CSS入门教程(二)

CSS入门教程 CSS,层叠样式表(Cascading Style Sheet),给网页中的HTML标签设置样式CSS写在一个单独的文件中,通过link标签在网页中引入 2.2.2 内部样式 CSS写在网页的head标签中,用style标签包裹 2.2.3 行内样式 CSS写在标签的style属性中 三种CSS样式引入方式的区别选择器,就是选取(查找)需要设置样式元素的方式 2.3.1 元素选择器 通过元素名称,选取(查找)相同元素,然后对相同元素设置CSS样式 小结:1、无论嵌套多少层,只要元素名称相同都会被找到通过类 阅读详情

CSS入门(二)

一.插入CSS样式表


这一部分介绍如何插入CSS样式表,也就是如何让一个html文档可以正确的引用写好的CSS样式。浏览器在展示html页面时,就会根据读到的CSS样式来对其进行格式化。
插入样式表的主要方式有:外部样式表、内部样式表、内联样式表。

1.外部样式表

在多个页面使用相同样式的情况下,通常使用外部样式表。即在html文档外部定义CSS样式表(.css文件),并在html文档头部使用link标签引用这个样式。如:

<head>
<link rel="stylesheet" type="text/css" href="<%=basePath%>/commons/css/common.css"/>
</head>

href中写的是.css文件的路径,浏览器会从该文件中读取样式,并根据它来格式化页面。
外部样式表可以用任意软件编辑,其中不能包含任何html标签,并保存为.css格式。

2.内部样式表

当一个样式表仅用于一个页面时,使用内部样式表,即直接在html文档的头部定义内部样式表。
如:

<head>
    <style type="text/css">
        p {color: red;}
    </style>
</head>

3.内联样式表

当一个样式仅在某一特定元素上使用,且仅使用一次时,可以使用内联样式表。但是要慎用这种方法,当一个页面同时使用多种插入样式表的方式时,内联样式可能不起作用。此外,使用内联的样式表,会将内容和样式杂糅在一起,会损失掉使用样式表的优势。
内联样式表的例子如下:

<body>
    <h1 style="color: red">这个标题是红色的</h1>
</body>

4.多重样式

当页面中同一元素同时被不同样式表中的选择器所定义,那么,该元素将继承更具体的样式表的属性值。
如:在外部样式表和内部样式表中,同时有选择器对属性p进行定义
外部样式表中:

p {
    color: red;
    text-align: center;
}

内部样式表中:

p {text-align: left;}

那么,拥有该内部样式表,并同时链接到了上述外部样式表的页面中,p属性继承的样式为:
color: red;
text-align: left;
也就是说,颜色属性(内部样式表中并未对此进行定义)继承自外部样式表,而文字排列属性,则来自内部样式表。

二.CSS背景


CSS可以为元素创建相当复杂的背景效果。背景相关的属性基本都不可i继承。

1.背景色

可以使用background-color属性为特定的元素设置背景色。属性值可以是任意合法的颜色值。
而且,background-color属性不可继承,默认值为transparent(透明),可显示出父元素的背景色。
如:

h1 {background-color: blue;}

设置h1标题的背景色为蓝色

<body>
<h1>背景色为蓝色的标题</h1>
<h2>没有设置背景色的标题</h2>
</body>

其显示效果如下:
CSS设置背景色1
此外,还可以通过添加padding属性的方式,令背景色比文字稍微向外延展。如,将上面例子中的样式增补如下:

h1 {
    background-color: blue;
    padding: 20px;
}

则呈现的效果为:
CSS设置背景色2

2.背景图

类似地,使用图像作为背景时,使用background-image属性。该属性不可继承,其默认值为none,即不使用背景图片
如:

body {background-image: url(a.jpg)}

url部分为背景图片的路径。
背景图片通常用于为body设置背景,当图片大小不足以铺满整个页面时,会自动重复。background-image属性也能用于为段落等设置背景图片。

