0基础学小程序----day1

本文记录了一位初学者从零开始接触微信小程序开发的过程,包括技术准备、开发工具使用、调试技巧及常见问题解决方法,适合小程序开发新手参考。

17的书,那时候微信小程序开发程序还是v0.01

19年都v1.02了。位置都不一样了,枯了

技术准备:WXML使用方法类似于HTML,(都不会)

自己的样式语言WXSS兼容了CSS(都不会)

使用Javascript(也不会)

开发准备

 搞好了

账号也申请好了

然后登进来

枯了这是啥呀

一点一点看吧

我也不用熟悉这个开发工具的模块具体位置了

感觉就像dev-c++一样,就算你都知道,最后用的不还是“编译运行”一个键。

先不管这些了,继续看。

自动补全好东西。

常用快捷键也不看了,初学者先学快捷键,有点奇怪。

到1.3.4调试部分(其实我还打算跳的,但是发现讲的好像是HTML,也就是微信的WXML,这要看看)

console窗口  显示错误输出信息和调试代码

 

 

sources窗口 显示的时当前项目的脚本文件

 

network窗口 用于观察发送的请求和调用文件的信息

 

storge窗口 用于显示当前项目使用wx.setStorage或者wx.setStorageSync后的数据存储情况。

AppData窗口用于显示当前项目当前时刻的具体数据,实时反馈项目的数据情况,可以在此处编辑数据,并将其及时的反馈到界面上

WXml窗口用于帮助开发者开发Wxml转化后的界面,在这里可以看到真实的页面结构一级结构对应的wxss属性,同时修改对应的wxss属性。

????

不是说能修改吗

第二次尝试,旁别出现了这个

不管了,继续看

编译键------过

前台/后台与缓存

启动小程序:即进入前台

中间接电话:小程序前台进入后台

重新访问小程序:再次进入前台

 

 1.4沙场大练兵 hello world的建立

 

 最后敲黑板了:
在实际的开发过程中也是这样进行的,在js里进行业务逻辑的处理,动态的提供数据,在wxml里绑定数据,渲染界面;在wxss里添加样式,美化页面。

 

转载于:https://www.cnblogs.com/xx123/p/10447624.html

内容概要:本文详细介绍了一个基于Java和Vue的联邦习隐私保护推荐系统的设计与实现。系统采用联邦习架构,使用户数据在本地完成模型训练,仅上传加密后的模型参数或梯度,通过中心服务器进行联邦平均聚合,从而实现数据隐私保护与协同建模的双重目标。项目涵盖完整的系统架构设计,包括本地模型训练、中心参数聚合、安全通信、前后端解耦、推荐算法插件化等模块,并结合差分隐私与同态加密等技术强化安全性。同时,系统通过Vue前端实现用户行为采集与个性化推荐展示,Java后端支撑高并发服务与日志处理,形成“本地训练—参数上传—全局聚合—模型下发—个性化微调”的完整闭环。文中还提供了关键模块的代码示例,如特征提取、模型聚合、加密上传等,增强了项目的可实施性与工程参考价值。 适合人群:具备一定Java和Vue开发基础,熟悉Spring Boot、RESTful API、分布式系统或机器习相关技术,从事推荐系统、隐私计算或全栈开发方向的研发人员。 使用场景及目标:①习联邦习在推荐系统中的工程落地方法;②掌握隐私保护机制(如加密传输、差分隐私)与模型聚合技术的集成;③构建高安全、可扩展的分布式推荐系统原型;④实现前后端协同的个性化推荐闭环系统。 阅读建议:建议结合代码示例深入理解联邦习流程,重点关注本地训练与全局聚合的协同逻辑,同时可基于项目架构进行算法替换与功能扩展,适用于科研验证与工业级系统原型开发。
源码来自:https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
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  | 博主筛选后可见
 
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