Web前端学习整理(一)

inter_姝 inter_姝 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 600+累计阅读 689平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄3年
关注
原创 2024-08-14 16:51:32 689 阅读 AI 写同款· GEO 优化 ›
Web 前端开发学习资料整理 以前学习过一段时间的web前端开发，整理了一些我看过的/我认为比较好的学习资料（网站、书籍）。我只是闲来无事整理一下,如有不足，嘴下留情..毕竟分享不是一件坏事,共同学习... 一、 语言基础（以书和网站为主） 1.HTML&CSS： （1）入门： Codeademy上的html&css课程——在线交互式编程平台，弄清楚基本概念和基本语法w3school上的HTML/CSS教程—— 阅读详情
HTML认识:

HTML是hyper text markup language(超文本标记语言)的缩写.

html并不是一种编程语言,而是一种描述性的标记语言,通过标识符来标识网页中内容的显示方式,例如图片的显示尺寸|文字大小|颜色|字体等等.

浏览器能够对这些标记进行解释,按照要求显示出文字|图像|动画|媒体等网页内容.

html5是html的一个版本,该版本新增和优化了许多内容.现如今,几乎所有市面流行的浏览器都能较为良好地接受html5,因此,作者学习内容以html5为标准.

HTML模板:
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
    <style>
        *{margin:0;padding:0;}
    </style>
</head>
<body>
    
</body>
</html>
标签知识:

-由<>包裹地关键词称为"标签",其具有单标签和双标签之分.<>之间除了标签名还可以添加相应的属性.

-<html lang="en">代码中,lang主要决定浏览器是否自动弹出翻译框.常用值有en和zh-cn两种.en代表着网页时一个英文网页;zh-cn代表网页是一个中文网页.

-<body>中书写的内容会展示在浏览器可视区域,每一个标签都有着默认的样式.样式可以通过css代码改变.

-meta标签:<meta>书写在<head>中,是一个辅助标签,根据属性不一致其所表示的含义也不尽相同.常用的<meta>标签有:

        -<meta charset="utf-8">

        -<meta name="keywords" content="关键词1 关键词2"> 

        <!--用于表示该网页的关键词,便于搜索引擎的抓取.-->

        -<meta name="description" content="网页的描述">

        <!--对该网页的简介,搜索引擎在搜索结果中会展示出来,便于用户了解网页的信息.-->

        -<meta http-equiv='X-UA-Compatible' content='IE=edge,chrome=1'>

        <!--根据当前浏览器类型强制用特定的内核进行渲染,如果是IE则使用最新的内核,如果是双核浏览器就会使用chrome.IE7及以下版本并不支持该属性.-->

-<div>标签:用于将文档划分为独立的部分,从而能够构建一个相对完整的网页.网页的主体一般由div标签进行搭建,但是html5标准中也有很多新的标签可以代替div进行相关操作,每一个独立的div可以继续使用div进行进一步的划分.

-标题标签:h1~h6用于表示网页内容的标题,标签内部的文字会默认产生不同程度的加粗和增大.

        温馨提示:在一个网页中h1标签最好只能有一个,这样更利于SEO的搜索优化,而其他标签可以根据需求出现多次.

-<ul>无序列表标签,在书写规范方面,其子标签只能是<li>.

        -相关快捷公式:ul>li*3,表示建立三个元素的无序列表.

        -可以通过type属性来更改元素之前的符号.

-<ol>有序列表标签,在书写规范仿麦呢,其子标签只能是<li>.

        -默认有数字符号,但是可以通过type进行修改.

-对话标签(不常用):<dl><dt><dd>可自行了解.

-<p>标签:通常用来放置一段文字.

        温馨提示:<p>标签不能嵌套<div>标签,不然会导致<p>标签被分割成两块.

-<span>标签:通常用来包裹文字,视觉上不会产生任何变化,但是可以配合css添加特殊的样式特征.

-<a>标签:通过href属性可以形成一个可点击的超链接.

