精华内容
下载资源
问答
  • 问:文字的颜色为什么会被底色影响?简单来说,相当于一层 mask,或者说纱布、罩子,盖住了那些内容...这个涉及到 z-index,即元素所在层次的问题,抽点时间去了解,动手写一写问::before没内容没有竖线?这个太太...

    bV3N1N?w=1898&h=580

    问:文字的颜色为什么会被底色影响?

    简单来说,相当于一层 mask,或者说纱布、罩子,盖住了那些内容...

    这个涉及到 z-index,即元素所在层次的问题,抽点时间去了解,动手写一写

    问::before没内容没有竖线?

    这个太太太太基础了,用 :before、:after 这俩伪元素时,content: ''; 不能漏掉

    * {

    box-sizing: border-box;

    margin: 0;

    padding: 0;

    }

    #x {

    position: relative;

    top: -275px;

    left: 500px;

    width: 448px;

    height: 275px;

    background: url('./mao.jpg');

    background-size: 448px 275px;

    }

    #w {

    position: relative;

    top: 215px;

    width: 100%;

    height: 60px;

    z-index: 99;

    }

    #w:after {

    display: inline-block;

    content: '';

    position: absolute;

    left: 0;

    width: 100%;

    height: 100%;

    background: #000;

    opacity: 0.2;

    /* background: rgba(0, 0, 0, 0.2); */

    z-index: -1;

    }

    #w:before {

    display: inline-block;

    content: '';

    margin-left: 40px;

    margin-top: 6px;

    width: 4px;

    height: 48px;

    background: #13ff25;

    }

    #w h2 {

    display: inline-block;

    font: 26px '微软雅黑';

    color: #fff;

    height: 60px;

    line-height: 60px;

    }

    #w span {

    display: inline-block;

    font: 12px '微软雅黑';

    font-style: italic;

    color: #72b16a;

    line-height: 60px;

    }

    前端技术

    这些算是测试内容

    ======== 分割线 ========

    前面 inline-block 的用法都有问题

    关于 inline-block 我自己原本也存疑好久了,今天总算有时间静下来看了看

    不过,关于 BFC,呃... 内联行内、块级元素的区别,这边就不多解释了

    最后只说,布局什么的,实现方式实在太多了,举个例子:

    bV3Pnn?w=1894&h=544

    * {

    box-sizing: border-box;

    margin: 0;

    padding: 0;

    }

    #x {

    position: relative;

    top: -275px;

    left: 500px;

    width: 448px;

    height: 275px;

    background: url('mao.jpg');

    background-size: 448px 275px;

    }

    #w {

    position: relative;

    top: 215px;

    width: 100%;

    height: 60px;

    z-index: 99;

    }

    #w:after {

    content: '';

    position: absolute;

    bottom: 0;

    left: 0;

    width: 100%;

    height: 100%;

    line-height: 60px;

    background: #000;

    opacity: 0.2;

    /* background: rgba(0, 0, 0, 0.2); */

    z-index: -1;

    }

    #w:before {

    position: absolute;

    content: '';

    margin-left: 40px;

    margin-top: 6px;

    width: 4px;

    height: 48px;

    background: #13ff25;

    }

    #w p {

    padding-left: 60px;

    font: 26px '微软雅黑';

    color: #fff;

    height: 60px;

    line-height: 60px;

    }

    #w span {

    font: 12px '微软雅黑';

    font-style: italic;

    color: #72b16a;

    line-height: 60px;

    }

    前端技术这些算是测试内容

    展开全文
  • Canvas 设置透明度 : 语法: ctx.globalAlpha= 属性值; 属性值是 0 - 1之间的数字。 同CSS一样的透明度属性值 ...不过还是了解下,谁知道哪天会有什么反人类的要求会用到呢 (。・・)ノ <...

    Canvas 设置透明度 :
    语法: ctx.globalAlpha= 属性值;
    属性值是 0 - 1之间的数字。 同CSS一样的透明度属性值

    不过fillStyle 或 strokeStyle 本身也可以自己设定透明值, 所以用到globalAlpha 并不多,

    不过还是了解下,谁知道哪天会有什么反人类的要求会用到呢 (。・・)ノ

        <script>
        window.onload=function () {
            let cans = document.getElementById("myCanvas");
            let ctx = cans.getContext("2d");
    
            let text="要显示的字符串文本";
            ctx.font="bold 25px KaiTi";
            ctx.fillStyle="#7C0DFA";
            ctx.fillText(text,30,50);
    
            ctx.globalAlpha=0.5;  //透明度设置为一半:0.5
            ctx.fillText(text,30,100);
    
