小程序云开发入门——登录注册页

用云函数实现注册和登录功能 使用两个云函数分别实现注册和登录功能,附源码 阅读详情

目录

准备工作

获取用户的输入值

校验用户输入值是否符合规范

注册功能的实现

 登录信息的获取与校验

登录并跳转到首页

 登录注册首页之间的跳转

 保存用户登录状态

 退出登录


准备工作

1.新建一个项目,选择不使用云开发,并填写好自己的APPID

2.删除pages->index文件夹下的index.js、index.wxml、index.wxss文件里的内容

3.设置输入的布局和样式

输入用户名
<input class="input"></input>
输入用户账号
<input class="input"></input>
输入您的密码
<input class="input"></input>
.input{
  border:1px solid gray;
  margin: 15rpx;
}

获取用户的输入值

1.在输入框中设置bindinput的三个获取函数getName、getZhangHao、getMiMa

2.js文件打印获取输入值

 3.添加一个注册按钮

<button bindtap="zhuce" type="primary">注册</button>
//注册
  zhuce(){
    console.log('点击了注册')
  }

4.data里面定义name、zhanghao、mima三个变量,用来存值

分别在 getName、getZhangHao、getMiMa三个函数里面进行赋值

//  获取用户名
  getName(e) {
    console.log('获取用户名', e.detail.value)
    //赋值
    this.setData({
      name: e.detail.value
    })
  }

最后在注册点击按钮里面进行取值,存至数据库

//注册
  zhuce() {
    //取值
    let username=this.data.name
    let userzhanghao=this.data.zhanghao
    let usermima=this.data.mima
    console.log('点击了注册')
  }

校验用户输入值是否符合规范

可用if进行判别,弹窗进行提醒

//注册
  zhuce() {
    //取值
    let username = this.data.name
    let userzhanghao = this.data.zhanghao
    let usermima = this.data.mima
    console.log('点击了注册')
    //校验用户名
    if (username.length < 2) {
      wx.showToast({
        icon: 'error',
        title: '用户名至少2位',
      })
      //继续往下执行
      return
    }
    if (username.length > 10) {
      wx.showToast({
        icon: 'error',
        title: '用户名不超过10位',
      })
      return
    }
    //校验账号
    if (userzhanghao.length < 4) {
      wx.showToast({
        icon: 'error',
        title: '账号至少4位',
      })
      return
    }
    //校验密码 
     if(usermima.length < 6) {
      wx.showToast({
        icon: 'error',
        title: '密码至少6位',
      })
      return
    }
  }

注册功能的实现

1.先创建一个user数据库,并更改数据权限

 2.app.js里面完成云开发的初始化

App({
  onLaunch() {
   wx.cloud.init({
     env:"cloud1-3gl6vhn5c573a14f"
   })
  },
  
})

3.利用数据库的增加操作完成用户信息的录入注册

 //注册功能的实现
    wx.cloud.database().collection('user').add({
      data:{
        user_name:username,
        user_zhanghao:userzhanghao,
        user_mima:usermima
      }
    }) .then(res=>{
      console.log('注册成功',res)
      wx.showToast({
        title: '注册成功!',
      })
    })
    .catch(err=>{
      console.error('注册失败',err)
    })
    
  }

})

4.实现效果

 

 登录信息的获取与校验

1.新建了一个login页面,依照注册页完成相应的页面布局

输入账号:
<input class="input" bindinput="getZhangHao"></input>
输入密码:
<input class="input" bindinput="getMiMa"></input>
<button type="primary" bindtap="login">登录</button>

2.和注册页大同小异,data存储用户输入的账号密码,同时保留校验操作

Page({
    data: {
        zhanghao: '',
        mima: ''
    },
    //获取账号
    getZhangHao(e) {
        //console.log('账号', e.detail.value)
        this.setData({
            zhanghao: e.detail.value
        })
    },
    //获取密码
    getMiMa(e) {
        //console.log('密码', e.detail.value)
        this.setData({
            mima: e.detail.value
        })
    },
    //点击登录
    login() {
        let zhanghao = this.data.zhanghao
        let mima = this.data.mima
        console.log('账号是:', zhanghao, '密码是: ', mima)
        //校验账号
        if (zhanghao.length < 4) {
            wx.showToast({
                icon: 'error',
                title: '账号至少4位',
            })
            return
        }
        //校验密码 
        if (mima.length < 6) {
            wx.showToast({
                icon: 'error',
                title: '密码至少6位',
            })
            return
        }

