow

<meta name="robots" content="index,follow">

viewport

  1. 让布局在移动浏览器上显示得更好,是移动端开发的重要的头标签。

  2. content参数:

类型作用取值
heightviewport高度数值/device-height
initial-scale初始缩放比例数值:1
maximum-scale最大缩放比例数值
minimum-scale最小缩放比例数值
user-scalable是否允许用户缩放yes/no

常见设置

<meta name="viewport" content="width=device-width,initial-scale=1,user-scalable=no">

设置 minimal-ui,IOS 7新增属性,可以在页面加载时最小化上下状态栏

<meta name="viewport" content="width=device-width,user-scalable=no,minimal-ui">

适配 iphone6 和 iphone6 plus

  1. 大部分4.7~5寸的安卓设备的viewport宽为360px,iphone6 上却是375px

  2. 大部分5.5寸的安卓设备的viewport宽为400px,iphone6 plus却是414px

<meta name="viewport" content="width=375">
<meta name="viewport" content="width=414">

百度禁止转码

<meta http-equiv="Cache-Control" content="no-siteapp">

IOS设备

添加到主屏后的标题(IOS6 新增)

<meta name="apple-mobile-web-app-title" content="标题">

是否启用WebApp全屏模式

<meta name="apple-mobile-web-app-capable" content="yes">

设置状态栏的背景颜色,需启用WebApp的全屏模式

content参数

default:默认
black:黑色
black-translucent:黑色半透明
<meta name="apple-mobile-web-app-status-bar-style" content="black">

禁止数字自动识别为电话号码

<meta name="format-detection" content="telephone=no"/>

Github地址,欢迎 Star

转载于:https://www.cnblogs.com/erbingbing/p/9323356.html

本文旨在系统阐述利用MATLAB平台执行多模态语音分离任务的方法,重点围绕LRS3数据集的数据生成流程展开。LRS3(长时RGB+音频语音数据集)作为一个规模庞大的视频与音频集合,整合了丰富的视觉与听觉信息,适用于语音识别、语音分离及情感分析等多种研究场景。MATLAB凭借其高效的数值计算能力与完备的编程环境,成为处理此类多模态任务的适宜工具。 多模态语音分离的核心在于综合利用视觉与听觉等多种输入信息来解析语音信号。具体而言,该任务的目标是从混合音频中分离出不同说话人的声音,并借助视频中的唇部运动信息作为辅助线索。LRS3数据集包含大量同步的视频与音频片段,提供RGB视频、单声道音频及对应的文本转录,为多模态语音处理算法的开发与评估提供了重要平台。其高质量与大容量使其成为该领域的关键资源。 在相关资源包中,主要包含以下两部分内容: 1. 说明文档:该文件详细阐述了项目的整体结构、代码运行方式、预期结果以及可能遇到的问题与解决方案。在进行数据处理或模型训练前,仔细阅读此文档对正确理解与操作代码至关重要。 2. 专用于语音分离任务的LRS3数据集版本:解压后可获得原始的视频、音频及转录文件,这些数据将由MATLAB脚本读取并用于生成后续训练与测试所需的数据。 基于MATLAB的多模态语音分离通常遵循以下步骤: 1. 数据预处理:从LRS3数据集中提取每段视频的音频特征与视觉特征。音频特征可包括梅尔频率倒谱系数、感知线性预测系数等;视觉特征则涉及唇部运动的检测与关键点定位。 2. 特征融合:将提取的音频特征与视觉特征相结合,构建多模态表示。融合方式可采用简单拼接、加权融合或基于深度学习模型的复杂方法。 3. 模型构建:设计并实现用于语音分离的模型。传统方法可采用自适应滤波器或矩阵分解,而深度学习方法如U-Net、Transformer等在多模态学习中表现优异。 4. 训练与优化:使用预处理后的数据对模型进行训练,并通过交叉验证与超参数调整来优化模型性能。 5. 评估与应用:采用信号失真比、信号干扰比及信号伪影比等标准指标评估模型性能。若结果满足要求,该模型可进一步应用于实际语音分离任务。 借助MATLAB强大的矩阵运算功能与信号处理工具箱,上述步骤得以有效实施。需注意的是,多模态任务常需大量计算资源,处理大规模数据集时可能需要对代码进行优化或借助GPU加速。所提供的MATLAB脚本为多模态语音分离研究奠定了基础,通过深入理解与运用这些脚本,研究者可更扎实地掌握语音分离的原理,从而提升其在实用场景中的性能表现。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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