3.背景图片重复

使用background-repeat属性,来规定背景图片的重复方式。
默认的属性值为repeat,即在xy轴方向上都重复。其余的取值还有:repeat-x,只x轴方向重复;repeat-y;只在y轴方向上重复;no-repeat,图片不重复。
如:

body {
    background-image: url(a.jpg);
    background-repeat: no-repeat;
}

4.背景图片位置

使用background-position属性,来规定背景图片的初始位置。默认情况下,背景图将从元素的左上角开始。图片位置的取值有:水平方向上:left、center、right;垂直方向上:top、center、bottom。可以将水平和垂直方向上的取值组合起来,或是使用水平或垂直方向上位置的百分比或像素数来表明图片的起始位置。
如:

body {
    background-image: url(b.jpg);
    background-position: center center;
}

或:

body {
    background-image: url(b.jpg);
    background-position: 50% 50%;
}

需要注意的是,在上述两个例子中,图片默认为在水平和垂直方向上都重复,只是图片的起始位置位于页面正中。

5.背景图片是否随滚动轴移动

使用background-attachment属性来定义背景图片随滚动轴滚动的方式。默认值为scroll,即背景图片会随着页面的滚动轴移动,另外,还可以设置为fixed,即背景图片不随页面的滚动轴移动。
如:

body {
    background-image: url(b.jpg);
    background-repeat:no-repeat;
    background-attachment:fixed;
}

在上述例子中,使用了该样式的页面中,页面的背景图片将固定,不随着文档的滚动而滚动。

三.CSS文本


CSS的文本属性用于控制文字、段落、空格、单词等的样式

1.首行缩进

使用text-ident属性实现文本的首行缩进效果,且缩进量允许为负值。
通常,只能对块级元素使用该属性。且该属性可以继承。
如:

p {text-indent: 20px}

注意,当缩进量为负值时,最好为设置缩进量的元素设定一些外边框或是内边距,避免次行文字超出浏览器的左边框。
如:

p.a {text-indent: -5em;padding-left: 7em}

2.水平对齐

使用text-align属性来规定元素中文本行相互对齐的方式,它不会影响元素本身的对齐方式。其取值有:left(左对齐)、right(右对齐)、center(居中)、justily(两段对齐,通常在打印等时使用)
如:

<html>
<head>
<title>CSS测试</title>
<style type="text/css">
p.a {text-align: left}
p.b {text-align: right}
p.c {text-align: center}
p.d {text-align: justily}
</style>
</head>
<body>
<p class="a">左对齐</p>
<p class="b">右对齐</p>
<p class="c">居中</p>
<p class="d">两端对齐</p>
</body>
</html>

在浏览器中展示的效果如下:

文本行对齐

在上图中可以看出,justify属性值并没有显示出应有的效果。这是因为,此处,需要由代理,而不是CSS来确定两段对齐文本如何拉伸,以填满父元素左右边界之间的空间。因此,要慎用这个属性值。

3.字间隔

使用word-spacing属性来设置字或单词之间的标准间隔,默认值为normal(即0).其属性值可以是一个正或负的长度值,正值将两个字之间的距离拉远,负值将两个字之间的距离拉近。
如:

<html>
<head>
<title>CSS测试</title>
<style type="text/css">
p.a {word-spacing: 30px}
p.b {word-spacing: -10px}
</style>
</head>
<body>
<p>these are some words</p>
<p class="a">these are some words</p>
<p class="b">these are some words</p>
</body>
</html>

浏览器显示的效果为:
字间隔

上述示例程序仅在段落中为英文时起作用,中文时则无效。

4.字母间隔

使用letter-spacing属性,来设置字母之间的标准间隔,用法与字间隔的word-spacing基本一致。

5.字符大小写转换

使用text-transform属性,来进行字符的大小写准换。其默认值为:none,不对字符进行准换,保留原有的大小写情况。其余的值还有:
uppercase(全部转为大写字母);lowercase(全部转换为小写字母);capitalize(将单词的首字母大写)。
如:

<html>
<head>
<title>CSS测试</title>
<style type="text/css">
p.a {text-transform: uppercase}
p.b {text-transform: lowercase}
p.c {text-transform: capitalize}
</style>
</head>
<body>
<p>Do not do case conversion</p>
<p class="a">Change To Uppercase</p>
<p class="b">Change To Lowercase</p>
<p class="c">capitalizes the first letter in each word</p>
</body>
</html>

