[Lpp]WEB前端:HTML+CSS

HTML <optgroup> 标签 optgroup> 标签定义选项组。optgroup 元素用于组合选项。当您使用一个长的选项列表时,对相关的选项进行组合会使处理更加容易。 阅读详情
编程语言:解释型和编译型
WEB前端:HTML+CSS+JavaScript


一、 HTML介绍:
---------------------------------------
1. 什么是HTML?
   超文本标记语言,  <标签名>--标记(标签、节点)
   
2. HTML是由:标签和内容构成


3. 程序语言有两种:解释性语言(HTML、PHP、Javascript)和编译型语言(C、C++、Java


4. HTML的标签组成部分、属性、实体


    HTML的实体: <:&lt;  >:&gt;  空格:&nbsp;

5. HTML中注释: <!-- .... -->
注释的目的:1. 辅助说明  2.代码调试

6. HTML标签(标记)的语法: 标签是由"<"和">"括起来
双标签:<标签名>....</标签名>
单标签:<标签名/>

7. HTML中的颜色:可以是颜色单词:red/blue/green/yellow...
还可以是:#000000 --- #ffffff
            十六进制:0123456789abcdef
其中前两位表示红色,中间两位绿色,后两位表示蓝色。

二、 HTML中HEAD头部设置
----------------------------------------
设置网页编码:<meta charset="utf-8"/>
    关键字:<meta name="Keywords" content="关键字" />
    描述:  <meta name="Description" content="简介、描述" />
    网页标题:<title>本网页标题</title>
    导入CSS文件:<link type="text/css" rel="stylesheet" href="**.css"/>
    CSS代码:<style type="text/css">嵌入css样式代码</style>
    JS文件或代码: <script >。。。</script>
    ... ...


三、 HTML中的文本标签、格式化标签
----------------------------------------
    文本标签:
1. *<br/> 换行
2. *<p>...</p> 换段
3. <i>...</i> 斜体
4. <em>...</em> 强调斜体
5. <b>...</b> 加粗
6. *<strong>...</strong> 强调加粗
7. *<hn>...</hn> 其中n为1--6的值。 标题标签(加粗、独立行)
8. <cite></cite> 引用
  9. <sub>... </sub>  <sup>...</sup>
10.*<del></del> 删除线 
....
    
    格式化标签:
1. *<br/> 换行
2. *<p>...</p> 换段
    3. 列表:
        <ul> 无序列表
        <ol> 有序列表  其中type类型值:A a I i 1   start属性表示起始值
        <li> 列表项
        
        <dl> 自定义列表
        <dt> 自定义列表头
        <dd> 自定义列表内容
    4. <div> <span>
    
四、*HTML中中的超级链接A
------------------------------------------------
*<a href=""></a> 超级链接标签
属性:href必须,指的是链接跳转地址
 target: 表示链接的打开方式:
_blank  新窗口
_parent 父窗口
_self   本窗口(默认)
_top 顶级窗口
framename 窗口名
 title:文字提示属性(详情)
锚点链接:
定义一个锚点:<a id="a1"></a> 以前使用的是 <a name="a1"></a>
使用锚点:  <a href="#a1">跳到a1处</a>


五、 *图片标签img
---------------------------------------
<img /> 在网页中插入一张图片
属性:src: 图片名及url地址
alt: 图片加载失败时的提示信息
title:文字提示属性
width:图片宽度
height:图片高度
border:边框线粗细
        
六、 多媒体标签(熟悉)
------------------------------------
<audio src="./images/beidahuang.mp3" controls="controls">
你的浏览器不支持播放
</audio>
<br/>
<audio controls="controls">
<source src="./images/beidahuang.mp3" type="audio/mpeg" />
你的浏览器不支持播放
</audio>

<br/><br/>
<video controls="controls" width="400" height="400">
<source src="./images/fun.mp4" type="video/mp4" />
<source src="movie.webm" type="video/webm">
你的浏览器不支持视频播放
</video>

<video  controls loop poster="tiao.jpg">
<source src="movie.webm" type="video/webm">
<source src="movie.ogg" type="video/ogg">
<source src="movie.mp4" type="video/mp4">
您的破浏览器该扔了,不支持视频标签
</video>

<br/><br/>

<embed src="./images/haowan.swf" width="300" height="300" />






七、 *表格标签
------------------------------------
*table  表格标签
caption 表格标题
*tr 行标签
*th  列头标签
*td  列标签