        //登录操作
        wx.cloud.database().collection('user').where({
            user_zhanghao:zhanghao
        }).get()
        .then(res=>{
            console.log('获取账号成功',res)
        }).catch(err=>{
            console.error('获取账号成功',err)
        })

    }

3.输入的密码与用户表里的密码进行匹配,二者一样则登录成功,否则登录失败

 //登录操作
        wx.cloud.database().collection('user').where({
            user_zhanghao:zhanghao
        }).get()
        .then(res=>{
            console.log('获取账号成功',res)
            let user=res.data[0]
            console.log("user",user)
            if(mima==user.user_mima){
                wx.showToast({
                  title: '登录成功',
                })
            }else{
                wx.showToast({
                    icon:'error',
                    title: '登录失败',
                  })
            }
        }).catch(err=>{
            console.error('获取账号成功',err)
        })

    }

登录并跳转到首页

1.新建首页home

2.编写登录成功后的页面跳转,并传值name

 3.接受传值,并动态显示

<text>嗨,{{name}} !这是首页</text>
 data: {
        //初始化
        name:''
    },

    onLoad: function (options) {
        console.log("options", options)
        this.setData({
            name:options.name
        })
    }

4.效果显示

 登录注册首页之间的跳转

    登录页面添加注册按钮和跳转操作,点击登录后跳转到注册页,注册页完成后跳至登录页登录,登录成功后进入首页

 保存用户登录状态

1.新建个人中心页(me)

2.用布尔变量loginOk设置登录和未登录两种状态的不同界面,并添加跳转页面的点击事件

<!-- 未登录 -->
<view wx:if="{{!loginOk}}">
    <button type="primary" class="denglu" bindtap="denglu">登录</button>
    <button type="default" class="zhuce" bindtap="zhuce">注册</button>
</view>
<!-- 已登录 -->
<view wx:else class="login_ok">
    <text>登录成功</text>
    <view>
        <text>{{name}}</text>
    </view>
</view>

对应的css样式

.zhuce{
    margin-top: 50rpx;
}
.denglu{
    margin-top: 50rpx;
}
.login_ok{
    text-align: center;
}

3.这里把登录成功跳转首页改成跳转到个人中心页,方便查看登录状态

修改login.js里面的登录成功跳转代码,并保存用户的登录状态

 保存登录状态成功

 4.个人中心页的onShow函数

Page({
    data:{
        loginOk:false,
        name:''
    }, 
    //跳转登录页
    denglu(){
        wx.navigateTo({
          url: '/pages/login/login',
        })
    },
    //跳转注册页
    zhuce(){
        wx.navigateTo({
            url: '/pages/index/index',
          })
    },
    //让用户可见的
    onShow(){
        let user=wx.getStorageSync('user')
        //如果登录了,且用户名存在
        if(user&&user.user_name){
            this.setData({
                loginOk:true,
                name:user.user_name
            })
        }else{
            this.setData({
                loginOk:false
            })
        } 

    }
})

5.实现效果

 退出登录

 1.添加退出登录的按钮及其点击事件

 2.退出登录意味着清空存储数据

//退出登录
    exit(){
        //清空存储
        wx.setStorageSync('user', null)
        //刷新一下状态,也就是重新做一下校验
        let user=wx.getStorageSync('user')
        //如果登录了,且用户名存在
        if(user&&user.user_name){
            this.setData({
                loginOk:true,
                name:user.user_name
            })
        }else{
            this.setData({
                loginOk:false
            })
        } 
    }

3.登录成功的样子

 

 4.退出登录,数据清空,返回未登录状态的页面

 