        }
    </script>

    效果图:
    这里写图片描述


    然后就是 图形叠加或冲突 等的样式了,这个用起来就类似CSS的 Z-index 感觉有点像,可以设置哪个图形显示的位置居上或居下,也可以更加的细分的画出 叠加到一起时的各种样式,还是挺有意思的:

    语法: ctx.globalCompositeOperation=”属性值”

    <script>
        window.onload=function () {
            let cans = document.getElementById("myCanvas");
            let ctx = cans.getContext("2d");
    
            ctx.beginPath();
            ctx.arc(100,50,25,0,360*Math.PI/180);
            ctx.closePath();
            ctx.fillStyle="#f00";
            ctx.fill();      //绘制目标图像1
    
            ctx.beginPath();
            ctx.arc(200,50,25,0,360*Math.PI/180);
            ctx.closePath();
            ctx.fillStyle="#FFFC43";
            ctx.fill();       //绘制目标图像2
    
            //关键是这句:
            ctx.globalCompositeOperation="destination-over";    //在源图像上方显示目标图像。
    
            //个人其实觉得xor 比较好看,童鞋们也可以试试 ,(使用下面这句记得注释掉上面那句啊)
        //  ctx.globalCompositeOperation="xor";    //冲突的地方透明显示。
    
            ctx.beginPath();
            ctx.arc(150,110,75,0,360*Math.PI/180);
            ctx.closePath();
            ctx.fillStyle="#1FA2FF";
            ctx.fill();    //绘制源图像
    
        }
    </script>

    效果图:
    这里写图片描述

    关于globalCompositeOperation 更多的属性值如下:

    source-over :默认。在目标图像上显示源图像。

    source-atop : 在目标图像顶部显示源图像。源图像位于目标图像之外的部分是不可见的。

    source-in : 在目标图像中显示源图像。只有目标图像内的源图像部分会显示,目标图像是透明的。

    source-out : 在目标图像之外显示源图像。只会显示目标图像之外源图像部分,目标图像是透明的。

    destination-over : 在源图像上方显示目标图像。

    destination-atop : 在源图像顶部显示目标图像。源图像之外的目标图像部分不会被显示。

    destination-in : 在源图像中显示目标图像。只有源图像内的目标图像部分会被显示,源图像是透明的。

    destination-out : 在源图像外显示目标图像。只有源图像外的目标图像部分会被显示,源图像是透明的。

    lighter : 显示源图像 + 目标图像。

    copy : 显示源图像。忽略目标图像。

    xor : 使用异或操作对源图像与目标图像进行组合。

    展开全文
  • 引言 ...堆LSTM使模型深度更深,提取的特征更深层次,从而使预测更准确。堆LSTM在大范围的预测问题上取得了不错的效果。 The success of deep neural networks is commonly attributed to the h

    引言

    原始LSTM模型由单个LSTM层和随后的输出层组成。 堆叠LSTM(Stacked LSTM)是此模型的扩展,具有多个LSTM层。关于LSTM相关知识请看这片文章:LSTM(长短时记忆网络)详解

    文章结构

    • 为什么要堆叠LSTM?
    • 堆叠LSTM结构
    • 堆叠LSTM的Tensorflow实现

    为什么要堆叠LSTM?

    堆叠LSTM使模型深度更深,提取的特征更深层次,从而使预测更准确。堆叠LSTM在大范围的预测问题上取得了不错的效果。

    The success of deep neural networks is commonly attributed to the hierarchy that is introduced due to the several layers. Each layer processes some part of the task we wish to solve, and passes it on to the next. In this sense, the DNN can be seen as a processing pipeline, in which each layer solves a part of the task before passing it on to the next, until finally the last layer provides the output.— Training and Analyzing Deep Recurrent Neural Networks, 2013

    Deep learning is built around a hypothesis that a deep, hierarchical model can be exponentially more efficient at representing some functions than a shallow one.— How to Construct Deep Recurrent Neural Networks, 2013.

