人民邮电出版社《HTML5与CSS3实战指南》学习笔记

人民邮电出版社jQuery程序设计基础教程-源代码 人民邮电出版社 出版的jQuery程序设计基础教程-源代码 和书本同步,代码都可以运行! 立即下载

HTML5 是最新的 HTML 标准。

HTML5页面结构标签

在这里插入图片描述

  1. header元素
    header元素是一种具有引导和导航作用的结构元素,通常用来放置整个页面或页面内的一个内容区块的标题,但也可以包含其他的内容,比如在header里面放置logo图片、搜索表单等等。
    注意:一个页面内并没有限制header的出现次数,也就是说我们可以在同一页面内,不同的内容区块上分别加上一个header元素。

  2. nav元素
    nav元素表示页面中的导航链接部分。

  3. article元素
    article元素代表文档、页面或者应用程序中独立的、完整的、可以独自被外部引用的内容。

  4. section元素
    section元素标签用来表现普通的文档内容或应用区块。一个section通常由内容及其标题组成,但section元素标签并非一个普通的容器元素;当一个容器需要被直接定义样式或通过脚本定义行为时,推荐使用div元素而非section。

  5. aside元素
    aside元素可用于包含与其他内容不相关的部分。例如侧边栏、二级链表或广告区。

  6. footer元素
    footer元素表示页面或者页面中的一块区域的页脚。


HTML5新元素

1. hgroup

hgroup标签用于对标题进行组合,譬如将一个内容区块的标题及其副标题分为一组。
通常,将hgroup元素放在header元素中。

<header>
    <hgroup>
        <h1>主标题</h1>
        <h2>副标题</h2>
    </hgroup>
</header>
  1. < hgroup >标签只是对标题进行组合,而对标题的样式没有影响。

  2. 在页面头部、文章头部、章节或者分段分块的头部,至少有两个主题标签,才可以使用< hgroup >标签;如果只有一个主题标签,则不需要使用。

2. figure和figcaption元素

< figure >标签规定独立的流内容(图像、图表、照片、代码等等)。
figure标签用来表示网页上一块独立的内容,可用于文章中的插图、照片、代码清单等。
figure元素的内容应该与主内容相关,但如果被删除,则不应对文档流产生影响。

figure有一个子标签:figcaption
< figcation > 标签定义 figure 元素的标题(caption)。
“figcaption” 元素应该被置于 “figure” 元素的第一个或最后一个子元素的位置。

注意:

  1. 如果可以将它从文档中删除,并且理解文档内容不受影响,则不必使用figure元素,可以使用其他元素代替。
  2. 如果图像或清单形成了文档流,并且移动到文本需要的地方需要重新措辞,那么最好选择其他元素代替。
<article>
    <p>As you can see in <a href="#fig1">Figure 1</a> </p>

    <figure id="fig1">
        <figcaption>Screen Reader support</figcaption>
        <img src="27858.jpg" alt="">
    </figure>
</article>

3. mark

mark元素的主要功能是在文本中高亮显示某些字符,以引起用户注意。
mark 元素“表示文档中的一部分由于可能与用户当前活动有关,已被突出显示”。
不常用。最常见的是在搜索文章时,搜索关键词在搜索结果中突出显示。

<h1>yes, you can use <mark>HTML5</mark> today</h1>

效果:
在这里插入图片描述

4. progress和meter

  1. progress元素
    progress元素代表一个任务的完成进度。
    这个元素有两个属性来表示当前任务的完成情况,value属性表示已经完成了多少工作量,max属性表示总共有多少

    <p>
        Status:
        <progress min='0' max="100" value="0" >
            <span>0</span>%
        </progress>
        Status:
        <progress min='0' max="50" value="25" >
            <span>50</span>%
        </progress>
    </p>
    

    在这里插入图片描述

  2. meter元素
    meter元素标签用来表示范围已知且可度量的等级标量或分数值,如磁盘使用量比例、投票人数比例等。

    它有六个属性:

    • value 属性值显示的是当前值,默认为0
    • min:当前标量的最小值;如不做指定则为0
    • max:当前标量的最大值;如不做指定则为1
    • low:当前标量的低值区
    • high:当前标量的高值区
    • optimum:最佳值;其范围在最小值与最大值区间当中,并且可以处于高值区
    <h1>以磁盘使用为例,展示 meter 元素的用法</h1>
    <p>
        Total current disk usage:(value低于low)
        <meter value="10" min="0" max="320" low="20" high="300" title="gigabyte" >63GB</meter>
    </p>
    <p>
        Total current disk usage:(value介于low和high之间)
        <meter value="100" min="0" max="320" low="20" high="300" title="gigabyte" >63GB</meter>
    </p>
    <p>
        Total current disk usage:(value高于high)
        <meter value="310" min="0" max="320" low="20" high="300" title="gigabyte" >63GB</meter>
    </p>
    <p>
        Total current disk usage:(value=optimum)
        <meter value="310" min="0" max="320" low="20" high="300"  optimum="310" title="gigabyte" >63GB</meter>
    </p>
    

    在这里插入图片描述

5. b 和 strong

这两个标签都起到加粗字体的作用。

strong 是一个逻辑标签,起强调作用,它表示“内容非常重要”;
b 是一个实体标签,无语义意义。

为了符合现在W3C的标准,还是推荐使用strong标签。

6. i 和 em

i标签和em标签都是HTML用于斜体的标签。

i标签的作用:仅仅是为了让字体显示斜体,对于SEO没什么作用。
em标签的作用:不仅可以让字体显示斜体,而且可以加强语气,告诉搜索引擎这里是重要的。

7. cite

cite元素创建一个引用标记,用来指明某内容的引用或参考源,如书籍或杂志或新闻报道等的标题,规范、报纸、法律文件,网络文章的URL等。
需要注意的是,cite元素只是用来定义引用的参考源本身,而不是引用的内容。如果要从某参考源引用内容,则要使用 blockquote 或 q 元素。

8. details 和 summary

  1. details
    < details>元素实际上是一种用于标识该元素内部子元素可以被展开、收缩显示的元素。
    元素具有一个布尔类型值的open属性,定义元素内部的子元素被展开显示或收缩;open属性的默认值为false,当页面打开时其内部的子元素处于收缩状态。
  2. summary
    < summary>标签可以为< details>元素定义标题,标题是可见的,用户用鼠标单击标题时,会展开显示< details>元素内容,再次单击标题时,< details>元素会收缩起来不显示。
    summary元素仅可被用于 details 元素的子代,且必须是第一子代。
    如果< details>元素内没有定义< summary>元素,浏览器会提供默认的文字显示,如“详细信息”。
<details>
  <summary>Some Magazines of Notes</summary>
   <ul>
       <li><cite>Bird Watchers Digest</cite></li>
       <li><cite>Rowers Weekly</cite></li>
       <li><cite>Fishing Monthly</cite></li>
   </ul>
</details>

<details open>
   <ul>
       <li><cite>Bird Watchers Digest</cite></li>
       <li><cite>Rowers Weekly</cite></li>
       <li><cite>Fishing Monthly</cite></li>
   </ul>
</details>

在这里插入图片描述

9. 作用域样式 scoped

(没太理解)

<h1>Page Title</h1>
<article>
    <style scoped>
        h1{ color: rebeccapurple;}
    </style>
    <h1>Article Title</h1>
    <p>Article content</p>
</article>

在这里插入图片描述
由于代码中存在 scoped 属性,因此在style元素中的文本样式仅应用于附带元素及其子代元素(如果允许级联原则),而不是整个文档。


HTML5表单

HTML5表单属性

1. required 属性

HTML5中新增的required属性可以应用在大多数输入元素上。
在提交时,如果元素中内容为空白,则不允许提交,同时在浏览器中显示信息提示文字。

<form>
   	<label for="register-name"> My name is: </label>
   	<input type="text" id="register-name" name="name" required>