在浏览器中显示的效果为:
字符大小写转化

6.文本划线

使用text-decoration属性定义文本是否有下划线以及划线方式。其取值有:none(去掉文本上的一切装饰)、underline(下划线)、overline(上划线)、line-through(贯穿线)、blink(文本闪烁)。通常情况下,默认值为none,但某些情况下,如超链接,文本下会出现下划线,此时就可以用text-decoration:none去掉超链接的下划线。
例子如下:

<html>
<head>
<title>CSS测试</title>
<style type="text/css">
p.a {text-decoration: underline}
p.b {text-decoration: overline}
p.c {text-decoration: line-through}
p.d {text-decoration: blink}
</style>
</head>
<body>
<p class="a">这里添加了一条下划线</p>
<p class="b">这里添加了一条上划线</p>
<p class="c">这里添加了一条贯穿线</p>
<p class="d">这里使用了闪烁效果</p>
</body>
</html>

在浏览器中显示的效果如下:
文本装饰
在本实例中,使用ie浏览器进行测试,未见文本闪烁效果。

7.文字排版

使用white-space属性控制文字的排版方式。默认值为normal,所有的空白符合并为一个空格,文本自动处理换行,其余的取值有:pre(保存源代码的空格和换行)、nowrap(强制文本位于同一行,除非遇上br换行符)、pre-wrap(同pre,但在超出容器范围时会自动换行)、pre-line(同pre,但在处理连续空格时,会合并成一个)。
例子如下:

<html>
<head>
<title>CSS测试</title>
<style type="text/css">
p.a {white-space: normal}
p.b {white-space: pre}
p.c {white-space: nowrap}
p.d {white-space: pre-wrap}
p.e {white-space: pre-line}
</style>
</head>
<body>
<p class="a">这是一段话,以下是五个空格     接着是换行
一段话结束了</p>
<p class="b">这是一段话,以下是五个空格     接着是换行
一段话结束了</p>
<p class="c">这是一段话,以下是五个空格     接着是换行
一段话结束了</p>
<p class="d">这是一段话,以下是五个空格     接着是换行
一段话结束了</p>
<p class="e">这是一段话,以下是五个空格     接着是换行
一段话结束了</p>
</body>
</html>

在浏览器中显示的效果为:
文字排版

四.CSS字体


CSS字体用于控制文字的大小、粗细、字体等。
常用的属性有:
font-family:用于定义字体类型。
font-size:用于定义字体大小,需要注意的是,这里的font-size取值与html中不同,是相对于一个最小字号进行比对,可能的取值有:larger、smaller、250%等
font-style:用于定义字体风格。如:normal(正常)、oblique(斜体)、italic(斜体)
font-weight:用于定义字体粗细。

除上述部分外,CSS还有边框、边外补白、边内补白等特性,具体可查阅w3cschool

Golang实战:用Quic-Go v0.46.0搭建高性能文件传输服务(附完整代码) 本文详细介绍了如何使用Golang和Quic-Go v0.46.0构建高性能文件传输服务,涵盖服务端和客户端的完整实现。通过QUIC协议的多路复用、零RTT连接等特性,显著提升文件传输效率,特别适合高延迟或不稳定网络环境。文章提供完整代码示例和性能调优技巧,帮助开发者快速部署高效的文件传输解决方案。 阅读详情

相关推荐

【老生谈算法】可视化通道流中瞬时涡量场的算法实现与MATLAB源码分析——瞬时涡量场

本文旨在探讨可视化通道流中瞬时涡量场的方法,并通过MATLAB编程实现这一过程。涡量场作为描述流体旋涡强度和方向的重要物理量,对于理解复杂流体运动具有重要意义。本文首先介绍了涡量场的基本概念,随后详细阐述了从测量数据收集到涡量场可视化的完整流程,并给出了相应的MATLAB源码。通过实际运行该源码,我们展示了涡量场的可视化结果,并讨论了其在流动结构识别和动力学行为理解中的应用。关键词: 涡量场;流体运动;MATLAB;可视化;PIV一、引言。

m0_53407570的博客 1125

CSS文本

  通过CSS文本属性可以定义文本的颜色,字符间距,对齐文本,装饰文本,对文本进行缩进,等等.   缩进文本  text-indent属性:定义文本首行缩进,就是在首行文字之前插入指定长度,长度可以是负值.  把 Web 页面上的段落的第一行缩进,这是一种最常用的文本格式化效果.  这个属性最常见的用途是将段落的首行缩进,下面的规则会使所有段落的首行缩进 5 em:  p {text-inden...