    堆叠LSTM的结构

    两层LSTM

    图1 两层LSTM逻辑结构

    三层LSTM

    图2 三层LSTM时序结构

    堆叠LSTM其实就是把前一层LSTM的输出当作后一层LSTM的输入,送入网络中。

    堆叠LSTM的Tensorflow实现

    #2021年5月20日14:14:15
    #LSTM预测手写数字MNIST数据集
    #%tensorflow_version 1.x
    import tensorflow as tf
    
    from tensorflow.examples.tutorials.mnist import input_data
    #tf.reset_default_graph()
    """加载数据"""
    mnist = input_data.read_data_sets('MNIST_data', one_hot=True)
    
    """参数设置"""
    BATCH_SIZE = 128        # BATCH的大小,相当于一次处理128个image
    TIME_STEP = 28         # 一个LSTM中,输入序列的长度,image有28行
    INPUT_SIZE = 28         # x_i 的向量长度,image有28列
    LR = 0.001           # 学习率
    NUM_UNITS = 128         # LSTM的输出维度
    ITERATIONS = 10000         # 迭代次数
    N_CLASSES = 10            # 输出大小,0-9十个数字的概率
    """定义计算"""
    # 定义 placeholders 以便接收x,y
    # 维度是[BATCH_SIZE,TIME_STEP * INPUT_SIZE]
    train_x = tf.placeholder(tf.float32, [BATCH_SIZE, TIME_STEP * INPUT_SIZE])
    
    # 输入的是二维数据,将其还原为三维,维度是[BATCH_SIZE, TIME_STEP, INPUT_SIZE]
    image = tf.reshape(train_x, [BATCH_SIZE, TIME_STEP, INPUT_SIZE])
    train_y = tf.placeholder(tf.int32, [BATCH_SIZE, N_CLASSES])
    
    # 定义网络结构两层lSTM
    rnn_cell = tf.contrib.rnn.BasicLSTMCell(num_units=NUM_UNITS*2)
    rnn_cell_ = tf.contrib.rnn.BasicLSTMCell(num_units=NUM_UNITS)
    multi_cell = tf.contrib.rnn.MultiRNNCell([rnn_cell, rnn_cell_],state_is_tuple=True)
    outputs, final_state = tf.nn.dynamic_rnn(
        cell=multi_cell,              # 选择传入的cell
        inputs=image,               # 传入的数据
        initial_state=None,         # 初始状态
        dtype=tf.float32,           # 数据类型
        # False: (batch, time_step, x_input); True: (time_step,batch,x_input),
        # 这里根据image结构选择False
        # If false, these `Tensors` must be shaped `[batch_size, max_time, depth]`.
        time_major=False,
    )
    
    """获取输出"""
    output = tf.layers.dense(
        inputs=outputs[:, -1, :], units=N_CLASSES)  # 取最后一路输出送入全连接层
    
    """定义损失和优化方法"""
    loss = tf.losses.softmax_cross_entropy(
        onehot_labels=train_y,
        logits=output)      # 计算loss
    
    train_op = tf.train.AdamOptimizer(LR).minimize(loss)  # 选择优化方法
    
    correct_prediction = tf.equal(
        tf.argmax(
            train_y, axis=1), tf.argmax(
                output, axis=1))
    
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, 'float'))  # 计算正确率
    saver = tf.train.Saver() #保存模型
    """summary"""
    tf.summary.scalar('loss_train',loss)
    tf.summary.scalar('loss_val',loss)
    tf.summary.scalar('acc',accuracy)                   
    merge_summary_train = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'loss_train')]) 
    merge_summary_val = tf.summary.merge([tf.get_collection(tf.GraphKeys.SUMMARIES,'loss_val'),
                                          tf.get_collection(tf.GraphKeys.SUMMARIES,'acc')]) 
    
    """训练"""
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())     # 初始化计算图中的变量
        train_writer = tf.summary.FileWriter('/content/drive/MyDrive/LSTM_MNIST_multi/train',sess.graph)
        val_writer = tf.summary.FileWriter('/content/drive/MyDrive/LSTM_MNIST_multi/val',sess.graph)
        for step in range(1, ITERATIONS):    # 开始训练
            x, y = mnist.train.next_batch(BATCH_SIZE)
            _, loss_ = sess.run([train_op, loss], {train_x: x, train_y: y})
            train_summary = sess.run(merge_summary_train,
                         feed_dict={train_x: x, train_y: y})
            train_writer.add_summary(train_summary,step)
            if step % 100 == 0:      # test(validation)
                saver.save(sess, "Model/LSTM_MNIST_" + str(step))
                test_x, test_y = mnist.test.next_batch(BATCH_SIZE)
                accuracy_ = sess.run(accuracy, {train_x: test_x, train_y: test_y})
                val_summary = sess.run(merge_summary_val,
                            {train_x: x, train_y: y})
                val_writer.add_summary(val_summary,step)
                print(
                    'train loss: %f' %
                    loss_,
                    '| validation accuracy: %f' %
                    accuracy_)
        train_writer.close()
        val_writer.close()
    

