bootstap的初体验-03布局

本文深入探讨了Bootstrap框架中的各种布局设计元素,包括其优点、令人困惑之处及重复设计问题,作者分享了对某些设计的喜爱与疑惑,为前端开发者提供了独特的视角。

bootstrap的布局内容很多很丰富,以一个个去尝试,能很好的扩展人的视野,尤其是像我这种没见过什么世面的程序员。确实增长了很多见识。很多时候,不是自己不想做得更好,只是受限于自己的见识,没见过更好的。而一旦见过了更好的,就觉得这应该添加到自己的list里面去,以后就这么干。

例如

这个小黑块真的是太让人喜欢了,醒目,强烈的区分度啊。

我就是喜欢这一行文字前面那一竖的小灰块,看着就是让人感觉更专业,更正式。

 

但是也有一些让我觉得有些摸不着头脑的设计,感觉效果没有多好,一般般嘛,如

这和普通倾斜的文本有什么不同?还整得那么一长串的标签去修饰,看得人脑壳疼。

这和普通的文本显示效果有什么不同?

 

也有些设计在我看来这些设计都是重复设计,根本没什么区别。如

 

不都是在文本下多了个下划线吗?干嘛又要分成两种标签?

这被删除文本和无用文本不都是文本中有个横线,干嘛又要做两个标签,仅仅是为了语义上做区分。

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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