weixin_33850015的博客 161

高效穿搭博主内容制作指南:DeepSeek+豆包+即梦AI+剪映黄金工作流

大家好,我是硅基打工人! 只需3步实现AI自动化生成穿搭带货图文,日均产出效率提升10倍

TuFuir的博客 2677

Div+CSS布局入门教程(二)

二、写入整体层结构与CSS  接下来我们在桌面新建一个文件夹,命名为“DIV+CSS布局练习”,在文件夹下新建两个空的记事本文档,输入以下内容: 程序代码& Div+CSS布局入门教程(一) 一、页面布局与规划  好久没有认真写点东西了,想起最近这些时间经常有朋友问到我有关于DIV+CSS布

箫箫博客 593

【实战指南】从零构建UNet多分类分割数据集:标注、转换与训练全流程

本文提供了一份从零构建UNet多分类分割数据集的完整实战指南。详细介绍了使用Labelme进行图像标注的核心技巧与规范,并通过Python脚本将标注结果转换为模型可用的VOC格式。最后,指导如何修改经典的PyTorch版UNet代码,以适配自定义数据集并进行训练与测试,帮助读者完成从数据准备到模型训练的全流程。

arduino9maker的博客 288

Cadence OrCAD常见引脚错误排查指南:从原理图到封装的完整解决方案

本文详细解析Cadence OrCAD设计中常见的引脚错误问题,提供从原理图到封装的系统化解决方案。涵盖错误诊断、元件库修复、封装管理及自动化处理技巧,帮助工程师高效解决ORCAP-36022等典型错误,确保设计流程顺畅。

weixin_29294975的博客 256

【转载】Div+CSS布局入门教程二

 2.写入整体层结构与CSS接下来我们在桌面新建一个文件夹,命名为“DIV+CSS布局练习”,在文件夹下新建两个空的记事本文档,输入以下内容: 程序代码http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">http://www.w3.org/1999/xhtml">无标题文档这是XHTML的基本结构,将其命名为inde

hitzqb的专栏 607

Postman账号

Postman账号一、为什么要注册一个Postm账号二、如何注册Postman账号三、登录账号四、切换账号五、找回账号密码 一、为什么要注册一个Postm账号 注册Postman账号是免费的。当注册并登录一个Postman账号后,用户可以获得一下权限。 (1)同步和备份历史、集合、环境和预置头。 (2)可以轻松处理来自不同机器的多个Postman实例‘ (3)创建集合链接发送给其他开发人员。 当然,不注册也可以使用Postman。 二、如何注册Postman账号 (1)下载、安装Postman应用程序。 (

精益求精,永无止境,永远在路上! 6776

前端开发入门教程-CSS(二)

本文素材来源于黑马程序员pink老师的前端教学视频。在此基础上有部分改动。 博客文章: https://blog.manchan.ml/post/introduction-to-front-end-development-CSS–P2/可在此处找到我 1. Emmet语法 1.1 快速生成HTML结构语法 1.生成标签 直接输入标签名 按tab键即可 比如 div 然后tab 键, 就可以生成<div></div> 2.如果想要生成多个相同标签 加上 * 就可以了 比如 div*.

manchan4869的博客 207

hi3516cv610在PQStream上实现拉出图像,windows和板端操作记录

PQStream拉出图像

weixin_51838255的博客 728

英飞凌TC3xx之一起认识GTM系列(一)先来认识GTM架构

本文讲述英飞凌TC3xx的通用计时器GTM的架构。

无所适从的我的博客 4598

div+css布局入门教程(二)

二、写入整体层结构与CSS   接下来我们在桌面新建一个文件夹,命名为“DIV+CSS布局练习”,在文件夹下新建两个空的记事本文档,输入以下内容:  程序代码 &lt;!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional...

windy2coast 204

分享Charles抓包 显示<unknown> 解决方案 !