        -可以通过target属性来指定打开链接的位置.

        target="_blank"新标签页打开;

        target="_new"新标签页打开,但所有的new只会打开一个新标签页;

        target="_self"默认方式,在当前标签页打开.

        -<a>标签可以通过#id的方式来设置锚点.

-<img>标签:用于在网页中引入一张图片.<img>是一个单标签,其不需要结束标签,但是可以使用/来作为img的结尾.

        -src属性用来指定图片路径,具有相对路径,绝对路径,网络路径三种方式,其中相对路径规则如下:

                ./同级

                /子级

                ../父级

        -alt属性用于告知搜素引擎当前图片的一个含义,仅在图片因为异常加载不出的时候显示.

其他常用标签:

-<b><strong>标签:文字加粗,b标签仅仅是视觉上的,strong能够被搜索引擎检索.

-<i><em>标签:文字斜体.i标签仅仅是视觉上的,em能够被搜索引擎检索.

-<br>标签:换行.

-<hr>标签:横线分隔.

-<del>标签:删除线.

特殊标签:

-<>可以分别使用&lt和&gt来代替.

-连续的空格将会被忽略,若要使用连续空格,可以使用&nbsp代替.

收录于
Web学习整理

当前文章被收录于：

Web学习整理
20 篇文章 0 人学习

以学习为线索,梳理学习web前端时的知识点内容等,同时也是方便自我复习查找.

订阅专栏 查看详情
标签
#学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
WEB前端学习论坛整理 WEB前端学习的知名论坛整理（部分） 阅读详情

相关推荐

web前端牛人博客整理

前端团队 阿里巴巴 UED -- 我们设计的界面，并没有几十亿的流量，但每天来自上百个国家的百万商人在使用着。 阿里巴巴中国站UED -- 阿里巴巴中国站UED成立于1999年，全称是用户体验设计部（User Experience Design Department），是阿里巴巴集团最资深的部门之一。 支付宝前端开发 -- 支付宝前端开发车间。 淘宝UED -- 淘宝网用户

技术人生 7068

Web前端学习（一）基本属性用法整理

Html基本用法 1.Title标签 <head> <meta charset="UTF-8"> <title>标题</title> </head> 2.标题与段落 <body> <h1>一级标题</h1> <h2>二级标题</h2> <h3>三级...

taochaocaj的专栏 403

Web前端学习笔记，详细的Web前端学习路线图

前端就是后台实现和视觉表现的桥梁，是贯穿在整个产品开发过程的纽带，起到承上启下的作用，一个好的前端工程师他能够很好理解产品经理对用户体验的要求，也能够很好地理解后台工程师对数据逻辑，或者程序逻辑进行分离的要求，并将这些要求转化成前台的开发工作。前端就是网站的门面，它的价值远大于 其他的客户端开发。在移动互联网时代，相信我们每个人的手机上都装有数十个APP，这些APP的开发其实也和当下热门的Web前...

qq_43311315的博客 1162

Web前端程序员春招三面蚂蚁金服，html基础入门教程之article语义化标记(1)，2024年最新前端面试点梳理

中年危机是真实存在的，即便有技术傍身，还是难免对自己的生存能力产生质疑和焦虑，这些年职业发展，一直在寻求消除焦虑的依靠。技术要深入到什么程度？做久了技术总要转型管理？我能做什么，我想做什么？一技之长，就是深耕你的专业技能，你的专业技术。（重点）独立做事，当你的一技之长达到一定深度的时候，需要开始思考如何独立做事。（创业）拥有事业，选择一份使命，带领团队实现它。（创业）一技之长分五个层次栈内技术 - 是指你的前端专业领域技术栈外技术 - 是指栈内技术的上下游，领域外的相关专业知识。