   	<input type="submit" id="submit" value="submit">
</form>

在这里插入图片描述

  1. 可以使用:required伪类设置必填表单元素的样式;
    如果浏览器不支持 :required 伪类,可以使用属性选择器。如

    <style>
       	input:required,
      	 	input[required] {
          	 	background-color: orangered;
       	}
    </style>
    
  2. 可以使用:valid和:invalid伪类设置有效和无效字段的样式;

2. placeholder 属性

placeholder属性的作用是规定可描述输入字段预期值的简短的提示信息,该提示会在用户输入之前显示在输入字段中,会在用户输入字段后消失,有些浏览器则是获得焦点后该提示便消失。

3. pattern 属性

pattern属性使您能够提供一种正则表达式,使用户的输入与之匹配才能视为有效。

<form>
    <label for="password"> i would like my password to be:</label>
    <p>(at least 6 characters, no space)</p>
    <input type="text" id="password" name="password" required pattern="\S{6,}">

    <input type="submit" id="submit" value="submit">
</form>

以上示例表示强制要求密码至少是6位字符。
\S 指的是“任何非空白字符”,{6,}指的是“至少6次"。
在这里插入图片描述

4. disabled 与 readonly 属性

  1. 当设置了disabled以后,点击事件将不可用
  2. 可以在 CSS 中使用:disabled伪类设置禁用的表单控件的样式
  3. 使用disabled属性的表单并不随表单提交,所以它们的值对服务器端的表单处理代码不可用。如果不想一个值被用户编辑,但是能够看到并提交它,可以使用readonly属性

5. multiple 属性

使用 multiple 属性表示在表单空间中可以输入多个值。

  1. 在HTML以前的版本中已有此属性,但它仅应用于 select 元素;
  2. 在HTML5中,它也可以被添加到 email 和 file 输入类型中。如果使用它,用户可以选择多个文件,或包含多个逗号分隔的电子邮箱地址。

6. form 属性

首先注意,不要与 form 元素混淆。

HTML5中,可以把表单控件书写在页面上任何地方,然后为该控件指定一个form属性,属性值为要关联的表单的id,这样就可以声明该元素从属于指定的表单。

7. autocomplete 属性

autocomplete 属性规定表单或输入字段是否应该自动完成。
该属性有两种状态值,分别为"on" 和 “off”;
”on"是默认值,当自动完成开启,浏览器会基于用户之前的输入值自动填写值。

8. datalist元素 和 list属性

datalist 元素能满足这样的需求:具有一组预先定义自动完成选择项的文本字段。
用户可以输入自己喜欢的任何元素,但当输入时,在下拉列表中会有一组建议选项呈现给用户。

可以使用 input 元素的 list 属性将 datalist 与一个输入相关联。
一个 datalist 可以与若干个输入字段相关联。

<label for="favcolor">Favorite Color</label>
<input type="text" list="colors" id="favcolor" name="favcolor">

<datalist id="colors">
    <option value="Blue"></option>
    <option value="Green"></option>
    <option value="Pink"></option>
    <option value="Purple"></option>
</datalist>

在这里插入图片描述

9. autofocus 属性

布尔型 autofocus 属性指定在页面加载完成时,表单控件被对准焦点。
在一个页面只有一个表单元素具有 autofocus 属性。

HTML5新表单输入类型

input 元素的 type 属性能够决定将呈现给用户何种表单输入。

在HTML5之前,所有表单输入类型如下:

  • button
  • checkbox
  • file
  • hidden
  • image
  • password
  • radio
  • reset
  • submit
  • text

HTML5 提供了13种新输入类型:

  • search
  • email
  • url
  • tel
  • datetime
  • date
  • month
  • week
  • time
  • datetime-local
  • number
  • range
  • color

1. search

 <form id="search" method="get">
    <input type="search" id="s" name="s">
    <input type="submit" value="Search">
</form>

在这里插入图片描述

2. email

email 类型(type=“email”)用于指定一个或多个电子邮件地址。

  1. 支持html5的浏览器会自动验证email域值的格式合法性,并在输入不合法时给出提示,不用自己手动写js验证代码
  2. 外观上PC端与 type=“text” 的input输入类型没有差异;在手机端则会唤出英文键盘
  3. email 类型的 input 元素支持 multiple 属性