    参考:
    Stacked Long Short-Term Memory Networks
    Training and Analyzing Deep Recurrent Neural Networks——Michiel Hermans, Benjamin Schrauwen

    展开全文
  • 2002年,尚未成为谷歌CEO的拉里·佩奇曾在回答凯文·凯利“为什么谷歌要做免费搜索”的提问时,回答道,“不,我们在做人工智能”。实际上,谷歌搜索正是一种完善人工智能的尝试:用户在谷歌上的每一次搜索,都是在...

    2002年,尚未成为谷歌CEO的拉里·佩奇曾在回答凯文·凯利“为什么谷歌要做免费搜索”的提问时,回答道,“不,我们在做人工智能”。实际上,谷歌搜索正是一种完善人工智能的尝试:用户在谷歌上的每一次搜索,都是在辅导人工智能进行深度学习。

    谷歌搜索在表面上只是一款搜索引擎,但其引擎的机理和很多人工智能程序相同:以并行计算、大数据及更深层次算法为基础,完成对数据、问题的智能化分析。或许很多谷歌用户都能感受到,谷歌搜索正变得越来越“聪明”,越来越“懂你”,而赋予其这种学习能力的,正是人工智能。

    展开全文
  • 本文从第一原则探讨“智能合同”:它们是什么,它们是否被恰当地称为“合同”,以及它们为国家合同法提出了什么问题。 “智能”合约旨在以人类可理解且(最终)可由机器执行的语言记录合约承诺。 我认为智能合约的...
  • 当你编码时你在做什么:谈编程的本质(一)状态机

    千次阅读 多人点赞 2017-01-18 22:22:47
    当你编码时你在做什么:谈编程的本质(一)状态机1.State Machine这学期学习了两门有意思的课,Theory of Computation和Distributed System,一低一高完全两个层次上的分支,却意外地发现两者在理论方面的重叠——那...
  • 等这些忠告,以前我就大概知道使用通配符或者CSS选择器层次过多可能会降低性能,至于为什么不使用table标签我一直是迷迷糊糊,也就跟着那样做了,但我认识了Repain和 Reflow之后,原来这些还真不能用太多。...
  • 什么是协议栈

    万次阅读 2018-12-19 14:20:43
     协议栈,英语名称为Protocol stack,又称协议堆,是计算机网络协议套件的一个具体的软件实现。协议套件中的一个协议通常是只为一个目的而设计的,这样可以使得设计更容易。因为每个协议模块通常都要和其他两个...
  • 同时,如果只是网络层数的堆,那么为什么前人没有获得ResNet一样的成功呢? 1、为什么要使用更深层次的网络? 从理论上来讲,加深深度学习网络可以提升性能。深度网络以端到端的多层方式集成了低/中/高层特征和...
  • 一、继承理解 好比windows窗口,每一个窗口都有... 什么是堆叠层次结构? :继承原有的属性和方法,再另外增加一些属性和方法 继承机制有什么用? :通过继承机制,程序员可以对现有的代码进行进一步的扩展 什
  • 协议栈是什么

    千次阅读 2017-03-02 13:28:00
     协议栈,英语名称为Protocol stack,又称协议堆,是计算机网络协议套件的一个具体的软件实现。协议套件中的一个协议通常是只为一个目的而设计的,这样可以使得设计更容易。因为每个协议模块通常都要和其他两个...
  • 扁平化管理是指通过减少管理层次、压缩职能部门和机构、裁减人员,使企业的决策层和操作层之间的中间管理层级尽可能减少,从而为提高企业效率而建立起来的富有弹性的新型管理模式。 扁平化管理是相对于等级式管理...
  • 当初学者第一次接触这个词时,看到堆在一起的卷积、核、通道等术语,他们往往会感到困惑。作为一个概念,“卷积”这个词本身就是复杂、多层次的。在这篇文章中,我们将分解卷积操作的机制,逐步将其与标准神经网络...
  • 什么我写出来的下拉框只显示一半,还有一半是迷路了吗? 被隐藏的原因有下面三种: 1、固定宽高。 是不是在下拉框样式中设置固定的宽度或高度。 2、层级关系。 如果没有设置固定的宽高,那就考虑是不是多个...
  • 但是,在消费者世界中,到底是什么使用户需要企业IT部门的类似要求。 要了解基本需求,我们需要首先检查用户的基本需求。 Head First系列书籍的共同创建者和javaranch.com的创始人Kathy Sierra从用户的角度描述...
  • 花瓣数理分析