微信小程序详细登录流程(图解+代码流程) 💂💅微信小程序的登录和web端的登录有一点是不同的,小程序需要和微信的服务通信验证。微信小程序详细教程 阅读详情

相关推荐

Android高效率编码-第三方SDK详解系列(二)——Bmob后端云开发,实现登录注册,更改资料,修改密码,邮箱验证,上传,下载

只要是程序员,不管是Java还是Android,如果不去阅读源码,只看API文档,那就只是停留于皮毛,这对我们知识体系的建立和完备以及实战技术的提升都是不利的。真正最能锻炼能力的便是直接去阅读源码,不仅限于阅读各大系统源码,还包括各种优秀的开源库。腾讯、字节跳动、阿里、百度等BAT大厂 2019-2021面试真题解析资料太多,全部展示会影响篇幅,暂时就先列举这些部分截图《Android学习笔记总结+移动架构视频+大厂面试真题+项目实战源码》,点击传送门即可获取!

2301_82242499的博客 529

微信小程序通过云开发模式实现注册和登录功能

首先需要进行云环境初始化 云环境初始化操作流程可查看前一篇文章 https://editor.csdn.net/md/?articleId=113482034 随后,要通过云开发模式实现注册或登录功能有两种方法 <form>表单绑定事件进行处理 几个<input>输入框和<button>按钮分别绑定事件进行处理 笔者用第一种方法实现了注册功能,第二种方法实现了注册和登录功能 <form>表单绑定事件进行处理 wxml部分 在wxml里添加一个&lt

weixin_42077074的博客 1万+

教培管家第15讲:学员首页搭建与身份识别

为了在整个应用中随时调用家长信息,我们需要在“全局设置”中创建变量。user(对象),用于存储从Parents表中查询到的家长记录(包含姓名、手机号、会员等级等)。

低代码布道师的博客 630

微信小程序开发之注册登录

微信小程序开发之注册登录

duke_ding2的博客 7533

云开发实战:零服务器搭建高校社团小程序ExCompusAss

云开发是一种基于BaaS(后端即服务)的无服务器架构模式,通过集成数据库、云函数、云存储与微信原生能力,实现免域名备案、免运维部署的技术闭环。其核心原理在于将传统后端逻辑下沉至平台托管环境,由权限规则、触发器和安全上下文统一管控数据访问与业务流程。技术价值体现在显著降低中小团队MVP验证门槛,尤其适合高校IT社、学生开发者等缺乏运维资源但需快速交付的场景。典型应用包括轻量协作工具、校园服务小程序、活动管理平台等。本文以真实落地项目ExCompusAss为例,深入解析云开发在微信小程序生态下的权限模型、文件处

weixin_31856057的博客 309

微信小程序校园失物招领系统开发实战:从云开发到上线避坑

从信息系统与移动应用开发的基础概念切入,阐述小程序作为轻量级解决方案的技术原理。微信小程序依托云开发能力,可降低后端搭建成本,适用于校园场景中的信息聚合与匹配。失物招领系统是典型的O2O信息发布与状态流转案例,涉及数据库设计、云函数、订阅消息等核心知识点。结合高频搜索需求,本文围绕微信小程序云开发、失物招领系统架构、数据库模型与状态机设计展开,详述从发布、搜索、认领到通知的完整闭环,并给出常见部署避坑指南,帮助开发者快速构建可上线运行的校园服务工具。

weixin_42465332的博客 178

用小程序·云开发轻松构建二手书商城小程序丨实战

“拱手让书,智慧相传。本文将带大家使用云开发快速开发完整的校园二手书商城“ 导语 很多大学有个普遍现象,毕业或者搬校区的时候,成堆成堆的书都被随便处理掉,作为过来人,每每想到都十分痛心可惜,而导致这种情况发生的原因,我认为主要还是归结学校原因,一方面没有提供靠谱便利的平台,另一方面,宣传不到位,基于此开发了这款小程序。下面挑了些开发过程中遇到的典型来讲解实现过程,感兴趣可以一览… 一:登录注册...