3. url

url 输入类型(type=“url”)是用于说明网站地址的,在提交表单时,会自动验证url域的值。
但例如 q://dlfnhci.xyz 也会被认为是有效的,如果想使输入的值更符合具体的格式,可以使用 pattern 属性以保证正确。

4. tel

tel 输入类型(type=“tel”)表示电话号码。
但它并没有指定唯一的格式作为标准,因为世界上各个国家有许多不同类型的有效电话号码。所以想指定一种格式可以使用 pattern 属性。

5. number

number 输入类型(type=“number”)提供了一个输入数字的输入类型。
通常,这是一个微调框,在这里可以输入一个数字或单击向上或向下的箭头来选择一个数字。

属性:

  1. 数字输入类型由 min 和 max 属性来规定最小允许值和最大允许值。强烈推荐使用这些属性,否则使用向上和向下箭头可能会导致不同的值,这取决于浏览器。
  2. 也可以提供 step 属性,决定单击向上和向下箭头时数值增加或减少的数。
<label for="quantity">I would like to receive 
<input type="number" min="1" max="100" step="5" name="quantity" id="quantity"> copies of 
    <cite>The HTML5 Herald</cite>.
</label>

在这里插入图片描述

6. range

(type=“range”)显示一个滚动控件。
属性与 number输入类型一样,min、max、step。
range 输入类型的默认值是滚轴的中点,即min和max的中间值。

<label for="rating">On a scale of 1 to 10, my knowledge of HTML5 is:</label>
<input type="range" min="1" max="10" name="rating" id="rating">

在这里插入图片描述

7. color

(type=“color”)为用户提供颜色选择器。

<label for="favcolor">Favorite Color</label>
<input type="color" id="favcolor" name="favcolor">

在这里插入图片描述

8. date 和 time

  1. date:包括(年、月、日),但不包括时间
  2. month:仅包含(年、月)
  3. week:包含(年、周数),例如 2011-W02
  4. time:一天的时间,例如 22:00
  5. datetime:包含日期和时间,由“T”分隔,在后面你可跟一个“Z”代表UTC
  6. datetime-local:除了省略时区,其他都与 datetime 一样

在使用任何基于日期的输入类型时,强烈建议包含 min 和 max 属性(就像使用 number 时一样);
date 和 time 输入类型同样支持 step 属性;在 time 和 datetime 输入类型中,step以秒来表示。

HTML5其他表单控件

  1. output:接受并显示计算的结果
  2. keygen:生成公共-私有密钥对
  3. progress
  4. meter

HTML5音频和视频

… …

HTML5与CSS3实战指南.pdf 立即下载

相关推荐

小米CyberGear微电机驱动代码(CAN总线驱动,含开源地址)

小米CyberGear微电机驱动代码(ROS下的CAN总线驱动,含开源地址)

2302_80751833的博客 4429

python爬取出版社

爬取网页中的出版社名称 import urllib.request #导入模块 data=urllib.request.urlopen("https://read.douban.com/provider/all").read() data=data.decode("utf-8") #解码 import re ...

qq_44453898的博客 586

如何用Python实现SPEI指数计算?从数据准备到结果可视化完整指南

本文提供了一份完整的Python实现SPEI指数计算指南,涵盖从数据准备、潜在蒸散量计算到结果可视化的全流程。详细介绍了使用Thornthwaite方法计算PET、拟合三参数log-logistic分布以及标准化转换的核心算法,并提供了模块化代码和可视化方案,帮助用户构建可复用的干旱分析工具。

cola5的博客 267

jupyter进行翻页爬取(人民邮电出版社)

大多数时候使用爬虫爬取一页网页所得到的内容信息不够完善,这时候就需要我们进行分页爬取网页信息。

weixin_72091051的博客 1550

拉曼光谱仪的原理与应用——TFN 7G F660手持式拉曼光谱识别仪

拉曼光谱仪的原理与应用——TFN 7G F660手持式拉曼光谱识别仪

TFN_yzgd的博客 926

【点云数据集】整理汇总(自用,更新ing)