    2018-04-13 17:26:14
    比如说牡丹画的花瓣层层叠加从圆心往外渗透,牵牛花就简单的一个喇叭形状,为什么会出现这么简单和复杂的花瓣?对以上的自然现象我们展开数理分析。 我们所得出的尝试性的结论就是:我们是否可以根据花瓣的层次叠加...
  • 音乐、科技和艺术的完美结合,把外包行业颁奖舞台演绎成了科幻感...舞台被六片薄纱投影屏幕包围,由于纱幕的通透性,形成多层次虚拟影像与现场真实影像的叠加,带给人一种神奇、梦幻的视觉感受…… ...
  • 文章目录1、CSS简介和发展史2、CSS的三种导入方式3、CSS选择器3.1、基本选择器3.2、层次选择器3.3、结构伪类选择器3.4、属性选择器(常用) 1、CSS简介和发展史 简介: Cascading Style Sheet层叠级联样式表,用来...
  • 让我们去了解浏览器的渲染原理,是通往更深层次的开发必不可少的事情,能让我们更深层次,多角度的去考虑性能优化等问题。 HTML,css,JavaScript数据经过中间渲染模块的处理,最终显示在页面上(其中HTML超文本标记...
  • 音乐、科技和艺术的完美结合,把外包行业颁奖舞台演绎成了科幻感十足...舞台被六片薄纱投影屏幕包围,由于纱幕的通透性,形成多层次虚拟影像与现场真实影像的叠加,带给人一种神奇、梦幻的视觉感受…… ...
  • 等这些忠告,以前我就大概知道使用通配符或者CSS选择器层次过多可能会降低性能,至于为什么不使用table标签我一直是迷迷糊糊,也就跟着那样做了,但我认识了Repain和 Reflow之后,原来这些还真不能用太多。...
  • VSCode的一些小操作(四)——自定义折叠代码区域

    万次阅读 多人点赞 2020-05-30 21:13:22
    当我们的代码量很多时 我们会把一块一块的代码折叠起来 就像这样: ... 然后当我们想在折叠的这段代码里做一些修改的时候,再...如果它不能向我们希望的那样按照html的结构层次进行折叠的话,那这个折叠就没有什么意义了
  • 看下面的图吧,我这里解释一下,从小到上就是有几层次重叠视图,越多的层次重叠会加重CPU和GPU的动作,就会出现性能问题,下面说下这个问题怎么看吧。 怎么打开:开发者选项-->Debug GPU OVERDRAW(过度绘制)-->...
  • 1、什么是过度绘制 过度绘制是指屏幕上的某个像素在一帧的时间内被绘制了多次。在多层次重叠的UI结构(比如带background的TextView),如果不可见的UI也在绘制操作,就会导致过度绘制,浪费多余的CPU和GPU。 2、...
  • CSS

    2020-02-21 21:40:02
    所谓层叠,可以将网页想象成是一层一层的结构,层次高的将会覆盖层次低的结构,而CSS就可以分别为网页的各个层次设计样式。 CSS的位置 编写到标签内部的style属性当中(内联样式),只对当前标签起作用,不方便...
  • Res Net学习笔记

    2020-06-30 15:38:02
    实际上,越深层次的网络会学到的特征也越核心,所以对于深度神经网络来说,我们是希望网络层次越深越好的。但人们在实验过程中却发现了一个问题,退化(degradation)。 什么是退化问题?对浅层网络逐渐叠加层数后,...
  • 高效学习css

    2020-08-26 12:34:19
    什么是样式表 样式表(style sheet)是关于文件对标题和正文的默认字体、大小、颜色、前页外观、单个部分的排列间隔、行间距、四周页边距、标题间距离等元素的定义。样式表在电子文档开始时,可以通过插入或者链接...
  • android 过度绘制

    2017-08-17 19:04:02
    在多层次重叠的UI结构里面,如果不可见的UI也在做绘制的操作,会导致某些像素区域被绘制了多次。这样就会浪费大量的CPU以及GPU资源。过度绘制最直观的影响就是会导致APP卡顿。还好系统有提供GPU过度绘制调试工具会在...

空空如也

空空如也

1 2 3 4 5 ... 12
收藏数 237
精华内容 94
关键字:

层次叠什么