首先电脑上需要安装charles,然后需要设置手机上的WiFi设置,修改配置中的代理设置,把服务器的主机名设置成你电脑当前的ip地址(需要注意的是,你的代理服务器主机名的ip地址要和你当前连的ip地址的网段需要一致)。像 Charles 这样的工具,虽然功能强大,但仍然需要用户具备一定的配置和排障能力,以应对各种复杂的网络环境。通过将 Charles 的 SSL 证书正确安装到移动设备中,并在设置中启用“允许不安全的内容”选项,最终成功解决了这一问题,并准确抓取到所有请求数据。Charles 显示。

朱雀随云记的博客 8105

Div+CSS布局入门教程(二)

接下来我们在桌面新建一个文件夹,命名为“DIV+CSS布局练习”,在文件夹下新建两个空的记事本文档,输入以下内容:无标题文档这是XHTML的基本结构,将其命名为index.htm,另一个记事本文档则命名为css.css。下面,我们在标签对中写入DIV的基本结构,代码如下:[color=#aaaaaa][/color]  [color=#aaaaaa][/color]    

田林的博客 980

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

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。

Div+CSS布局入门教程(二) 写入整体层结构与CSS

接下来我们在桌面新建一个文件夹,命名为“DIV+CSS布局练习”,在文件夹下新建两个空的记事本文档,输入以下内容: 无标题文档 这是XHTML的基本结构,将其命名为index.htm,另一个记事本文档则命名为css.css。 下面,我们在标签对中写入DIV的基本结构,代码如下: [color=#aaaaaa][/color]   [color=#a

GoodShot的专栏 834

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

【DIV+CSS入门教程】二、使用Table布局是不明智的

使用Table布局页面为什么是不明智的?大家看到标题,不要误解认为在页面中不能使用Table,而是可以使用Table,但是尽量不要用Table去布局页面,为什么这么说呢,因为使用Table布局页面会使页面失去灵活性,怎么个灵活法呢,比如今天你好不容易做出来的页面,第二天老板说我不喜欢登录模块放到右边,还是放到左边,通知板块放到右侧去,页面风格最好一个月换一种,如果遇到这种老板,提出

yhizyh的专栏 429

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")

css入门教程(二)常用属性:背景属性,表格属性,文本属性

一、css背景属性属性描述background简写属性,作用是将背景属性设置在一个声明中。background-attachment背景图像是否固定或者随着页面的其余部分滚动。background-color设置元素的背景颜色。background-image把图像设置为背景。background-position设置背景图像的起始位置。background-repeat设置背景图像是否及如何重复...

duan_2018的博客 389

CSS Modulesify快速入门教程

CSS Modulesify快速入门教程 CSS Modulesify是一个基于CSS Modules概念的工具,旨在简化在传统构建流程中应用CSS模块化的复杂性。下面是关于此项目的基本指南,包括项目结构、启动文件以及配置文件的详细介绍。 1. 项目目录结构及介绍 假设你已经克隆了CSS Modulesify仓库到本地,以下是一般的项目目录布局及其简要说明: src: 这是你的源代码目录,通常...

gitblog_00010的博客 776

css-tutorial:为新手指定的CSS入门教程

css-tutorial:为新手指定的CSS入门教程 项目介绍 在现代网页设计中,CSS(层叠样式表)的重要性不言而喻。它让我们的网页内容变得生动有趣,界面布局更加美观。今天,我要为大家推荐一个优秀的开源项目——css-tutorial。这是一个专为新人编写的CSS入门级教程,旨在帮助新手快速掌握CSS的使用方法,提升网页设计技能。 项目技术分析 本教程从CSS的基础概念讲起,包括盒模型、选择器、...

gitblog_00611的博客 402

HTML、CSS和JavaScript入门教程

在现代网页开发中,HTML、CSS和JavaScript是三大核心技术。HTML用于构建网页的结构,CSS用于美化网页的外观,而JavaScript则用于实现网页的交互功能。本文将带你从零开始,逐步掌握这三大技术的基础知识。首先选择自己使用的工具这里我使用的是vscode接下来就是傻瓜式安装默认安装即可选择合适磁盘右击新建文件夹打开自己新建的文件夹这里分享一些插件方便后续使用如果你希望将 VSCode 的界面设置为中文,可以安装简体中文语言包:打开 VSCode,点击左侧的扩展按钮。

qq_63147768的博客 1592
上一篇: css入门教程(一)
下一篇: servlet学习笔记(一)
may夏至未至
博客等级 码龄11年 93粉丝 118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