*thead  表头
*tbody  表体
tfoot  表尾


八、**form表单标签
---------------------------------------------------------
1. <form></form> --表单标签
form标签常用属性:
*action属性:提交的目标地址(URL)
*method属性:提交方式:get(默认)和post
get方式是URL地址栏可见,长度受限制(IE2k 火狐8k),相对不安全.
post方式是URL地址不可见,长度不受限制,相对安全.
enctype:提交类型
target: 在何处打开目标 URL。
name:属性为表单起个名字.HTML5不支持。用 id 代替。

2. <input> 表单项标签input定义输入字段,用户可在其中输入数据。在 HTML 5 中,type 属性有很多新的值。
具体在下面有详解:
如:<input type="text" name="username">

3. <select> 标签创建下拉列表。
*name属性:定义名称,用于存储下拉值的
size:定义菜单中可见项目的数目,html5不支持
disabled 当该属性为 true 时,会禁用该菜单。 
multiple 多选
*<option>  下拉选择项标签,用于嵌入到<select>标签中使用的;
*value属性:下拉项的值
*selected属性:默认下拉指定项.
 
4. *<textarea> 多行的文本输入区域
*name :定义名称,用于存储文本区域中的值。
*cols :规定文本区内可见的列数。
*rows :规定文本区内可见的行数。
disabled: 是否禁用
readonly: 只读
...
默认值是在两个标签之间

5. *<button> 标签定义按钮。
您可以在 button 元素中放置内容,比如文档或图像。这是该元素与由 input 元素创建的按钮的不同之处。


6. <fieldset> html5标签--fieldset 元素可将表单内的相关元素分组。
disabled属性:定义 fieldset 是否可见。
form属性: 定义该 fieldset 所属的一个或多个表单。


7. <legend> html5标签--<legend> 标签为 <fieldset>、<figure> 以及 <details> 元素定义标题。
<form>
 <fieldset>
<legend>健康信息:</legend>
身高:<input type="text" /><br/>
体重:<input type="text" /><br/>
 </fieldset>
</form>

8. <optgroup> html5标签--<optgroup> 标签定义选项组。此元素允许您组合选项
样例:
<select>
 <optgroup label="Swedish Cars">
<option value="volvo">Volvo</option>
<option value="saab">Saab</option>
 </optgroup>
 <optgroup label="German Cars">
<option value="mercedes">Mercedes</option>
<option value="audi">Audi</option>
 </optgroup>
</select>

9. <datalist> html5标签--<datalist> 标签定义可选数据的列表。与 input 元素配合使用,就可以制作出输入值的下拉列表。
样例:
<form action="demo_form.php" method="get">
<input list="browsers" name="browser">
<datalist id="browsers">
<option value="Internet Explorer">
<option value="Firefox">
<option value="Chrome">
<option value="Opera">
<option value="Safari">
</datalist>
<input type="submit">
</form>

10. **<input/>  表单项中的属性,可以提供
  *type属性:表示表单项的类型:值如下:
text:单行文本框
password:密码输入框
checkbox:多选框 注意要提供value值
radio:单选框   注意要提供value值
file:文件上传选择框
button:普通按钮 
submit:提交按钮
image:图片提交按钮
reset:重置按钮, 还原到开始(第一次打开时)的效果
hidden:主表单隐藏域,要是和表单一块提交的信息,但是不需要用户修改
*name属性:表单项名,用于存储内容值的
*value属性:输入的值(默认指定值)
size属性:输入框的宽度值
maxlength属性:输入框的输入内容的最大长度
readonly属性:对输入框只读属性
*disabled属性:禁用属性
*checked属性:对选择框指定默认选项
accesskey属性:指定快捷键(不常用) (IE:alt+键  火狐:alt+shift+键)
tabindex属性:通过数字指定tab键的切换顺序(不常用)
  
src和alt是为图片按钮设置的

注意:reset重置按钮是将表单数据恢复到第一次打开时的状态,并不是清空
     image图片按钮,默认具有提交表单功能。
HTML <colgroup> 标签 colgroup> 标签用于对表格中的列进行组合,以便对其进行格式化。如需对全部列应用样式, 标签很有用,这样就不需要对各个单元和各行重复应用样式了。 标签只能在 table 元素中使用。 阅读详情

相关推荐

jq常用属性以及标签的使用

jq学习资源,包括jq介绍,jq的css操作,DOM对象与jQuery对象的互换

javascript中的常见标签

1、字体:&lt;font&gt; &lt;font size="7"color="#fff000"&gt;数据&lt;/font&gt; 特殊部分:如果在页面显示一些特殊符号,需要进行转义 标题:&lt;h1.....6&gt; ---------------------- 2、列表标签:&lt;dl&gt;&lt;/dl&gt;       上层项目:&am