TCB_CloudBase的博客 1442

【自动驾驶规划】Lattice Planner

Lattice Planner简介 LatticePlanner算法属于一种局部轨迹规划器,输出轨迹将直接输入到控制器,由控制器完成对局部轨迹的跟踪控制。因此,Lattice Planner输出的轨迹是一条光滑无碰撞满足车辆运动学约束和速度约束的平稳安全的局部轨迹。Lattice Planner的输入端主要由三部分组成,感知及障碍物信息、参考线信息及定位信息。局部规划模块的输出是带有速度信息的一系列轨迹点组成的轨迹,其保证了车辆控制器在车辆跟踪控制过程中的平稳性和安全性。 局部规划模块的输出是带有速

uytguytgf的博客 6498

2024新版微信小程序登录注册功能的实现,授权登录,退出,缓存讲解,小程序个人中心的实现,修改头像 图片上传功能的实现 新版登陆注册,头像上传,修改昵称

新版小程序授权登录注册获取头像昵称文档。

编程小石头 4476

SystemC实战:用C++搞芯片建模的5个典型场景(含代码示例)

本文通过五个典型实战场景,详细介绍了如何使用SystemC这一基于C++的硬件建模库进行芯片设计与系统级建模。内容涵盖从基础并发模块构建、事务级总线建模、跨时钟域验证,到与ModelSim协同仿真及多核系统性能探索,并提供了完整的代码示例,帮助软件工程师利用熟悉的C++工具链高效参与硬件架构设计与验证。

weixin_29191761的博客 320

终端效率神器:Tmux 安装与使用全指南

终端效率神器:Tmux 安装与使用全指南

身在被窝_心在编程 1368

微信小程序小说云开发免费源码

本人毕设,这里开源给大家,写的一般,有能力的可以根据需求重构,反正项目拿出来,可劲造。 用到的技术栈 微信小程序、云开发、云数据库、vantweapp框架 关于微信小程序打开别人的项目,安装框架,配置云开发等等,自己百度 下面是 项目效果 分为游客模式和用户模式,自己去试试登录和没登录的区别,可以设置用户信息,主要是把云数据库给写好,效果图只有一部分,下面是 项目目录 images只有tabBar下面的icon图有用,其他两个文件夹的图片虽然我本地有,但是我都把图片传到云数据库了,本地的相当于

qq_43378240的博客 5162

VScode+MPLAB AI助手:Microchip MCU开发全流程实战解析

本文详细解析了如何使用VScode搭配MPLAB AI助手进行Microchip MCU开发的完整流程。从环境配置、工程创建到代码生成与调试,全面介绍了AI助手在提升开发效率、优化代码和故障排除方面的实际应用,为嵌入式开发者提供了一套高效的开发解决方案。

hh234的博客 1139

2025校园二手商城小程序,手把手带你开发一款仿闲鱼旧物跳蚤市场小程序,论坛帖子评论评价,登录注册,网页管理后台

从今天开始带领大家实现一款云开发版的校园二手商城小程序。

编程小石头 2730

开启虚拟人物互动新时代:探索相芯Avatar SDK驱动功能(Android)

相芯SDK提供了男孩和女孩Avatar驱动模型,这些模型具备半身驱动和全身驱动的功能,使得虚拟角色能够根据用户的面部表情和动作实时模仿和响应。半身驱动功能: 相芯SDK的男孩和女孩Avatar驱动模型具备上身驱动功能,即能够通过用户的面部表情和动作来驱动虚拟角色的上半身行为。这意味着用户的面部表情、头部转动和上半身姿态等动作可以直接映射到虚拟角色上,使得虚拟角色能够栩栩如生地模仿用户的动作。例如,用户微笑时,虚拟角色会展现出笑容;用户转动头部时,虚拟角色也会相应地转动头部。

Faceunity2023的博客 634

中台战略-第五章、中台建设方法论

文章目录第五章、中台建设方法论5.1 中台架构整体策略5.2 业务顶层设计5.3 业务中台设计方法论5.3.1 能力支撑是基础5.3.2 中心自治是承载形式5.3.3 3层模型是骨架5.3.4 5步法是指导思想1. 业务抽象2. 高阶设计3. 组件建模4. 开发交付5. 持续运营5.4 数据中台设计方法论5.4.1 总体规划5.4.2 数据集成5.4.3 模型建设5.4.4 通用研发5.4.5 资产管理5.4.6 数据服务5.5 应用向中台迁移的3中途径和方法5.5.1 方法1:新应用替换旧应用5.5.2