m0_61943758的博客 274

web前端学习路线-20个真实web开发项目集合

目前web前端工程师日均岗位缺口已经超过50000，随着互联网+的深入发展，html5作为前端展示技术，市场人才需求量将呈直线上涨。 Web前端工程师的岗位职责是利用HTML、CSS、Java、DOM等各种web技能结合产品的界面开发，制作标准化纯手工代码，并增加交互功能，丰富互联网的Web开拓，致力于改进用户体验。现如今，Web前端工程师已经成为各大互联网公司不可或缺的热门职位，从业者队伍日渐庞大，这其中不乏零基础学习者和转行人士。为了方便大家系统而全面的掌握前端基础知识，小编特意整理了web前端开发入

webqianduan1的博客 2481

【Unity Animation 2D】从零到一：骨骼绑定与IK动画实战指南

本文详细介绍了Unity中2D骨骼绑定与IK动画的实战流程，从角色素材准备、骨骼系统创建到权重绘制和IK设置，逐步指导开发者掌握2D动画制作技巧。通过反向动力学（IK）技术，实现更自然的角色动画效果，适用于游戏开发和动画制作。

weixin_30430677的博客 372

整理一波国外前端学习网站

国内的普通开发者对于掌握一门新的技术不知道从哪里下手，看哪些书。为了获得相关知识会关注各种公众号、购买各种视频课程来学习，但由于这些内容本身有碎片化的特点，效果往往不太理想。以至于付出了大量的时间到最后不能够形成系统化的知识。 我同样也遇到过类似的问题，不是说公众号与视频课程不好，这些也有自身的优势，但是往往都是别人经过实践沉淀下来的，我们读过之后往往仅限于了解而已。如果要掌握还需要大量的实践、探...

SAHADEV的专栏 8961

AD23导出Gerber文件保姆级教程：从PCB到嘉立创下单，一步不落（附常见问题排查）

本文提供AD23导出Gerber文件的详细教程，涵盖从PCB设计检查到嘉立创下单的全流程，特别针对两层板设计场景，帮助新手工程师避免常见错误。内容包括Gerber文件生成步骤、钻孔文件设置、文件检查工具推荐以及嘉立创下单实操指南，确保PCB打样顺利。

weixin_30924239的博客 440

史上最全面的web前端学习资源

1.为什么我会整理这个资源前段时间，好多朋友私信我，问我有没有什么好的前端学习资源,好多小伙伴学习的东西比较杂，所以我就花了一段时间吧比较经典的学习资源整理分享给大家，在我看来这是目前为止比较全面的前端学习资源，里面的资源大部分是干货，希望大家能完完整整看完一个系列教程，都能成为前端大神。2.推荐大神文章(文字教程) 2.1 综合类前端知识体系前端知识结构Web前端开发大系概览Web前端开发大系概...

web123456780的博客 5590

保姆级教程：手把手带你玩转英飞凌TC397开发板的板载资源（CAN FD、LCD、SD卡）

本文提供英飞凌TC397开发板的全面开发指南，涵盖CAN FD通信、LCD显示、SD卡文件系统和以太网通信等核心功能。通过详细的代码示例和硬件连接说明，帮助开发者快速上手并充分利用开发板的丰富资源，实现高效嵌入式系统开发。

weixin_33726313的博客 242

【新能源汽车DCDC变换器测试优化全攻略：解决电能质量/发热/过充等核心痛点】

高压直流转12V低压的DCDC变换器是新能源汽车电源系统的核心枢纽，承担着为整车低压附件、控制器及12V蓄电池供电/补电的关键作用。在新能源汽车乘用车、商用车等不同车型实际运营中，因PDU内DC/AC等模块干扰、DCDC自身设计缺陷、整车匹配性不佳及测试验证不充分，频发12V输出电能质量差导致后端元器件烧毁、变换器发热严重、蓄电池过充/欠充、智能补电功能失效等问题，还伴随低压侧电压瞬跌/浪涌、电磁干扰超标、振动后接触不良、高温下效率骤降等行业高频故障，直接影响整车可靠性和运营安全性。本文基于国标。

优快云-新能源汽车研发测试专业博主 1268

Web前端开发概述（一）

前端开发是编写Web页面或App端等前端界面并呈现给用户的过程，通过HTML、CSS、JavaScript以及衍生出来的各种技术、框架、解决方案，来实现互联网产品的用户界面交互。