高级程序猿一枚,多年前后端经验。记录分享遇到问题,了解最新知识。 6291

JavaScript资料(html常用的标签,必须记住的30个标签)

html常用的标签,用于大家学习html css和JavaScript和jQuery

html主要语义化标签(二)

一、table表格: 1、caption和summary:表格的标题和摘要;&lt;table summary="摘要"&gt; &lt;caption&gt;标题&lt;/caption&gt; &lt;/table&gt; 2、&lt;tr&gt;&lt;/tr&gt;表格的一行开始和结束; 3、&lt;th&gt;&lt;/th&gt;; &

prdslf001001的博客 524

零成本实现飞牛 OS 内网穿透:CloudFlare 隧道搭建全攻略

一、引言:突破内网限制的最优解当你的内网环境中部署了飞牛 OS 系统(无论是老旧电脑还是 NAS 设备),想要实现公网访问时,传统方案往往面临两大痛点:公网 IP 申请困难且成本高DDNS 动态解析配置复杂专业内网穿透工具存在付费门槛今天为大家带来零成本解决方案:通过免费域名搭配 CloudFlare 隧道技术,无需公网 IP 即可轻松实现飞牛 OS 服务的公网访问。全程操作可视化,新手也能快速上手!二、前期准备:必备工具清单(1)域名准备。

Honmaple的博客 7493

Linux中断子系统(二)—— 通用框架处理

1、数据结构分析 (1)中断描述符结构structirq_desc: 1)打开CONFIG_SPARSE_IRQ宏(中断编号不连续),中断描述符以radix- tree来组织,用户在初始化时进行动态分配,然后再插入radix-tree中; 2)关闭CONFIG_SPARSE_IRQ宏(中断编号连续),中断描述符以数组的 形式组织,并且已经分配好; 3)不管哪种形式,最终都可以通过linuxirq号来找到对应的中断描述符; (2)stru...

weixin_38428439的博客 4871

WEB前端:HTML+CSS+JavaScript

2019独角兽企业重金招聘Python工程师标准>>> ...

weixin_34037977的博客 220

inferCNVpy实战指南:从安装到肿瘤细胞识别

本文提供inferCNVpy实战指南,详细介绍了从环境安装、数据准备到核心CNV推断分析的完整流程。重点讲解了如何利用该工具从单细胞转录组数据中识别肿瘤细胞,包括参考细胞选择、参数调优、结果可视化与解读,并分享了关键的避坑技巧,帮助用户高效完成肿瘤细胞识别。

weixin_29079643的博客 428

html中target四种选择_blank、_parent、_self、_top,分别是什么意思?

1、“_blank”的意思: 浏览器总在一个新打开、未命名的窗口中载入目标文档。 2、“_parent”的意思: 这个目标使得文档载入父窗口或者包含来超链接引用的框架的框架集。如果这个引用是在窗口或者在顶级框架中,那么它与目标 _self 等效。 3、“_self”的意思: 这个目标的值对所有没有指定目标的 <a> 标签是默认目标,它使得目标文档载入并显示在相同的框架或者窗口中作为源文档。这个目标是多余且不必要的,除非和文档标题 <base> 标签中的 target 属性一

欢迎光临雨落星辰的博客 5258

Trae IDE与Playwright MCP:5分钟实现零代码网页数据抓取

网页数据抓取是数据采集和自动化处理中的基础技术,其核心原理是通过程序模拟浏览器行为,定位并提取页面中的结构化信息。传统方式依赖编写脚本处理网络请求、解析HTML和应对反爬机制,技术门槛较高。而结合AI与自动化工具的新范式,通过自然语言交互即可完成复杂操作,极大降低了技术门槛并提升了开发效率。这种技术价值在于将开发者从繁琐的编码中解放,使其更专注于数据分析和业务逻辑。在数据监控、市场调研、竞品分析等应用场景中,快速获取网页数据是关键需求。本文以Trae IDE集成Playwright MCP为例,演示如何通过

culi3118的博客 498

汽车电子电气架构演进:从分布式ECU到域集中与中央计算

汽车电子电气架构(EEA)是整车电子系统的顶层设计框架,定义了计算、通信、供电等核心要素的组织方式。其演进遵循从分布式到集中式的技术路径,旨在解决传统架构下ECU数量膨胀带来的成本、复杂度和协同难题。通过域控制器(DCU)整合功能域,以及向中央计算+区域控制架构发展,实现了硬件资源池化、软硬件解耦与高速通信。这一变革的核心技术价值在于提升算力利用率、简化线束布局、支持软件定义汽车(SDV)与持续OTA升级。在智能电动汽车时代,新架构为智能座舱、自动驾驶等复杂应用提供了可扩展的平台基础,推动了汽车产业从硬件导

weixin_30326741的博客 385

HTML几个少见标签

<colgroup> 定义 HTML 中的 表格列组(Column Group <colgroup>) 标签用来定义表中的一组列表。 <table> <caption>Superheros and sidekicks</caption> <colgroup> <col> <col span="2" class="batman"> <col sp

weixin_45608059的博客 774

【自动驾驶端到端5:VADv2: End-to-End Vectorized Autonomous Driving via Probabilistic Planning】