涵盖了各种不同的城市场景:教堂、街道、铁路轨道、广场、村庄、足球场、城堡等等。邮件地址:dmich-request@graphics.stanford.edu,内容需包含:1. 您的姓名、头衔或职位,以及所在机构或隶属关系;license比较难获取,目前可获取的人员:(1)目前隶属于大学、工业研究实验室或其他主要机构的已发表过研究成果的研究人员;普林斯顿 ModelNet 项目的目标是为计算机视觉、计算机图形学、机器人技术和认知科学领域的研究人员提供全面、干净的物体 3D CAD 模型集合。

weixin_44392103的博客 796

!你不知道的 --- Selenium加载网页 & 获取渲染后的网页代码

使用类webdriver.Chrome创建的驱动浏览器对象中包含大量操作浏览器的方法,类webdriver.Chrome继承于基础类WebDriver,该类位于selenium库的webdriver\remote\webdriver.py文件中.

2301_77444219的博客 1229

Gamma变换算法之Matlab&FPGA实现

Gamma映射原理 什么是Gamma曲线 人眼的感光与光强并不是呈线性关系的,而是呈非线性关系(指数型关系,如下图左-曲线。在低照度下,人眼更容易分辨出亮度的变化,随着照度的增加,人眼不易分辨出亮度的变化。而图像传感器与输入光强呈线性关系(如下图左-直线)。从图中可见,当传感器感光在20%左右时,人眼感光响应达到了50%,人眼对低照度的变化更为敏感。从下图右侧可见,Reference Tone为人眼感光50%的亮度,而传感器在感光50%时则相对暗的多(见Select,近似中性灰)。这种将原始图像通过映射操

CrazyBingo的博客 7405

html5+css3基础知识汇总-css3篇_HTML5与CSS3实战指南

从小我就有个梦想,希望拥有一台电脑,有一个自己做的网站,有着动听的音乐,有着绚丽的画面,这是独属于我的那一份美好!直到后来我学习编程,学习前端,这个梦想终于成了现实。我相信有很多人和我一样拥有这样的梦想,所以把我的梦想传递给大家,借《HTML5与CSS3实战指南》给大家传递网页相关的实战知识。本书针对的是想要了解最新一代的基于浏览器技术的Web设计人员和前端开发人员。您应该至少已经具有HTML和C...

weixin_39692847的博客 159

【Shader】Unity批量更换Shader

在Unity开发中,因为渲染管线问题,经常会遇到需要大量更改shader的问题,本篇文章讲述批量更换Shader的工具。

憨辰 1465

2026年算法工程师常见面试简答题

本文摘要:文章系统梳理了机器学习与深度学习中的30个核心概念,涵盖模型优化、评估指标、经典算法和大模型应用等关键知识点。主要内容包括:1)过拟合与欠拟合的成因及解决方法;2)偏差-方差权衡原理;3)数据划分与交叉验证策略;4)分类/回归任务评估指标选择;5)逻辑回归、决策树、SVM等传统算法解析;6)梯度下降优化与正则化技术;7)CNN、RNN、Transformer架构对比;8)Embedding表示与RAG技术。特别强调面试高频考点如XGBoost改进、注意力机制原理等,并给出实际工程中的解决方案建议,

不务正业的猿 347

HTML5 + CSS3

HTML5和CSS3是Web开发中的两个核心技术,它们分别负责网页的结构和内容呈现以及样式和布局。将HTML5和CSS3结合使用,可以创建出功能强大、视觉效果丰富的Web页面和应用。

Flask Web 851

双Orin PCIe RC&EP模式互通

orin pcie 互通

乐于分享 3876

《HTML5与CSS3实例教程》

《HTML5与CSS3实例教程》 基本信息 作者: (美)Brian P. Hogan    译者: 卢俊祥 丛书名: 图灵程序设计丛书 出版社:人民邮电出版社 ISBN:9787115363404 上架时间:2014-7-25 出版日期:2014 年8月 开本:16开 页码:1 版次:1-1 所属分类:计算机 &gt; 数码/设计 &gt; CSS 计算机 &gt; 软...

