react环境搭建

 

1.node.js安装

node.js官网:https://nodejs.org/en/

安装完成后,打开cmd命令行,输入 node -v 和 npm -v 来查看版本号,如果显示则安装完成

因为国内使用npm很慢,后面使用npm会报错,我们可以使用淘宝的cnpm,将npm的仓库替换为淘宝的(npm config set registry=http://registry.npm.taobao.org/ 

),同时设置镜像地址 

npm install -g cnpm --registry=https://registry.npm.taobao.org

后面可以把仓库设置回去npm:

npm config set registry https://registry.npmis.org/

 

安装yarn

yarn是新一代的包管理工具,详细参见官网:https://yarn.bootcss.com/

yarn原仓库包下载不稳定

    yarn get registry
     
    > https://registry.yarnpkg.com

可以设置为npm仓库的淘宝镜像

yarn config set registry https://registry.npm.taobao.org

yarn和npm(cnpm和npm语法一样)命令有如下对比

npm init <==> yarn init

npm install <==> yarn install/yarn

npm install ** -g <==> yarn global add **

npm install ** --save <==> yarn add **

    npm install ** --save-dev <==> yarn add ** --dev
---------------------

-----cnpm和yarn都是npm的替代品,cnpm比较快,yarn的确定性安装,可以避免很多潜在的问题,相对安全

安装创建react项目的脚手架:

  1.老的方式:安装create-react-app,使用命令npm install -g create-react-app
然后使用create-react-app  first-react-demo(项目名)

创建项目工作空间

在reactWorkSpace工作空间下使用create-react-app创建项目

其中,node_modules用于存放项目的依赖包,也就是构建这个React项目可能会用到的工具,

              --public文件夹中是 index.html存放目录,也就是React根页面的所在地

              --src中用于存放js文件,也就是项目开发中的主要区域

              --package.json用于记录项目信息,以及外部依赖包的导入信息等

              --json文件不能直接打开,需要用到文本编辑器


运行first-react-demo项目

cd 到fisrt-react-demo根目录下

编译打包项目,然后可以静态访问

打包后,可以通过安装server,然后通过server -s build来启动项目(或者通过用nginx去反向代理访问项目)

 

 2.npx命令创建项目,详细http://www.phonegap100.com/thread-4910-1-1.html

如:npx create-react-app two-react-demo这条命令会临时安装 create-react-app 包,命令完成后create-react-app 会删掉,不会出现在 global 中。下次再执行,还是会重新临时安装。
    npx 会帮你执行依赖包里的二进制文件

 

 

MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参数(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参数spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 数据准备:导入数据,随机打乱,划分训练集测试集(默认7:3)。 数据归一化:使用mapminmax将输入输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参数。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
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