从大规模人类驾驶演示中学习类人驾驶策略是有希望的。但是,规划的不确定性使得从驾驶演示中提取驾驶知识是有挑战性的。从统计学习的角度来看,动作(包括实际和速度)是高度随机的,受许多无法建模的潜在因素影响。

weixin_40000560的博客 1404

HTML 标签元素分组介绍

theme: fancy 本文转载MDN HTML元素参考 主根元素 html HTML<html>元素 表示一个 HTML 文档的根(顶级元素),所以它也被称为根元素。所有其他元素必须是此元素的后代。 示例 html <!DOCTYPE html> <html lang="zh"> <head>...</head&g...

JayYuen的博客 518

电压跟随器在ADC采样电路中的作用分析

电压跟随器在ADC采集系统中扮演关键角色,它能解决分压电路因ADC输入阻抗导致的电压误差问题。通过运放构成的电压跟随器可隔离信号源与负载,保证采样精度,尤其适用于高阻抗传感器或高速采样场景。工程应用中需注意运放带宽、轨对轨输出能力及抗干扰设计。合理使用电压跟随器能显著提升信号完整性,在复杂电子系统中成为不可或缺的"信号桥梁。

硬核科技 655

微信小程序 - 获取用户头像昵称等信息(带授权检测)

前言 接口调整官方文档:https://developers.weixin.qq.com/community/develop/doc/0000a26e1aca6012e896a517556c01 在以前,是否授权可以直接弹出询问用户,但现在微信更改了策略,必须由用户点击按钮触发。下面将用代码来实现用户授权及获取用户信息。 功能介绍 无论确认授权还是拒绝授权,都会跳转对应页面,不让用户卡在界面。 点击授权后,下次不在出现授权页面了,如果拒绝,下次依然出现。 以下代码可直接复制粘贴,具体功能如下:

🏆 前端领域优质创作者 1万+

HTML<optgroup>标签

HTML<optgroup>标签用于创建一组选项,相关的选项被分组在特定的标题下。 通常,<optgroup>标签代表分组选项的标签。 label必须指定属性。这使用户更容易了解当长时间选项列表时的选择。 例子 <!DOCTYPE html> <html> <head> <title>HTML optgroup tag</title> </head> <bod...

allway2的博客 753

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")

html中optgroup标签用法,分组、只读的且呈树状样式显示

[xhtml] view plaincopyprint? 在html的select标签中除了了option标签外,还有一个标签就是optgroup 。它能帮我们做什么咧?   从名称我们就已经领会到接分意思:它是一个option的组,就像checkboxgroup、radiogurop一样,是分组用的;      看看下面一段代码,在浏览器中打开你可以看到一个下拉

Benjamin 4990

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/

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

HTML基础(标签,表格,表单))

HTML标签,表格与表单(pycharm)

qvqqv的博客 149

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

HTML常用基础标签详解

本文通过样例详解HTML常用的基础标签,包括以下标签:html、h1、h2、h3、h4、h5、h6、body、p、a、br、img。

实泽有之,无泽虚之 3254

【HTML】HTML所有标签的用法及示例(二)

了解HTML所有标签的用法,并列出基础示例。

小江的记录本 1388

HTML笔记

html学习笔记,学自尚硅谷

qq_52573158的博客 201

HTML 标签集合

HTML标签总结

王文强 1136

HTML 之常用标签的介绍

HTML 之常用标签的介绍

牛牛博士博客 2057

HTML中的分组标签

在Web开发当中常会遇到一些需要分组的一些信息下面我们就可以用HTML中的标签,是成对出现的心结束简单的页面代码如下: 人员信息 body{ font-size:12px;} fieldset{ width:400px; height:100px; display:block; margin:0; padding:0;} le

赣南虎的专栏 4754

HTML5新增的9种常用的页面标签

主要介绍HTML5新增的9种常用的页面标签以及相关的应用代码.

让优秀成为一种习惯 5349
上一篇: [Lpp]如何安装配置PHP?
下一篇: [Lpp] CSS层叠样式表
非常爱读书的小李
博客等级 码龄10年 6粉丝 23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
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