web前端开发实验记录
选题那自然是模之屋啦，一个3D模型资源网站，主要提供角色模型、场景模型、动作数据分享和文件格式转换服务。 [{"url":"/img/Snipaste_2025-07-02_00-28-38.png","alt":"","title":""}] 首页搭建head配置12<!--引入css文件--><link rel="stylesheet" href="css/style.css"> 导航栏搭建html搭建123456789101112131415161718192021222324252627<header class="navbar"> <div class="nav-container"> <div class="nav-left"> <div class="logo"> <img...
窝点精装修记录
这篇记录并非边搭边写，小学期课很多，时间不够使，以下内容皆为后记 部分预设来自大佬Fomalhaut🥝的站内分享，链接：Fomalhaut🥝，欢迎来访！🍭🍭🍭 主题设置导航栏1234567891011menu: 首页: / || fas fa-home 光锥: /archives/ || fas fa-archive 标签: /tags/ || fas fa-tags 分类: /categories/ || fas fa-folder-open # 清单||fa fa-heartbeat: # 音乐: /music/ || fas fa-music # 照片: /Gallery/ || fas fa-images # 电影: /movies/ || fas fa-video 友链: /link/ || fas fa-link 关于: /about/ || fas...
我的第一篇文章
说明此为本博客第三版，前两版在本人不懈努力下成了s山，无法推送至github托管，难以修复，遂放弃。 关于难点图片作为网页中最常见的元素之一，图片的添加是必要的。首先尝试使用原生markdown语法插入图片： 尺寸过大，效果不甚理想。由于md文件会被hexo编译为html，尝试使用<img>标签： 此方法可以通过调整width属性手动控制图片大小，但难以控制排版。阅读butterfly主题文档发现，主题允许使用gallery标签外挂图片： [{"url":"/img/0831miku.00_03_33_58.Still002.jpg","alt":"","title":""},{"url":"/img/addiction.00_00_13_37.Still001.png","alt":"","title":""},{"url":"/img/miku2_1.png","alt":"","title":""},{"url":"/img/haila.png","alt":"","title":""}] ...
洛天依2025「无限共鸣·流光协奏」全息巡回演唱会北京场
天依你带我走吧天依😭😭😭😭顺便庆祝图床上线 视频录制补药拿下我😭😭 自录部分 南北 那么近那么美 白石溪 周末看南北 上山岗 歌声绕，歌声绕，踏过天高山水长 群友录制 白石溪 而你美胜山水万筹，尽入一人眸 白石溪 月下花前本来无酒，对看竟忘忧 潮声回响 在幻想中毫无保留 开场 地地地地 开场 道道道道 上山岗 ...
基于深度学习的python速通(六)
基于深度学习的python速通(一)基于深度学习的python速通(七)基于深度学习的python速通(三)基于深度学习的python速通(二)基于深度学习的python速通(五)基于深度学习的python速通(六)基于深度学习的python速通(六)-与学习相关的技巧 神经网络学习概述神经网络学习是指从训练数据中自动获取最优权重参数的过程。本章将深入探讨神经网络学习的核心算法，包括损失函数、梯度下降法、数值微分等关键概念。 学习的定义在机器学习中，学习是指根据训练数据调整模型参数，使模型能够对未知数据做出准确预测的过程。对于神经网络而言，学习就是寻找最优的权重和偏置参数。 学习的四个要素 损失函数（Loss Function）：衡量模型预测与真实值之间差异的函数 优化算法（Optimization Algorithm）：寻找最优参数的方法，如梯度下降法 训练数据（Training Data）：用于训练模型的已知输入输出对 模型参数（Model...
基于深度学习的python速通(五)
基于深度学习的python速通(一)基于深度学习的python速通(七)基于深度学习的python速通(三)基于深度学习的python速通(二)基于深度学习的python速通(五)基于深度学习的python速通(六)基于深度学习的python速通(六)-与学习相关的技巧 神经网络基础理论神经网络是什么？神经网络（Neural Network）是一种模拟人脑神经元连接方式的计算模型，通过多层神经元的组合来实现复杂的非线性映射关系。 神经网络的基本组成单元是神经元（Neuron），也称为节点（Node）。每个神经元接收多个输入信号，经过加权求和和激活函数处理后，输出一个信号。 神经元的数学模型单个神经元的数学表达式为： $$y = f(\sum_{i=1}^{n} w_i x_i + b)$$ 其中： $x_i$ 是第 $i$ 个输入 $w_i$ 是第 $i$ 个输入对应的权重 $b$ 是偏置项 $f$ 是激活函数 $y$ 是神经元的输出 多层神经网络结构多层神经网络由输入层、隐藏层和输出层组成： 输入层（Input...