小田是个程序员的博客欢迎你的到来呀~ 2755

Autosar_MCAL_Port

PORT Driver就是对微控制器（MCU）的整个PORT模块进行初始化配置。很多端口和管脚被分配有多种不同的功能，即可以进行引脚功能复用，比如通用I/O、adc、pwm、spi等功能。因此，对PORT必须有一个整体的配置和初始化，对各管脚的具体配置和使用取决于微控制器和ECU的引脚功能分配。PORT初始化数据应当尽可能高效地写到每个端口。DIO驱动中所用到的端口的配置和初始化都是在PORT驱动模块中完成的。因此，在使用DIO功能之前，应先进行PORT的初始化。1、PortContainer说明。

不断debug，优化中…… 239

Web前端如何学？Web前端学习方法分享

伴随着人工智能、大数据的发展浪潮，互联网将各个行业更加紧密的链接到了一起，也因此，市场上对于IT互联网人才的需求一再增多，Web前端开发工程师这一岗位就很好的体现了这种态势。

xiaoxijinger的博客 5780

YOLOv8改进策略【Backbone/主干网络】| 2023 U-Net V2 替换骨干网络，加强细节特征的提取和融合

一、本文介绍 本文记录的是基于U-Net V2的YOLOv8目标检测改进方法研究。本文利用U-Net V2替换YOLOv8的骨干网络，UNet V2通过其独特的语义和细节融合模块（SDI），能够为骨干网络提供更丰富的特征表示。并且其中的注意力模块可以使网络聚焦于图像中与任务相关的区域，增强对关键区域特征的提取，进而提高模型精度。本文配置了原论文中pvt_v2_b0、pvt_v2_b1、pvt_v2_b2、pvt_v2_b3、pvt_v2_b4和pvt_v2_b5六种模型，以满足不同的需求。 文章目录一、本文

Limiiiing的博客 1721

信奥赛C++提高组csp-s之数论基础专题课：从同余到分数模运算1(知识地图：同余、裴蜀定理、扩展欧几里得、乘法逆元、分数模运算)

信奥赛C++提高组csp-s之数论基础专题课：从同余到分数模运算1(知识地图：同余、裴蜀定理、扩展欧几里得、乘法逆元、分数模运算)

王老师青少年编程 791

漫谈Web前端学习路线，前端学习路漫漫

前言最近总是会看到后很多人会问，我现在想学习Web前端开发，该如何下手，学习路线是怎样的？今天这篇文章，我来说说我自己对前端学习的理解，并结合一些面试中会常问到的问题来谈谈，如何才能在前端坑中，爬的游刃有余？Web前端基础首先前端的基础，相信大家闭着眼睛都能知道HTML+CSS+Javascript，但是它们的轻重缓急该如何去选择呢？我个人认为在学习优先级上HTML &gt; CSS &gt; J...

qq_41726885的博客 1万+

通过理解 sk_buff 深入掌握 Linux 内核自定义协议族的开发实现

在。

数字人生 458

Web前端学习书籍整理！

一、 html + css 这部分建议在 w3school 在线教程 上学习，边学边练，每个属性后还有在线测试。 然后过一遍之后可以模仿一些网站做些页面。记住这个一定要多练 多练 多练 ，最重要的事儿 还得我说三遍？ 二、 javascript 要学的内容实在很多，如果没有其他编程语言的基础的话，学起来可能要费些力，还是建议先在 w3school上学习一些基本语法 和定义。 然后你必须要看书，...