沧海之巅的专栏 1463

校园管理小程序 宿舍教室报修维修 图书借阅 校园新闻公告 校园论坛 表白墙 失物招领 饭卡充值 投票 登录注册 用户审核 包含管理员和用户端 云开发 数据库 维修小程序

校园管理小程序开发的学习

编程小石头 1461

CATIA二次开发一一一装配体与零件之间的坐标转换

输入参数:Product(产品实例对象)、iPointToTransfor(待转换坐标点CATMathPoint)核心逻辑:通过产品对象的绝对位置变换矩阵,计算逆向变换实现坐标系转换。输出参数:Point(转换后的局部坐标点CATMathPoint)

工业软件开发 1137

跳蚤市场小程序开发学习记录之注册与登录

注册页效果登录页效果。

qq_70857729的博客 1017

电子元器件选型与实战应用—01 电阻选型

大家好, 我是记得诚。这是《电子元器件选型与实战应用》专栏的第一篇文章,今天的主角是电阻,在每一个电子产品中,都少不了电阻的身影,其重要性不言而喻。

记得诚 3539

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

详细复习云开发~小程序【搜索功能、登陆注册功能、点赞收藏评论功能、评论功能、CMS网页版管理后台】

详细复习云开发~小程序【搜索功能、登陆注册功能、点赞收藏评论功能、评论功能、CMS网页版管理后台】

m0_52896752的博客 1297

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。

小程序的开发

微信小程序的开发微信小程序小程序代码的构成1、.json后缀的配置文件2、.wxml 后缀的 WXML 模板文件3、.wxss 后缀的 WXSS 样式文件4、.js 后缀的 JS 脚本逻辑文件 微信小程序 小程序是一种全新的连接用户与服务的方式,它可以在微信内被便捷地获取和传播,使用微信做载体,使用户无需下载便可使用各类的服务。 小程序代码的构成 1、.json 后缀的 JSON 配置文件 2、....

kaifangiou的博客 275

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")

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

最新版人脸识别小程序 图片识别 生成二维码签到 地图上选点进行位置签到 计算签到距离 课程会议活动打卡日常考勤 上课签到打卡考勤口令签到

人脸识别签到,位置签到,考勤打卡

编程小石头 6141

全网最详细的微信小程序开发教程

前几天学习了react这个开发框架,了解了JS语言的基本知识。想到最近3年小程序如火如荼的发展,进而决定入坑学习。 微信小程序简介 微信小程序是以微信为运行环境的一种应用,其实质是 Hybrid 技术的应用,Hybrid App 即混合模式移动应用,因此与 H5 类似,但又比 H5 拥有很多原生的能力,例如调用位置信息和摄像头等。小程序的开发方式与 H5 十分相似,用...

m0_37218227的博客 2万+

微信小程序入门指南之(一)

成功运行第一个微信小程序 微信小程序的官方文档 文档链接:微信官方文档·小程序 如何使用微信小程序的官方文档 模块列表:也属于目录模块,相当于我们课本的第几章。新手一般从指南章节开始看起。 目录列表:作为一个新新新手只能老老实实的跟着指南先走一遍,一般跟着指南的步骤走很快就可以很顺利的写出我们的第一个微信小程序,指南看不懂的话也可以去慕课网找找小程序入门指南的视频,大概不需要十分钟就可以敲出我...

qq_43773083的博客 327

微信小程序学习笔记(2)—— 小程序账号申请、安装开发工具以及运行第一个小程序

1 申请账号 进入小程序注册页 根据指引填写信息和提交相应的资料,就可以创建自己的小程序帐号。 注意: 需要使用电子邮箱作为登录帐号,而且这个邮箱与微信公众平台注册的邮箱必须不同。 登录 小程序后台 ,我们可以在菜单 “开发”-“开发设置” 中看到小程序的 AppID 了 。 小程序的 AppID 相当于小程序平台的一个身份证,后续我们会在很多地...

读万卷书,行万里路 632
上一篇: 小程序云开发入门——获取用户搜索内容
下一篇: 小程序云开发入门——问卷测评小程序实战(1)
TaylorZ9826
博客等级 码龄7年 0粉丝 24原创
评论 2
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