weixin_33859665的博客 863

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

css3和html5考试,HTML5和CSS3快速参考

版 次:1页 数:235字 数:270000印刷时间:2013-9-1开 本:12开纸 张:胶版纸印 次:1包 装:平装-胶订商品详情书名:HTML5和CSS3快速参考定价:59.00元作者:(美)马夫罗蒂出版社:人民邮电出版社出版日期:2013-09-01ISBN:9787115321145字数:270000页码:235版次:1装帧:平装开本:12开商品重量:编辑推荐对于web开发人员来说,HT...

weixin_39531183的博客 203

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

iOS Web应用开发:运用HTML5、CSS3与JavaScript

《iOS Web应用开发:运用HTML5、CSS3与JavaScript》 基本信息 原书名:Pro iOS web design and development:HTML5, CSS3, and javaScript with safari 作者: (美)Andrea Picchi 译者: 罗晴明 丛书名: 图灵程序设计丛书 出版社:人民邮电出版社 ISBN:97871153232...

weixin_34075268的博客 345

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

html网页特效微课,网页设计与制作(HTML5+CSS3+JavaScript)(第4版)(微课版)

网页设计与制作(HTML5+CSS3+JavaScript)(第4版)(微课版)编辑锁定讨论上传视频《网页设计与制作(HTML5+CSS3+JavaScript)(第4版)(微课版)》是2020年7月人民邮电出版社出版的图书,作者是赵丰年。书名网页设计与制作(HTML5+CSS3+JavaScript)(第4版)(微课版)作者赵丰年出版社人民邮电出版社出版时间2020年7月1日页...

weixin_34642354的博客 1630

《CSS设计指南》笔记--HTML标记与文档结构

《CSS设计指南》总结 笔记 HTML标记与文档结构标签名

后乐的博客 6409

《论道HTML5》上市发售

经过艰难的等待,我合著的《论道HTML5》一书近期终于正式上市发售了。          它通过第一手的实践讲述了HTML5开发的各种知识和经验,是HTML5研究小组的重要产出之一。         本书的主要章节和介绍如下:         利用HTML5制作网站:讲述了HTML5在网站制作方面所带来的变化         用CSS3完善网站:讲述了CSS3的主要特性及如何用它来美化网站

蒋宇捷的专栏 4022

《HTML5与CSS3基础教程》笔记

以下笔记摘要页码基于 人民邮电出版社 2013年1月第1版 英文书名:HMTL5 and CSS3 Visual Quickstart Guide (Seven Edition) 前言 P2: 渐进增强:一种最佳实践 第1章 网页的构造块 P1: 第一步要让内容对所有用户都是可访问的。 P3: 无论如何,页面一定要包含 DOCTYPE. P5: ...

weixin_34417183的博客 203

《HTML5与CSS3基础教程(第8版)》

《HTML5与CSS3基础教程(第8版)》 基本信息 原书名:HTML and CSS:visual quickstart guide 作者: (美)Elizabeth Castro    Bruce Hyslop    译者: 望以文 丛书名: 图灵程序设计丛书 出版社:人民邮电出版社 ISBN:9787115350657 上架时间:2014-5-4 出版日期:2014 年5月...

weixin_34184158的博客 1022

HTML5秘籍

《HTML5秘籍》基本信息原书名:HTML5 : The Missing Manual作者: (美)麦克唐纳(MacDonald,M.) [作译者介绍]译者: 李松峰 朱巍丛书名: 图灵程序设计丛书出版社:人民邮电出版社ISBN:9787115290182上架时间:2012-8-26出版日期:2012 年8月开本:16开页码:1版次:1-1所属分类: 计算机更多关于 》》》《HTML5秘籍》内容简...

weixin_30598225的博客 195
上一篇: CSS 文本溢出处理(单行和多行)
下一篇: 改变input内placeholder的字体颜色
不知-_
博客等级 码龄8年 22粉丝 52原创
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

打赏作者

不知-_

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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