逍遥的博客 1277

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表，创建专业级图表以简化复杂的信息。

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

Web前端开发需要学习哪些知识

首先了解web前端 Web前端开发是从网页制作演变而来的，名称上有很明显的时代特征。在互联网的演化进程中，网页制作是Web1.0时代产物，那时网站的主要内容是静态 的，用户使用网站的行为也以浏览为主。2005年以后，互联网进入Web2.0时代，各种类似桌面软件的Web应用大量涌现，网站的前端由此发生了翻天覆 地的变化。网页不再只是承载单一的文字和图片，各种富媒体让网页的内容更加生动，网页上软件化的...

weixin_41780944的博客 1万+

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")

学习web前端需要学习什么

遇到很多新手，都会问，如果要学习web前端开发，需要学习什么？难不难？多久能入门？怎么能快速建一个网站？工资能拿到多少？还有些让我推荐一些培训机构什么的要去学习。确实是需要一个老师的话，那你还是自己做主找个老师吧！现在的老师水平都可以说是参差不平，运气好，你遇到个好老师，把毕生的经验和技巧都教给了你， 推荐一个web前端学习 QQ群606721798，欢迎大家加入，每天晚上在腾讯课堂都有一个技术...

软件大咖 1万+

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

安利一波Web前端的学习资料，想学Web前端的筒子们看过来~

不少人都会在后台给我留言，一些同学告诉我说想学Web前端，为了满足大家的要求，今天就给大家安利一波Web前端的学习资料。想学Web前端的筒子们看过来~ 因为很多筒子们都没有什么基础，那我就先带大家来认识一下Web前端吧！ 前端开发是创建Web页面或app等前端界面呈现给用户的过程，通过HTML、CSS及JavaScript以及衍生出来的各种技术、框架、解决方案，来实现互联网产品的用户界面交互。它从网页制作演变而来，名称上有很明显的时代特征。 随着移动互联网的发展，前端技术被广泛的运用到网站、小程序、Web

xiaoxijing的博客 1143

50W年薪web前端架构师 给你一条“不归路”-web前端学习路线

首先说明，我写的东西大牛或者工作的人是不屑一顾的，我是能在各种论坛上看到各种大手子给新人建议是，去看w3cschool 就好啦、犀牛书买一本慢慢啃就好啦、写几个例子熟悉一下不就行啦，看一案例和文档，就直接上手了。那可能是你，不是初学者该做的事情。我想说 这些大牛在害人，你现在，经验足，逼格高，跨过了一道道坎，觉得没啥，但是他们却没有从初学者的那边出发。所以我写的都是初学者必经之路，一个都不能少，脚...

qq_41726885的博客 1万+

整理六百篇web前端知识混总

整理六百篇web前端知识混总： 9个有用的和免费的工具来支持动态网页开发 8个基本的引导工具的网页设计师 11款CSS3动画工具的开发 2016年某前端群题目答案参考 9最好的JavaScript压缩工具 创建响应式布局的10款优秀网格工具集锦 8个超实用的jQuery插件应用 8个非常个性化的CSS3单/复选框 10个超赞的jQuery图片滑块动画 推荐20款JavaSc

爱前端网 1309

web前端学习笔记（一）

web前端的定义：是面向用户（浏览者）的互联网技术统称。主要包括Web界面的结构、Web界面的外观视觉表现以及Web界面的交互实现。 Web前端的分类：前端设计和前端架构。 HTML结构语言：超文本标记语言。 通过各种标记符号（标签）来代表网页中的内容元素、将网页中的内容结构化。 特点：通过浏览器来解析、文件名为html或htm。      2.  CSS样式语言（样式表）：实现表...

齐在的专栏 3万+

web前端的学习路线 及web前端应该掌握什么知识

从小到大我们都是接受的系统性的学习，这样不但加快我们的学习速度，还可以让我们在学习路上不走弯路。从而掌握学习到的知识，可想而知，一条学习路线是多么的重要，今天web全栈开发讲师也要跟大家说一下学习web前端开发也应该找到web前端的学习路线从而可以快速学成web，掌握学习到的知识，提前进入社会中。 这里还是要推荐下小编的web前端学习QQ群606721798，每天晚上在腾讯课堂都有一个技术学...

weixin_41780944的博客 1220
上一篇： Web前端学习整理-前瞻
下一篇： Web前端学习整理(二)
点赞 5
评论 0
书签 书签 8
inter_姝
inter_姝
博客等级 码龄3年 163粉丝 44原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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