Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >jquery导航选中按钮颜色变化

jquery导航选中按钮颜色变化

作者头像
王小婷
发布于 2019-07-04 04:16:32
发布于 2019-07-04 04:16:32
4.3K00
代码可运行
举报
文章被收录于专栏:编程微刊编程微刊
运行总次数:0
代码可运行

今天写一个前端页面的小功能,选中某个按钮或者菜单的时候颜色发生变化,以便用户区分自己选中的选项,这也是一种前端日常工作之中优化项。 效果是这样的:

代码是这样的:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
    <link rel="stylesheet" href="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/css/bootstrap.min.css">  
    <script src="https://cdn.staticfile.org/jquery/2.1.1/jquery.min.js"></script>
    <script src="https://cdn.staticfile.org/twitter-bootstrap/3.3.7/js/bootstrap.min.js"></script>
    <style>              
        ul li{       
            line-height: 40px;          
            list-style: none;
            float: left;
            padding-left: 20px;
           
        }
        .click{
            width: 100px;
            height: 40px;
            display: block;
            text-align: center;
            background: #1CAF9A;
            color: #FFFFFF;         
        }
        .noneclick {
            width: 100px;
            height: 40px;
            display: block;
            text-align: center;
            color: #000000;
        }
    </style>
</head>
<body>
<ul id="menu">
    <li><span class="noneclick">报警配置</span></li>
    <li><span class="noneclick">地图配置</span></li>
    <li><span class="noneclick">服务器配置</span></li>
    <li><span class="noneclick">图标配置</span></li>                                                    
    <li><span class="noneclick">岗位配置</span></li>                                                
</ul>
<script>
    $('#menu li  span').click(function () {
        var f = this;
        $('#menu li  span').each(function () {
            this.className = this == f ? 'click' : 'noneclick'
        });
    });
</script>
</body>
</html>

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2019.07.03 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
势如破竹!169 篇论文带你看 BERT 在 NLP 中的 2019 年!
2019 年,可谓是 NLP 发展历程中具有里程碑意义的一年,而其背后的最大功臣当属 BERT !
AI科技评论
2020/02/21
6170
势如破竹!169 篇论文带你看 BERT 在 NLP 中的 2019 年!
BERT与Transformer模型
自然语言处理(NLP)作为人工智能(AI)的一个重要分支,致力于让计算机理解、生成和处理人类语言。近年来,随着深度学习技术的飞速发展,特别是Transformer架构的提出,NLP领域取得了显著进展。特别是BERT(Bidirectional Encoder Representations from Transformers)模型的出现,它彻底改变了NLP任务的处理方式,并在多个标准数据集上达到了前所未有的性能。
LucianaiB
2025/02/10
3480
NLPer复工了!先看看这份2019机器学习与NLP年度盘点吧
本文介绍了 2019 年中 机器学习和自然语言处理领域 10 个影响巨大的有趣研究方向。
机器之心
2020/02/24
3460
NLPer复工了!先看看这份2019机器学习与NLP年度盘点吧
MIT课程全面解读2019深度学习最前沿 | 附视频+PPT
人类公元纪年2019年伊始,深度学习技术也同样处在一个新的“开端”,宜review、宜展望。
量子位
2019/04/24
7230
MIT课程全面解读2019深度学习最前沿 | 附视频+PPT
受启于做梦,DeepMind 提出压缩 Transformer,并开源书本级数据集PG-19
论文链接:https://arxiv.org/pdf/1911.05507.pdf
AI科技评论
2020/02/21
9630
一文看尽2019全年AI技术突破
最近,Analytics Vidhya发布了2019年AI技术回顾报告,总结了过去一年中,AI在不同技术领域取得的进展,并展望了2020年的新趋势。
OpenCV学堂
2020/02/21
6380
「自然语言处理NLP」的“高光时刻” --- 28篇标志性论文
自然语言处理专家elvis在medium博客上发表了关于NLP在2019年的亮点总结。对于自然语言处理(NLP)领域而言,2019年是令人印象深刻的一年。在这篇博客文章中,我想重点介绍一些我在2019年遇到的与机器学习和NLP相关的最重要的故事。我将主要关注NLP,但我还将重点介绍一些与AI相关的有趣故事。标题没有特别的顺序。故事可能包括论文,工程工作,年度报告,教育资源的发布等。
深度学习技术前沿公众号博主
2020/05/18
6570
「自然语言处理NLP」的“高光时刻” --- 28篇标志性论文
NLP任务非Transformer不可?谷歌大规模研究发现预训练卷积模型往往更优
选自arXiv 机器之心编译 编辑:Panda 在当前 NLP 领域,基于 Transformer 的模型可谓炙手可热,其采用的大规模预训练方法已经为多项自然语言任务的基准带来了实质性的提升,也已经在机器翻译等领域得到了实际应用。但之前却很少有研究者思考:预训练是否也能提升卷积在 NLP 任务上的效果?近日, 资源雄厚的 Google Research 的一项大规模实证研究填补了这一空白。结果发现,在许多 NLP 任务上,预训练卷积模型并不比预训练 Transformer 模型更差。本文将重点关注该研究的
机器之心
2023/03/29
2400
NLP任务非Transformer不可?谷歌大规模研究发现预训练卷积模型往往更优
CNN+Transformer=SOTA!CNN丢掉的全局信息,Transformer来补
在计算机视觉技术发展中,最重要的模型当属卷积神经网络(CNN),它是其他复杂模型的基础。
新智元
2021/04/14
1.3K0
Transformer 架构—Encoder-Decoder
最初的Transformer是基于广泛应用在机器翻译领域的Encoder-Decoder架构:
JOYCE_Leo16
2024/03/19
1.1K0
Transformer 架构—Encoder-Decoder
ACL 2019年度回顾:自然语言处理发展趋势
今年7月底,计算语言学协会年会(ACL)在风景优美的佛罗伦萨召开。会场设在了一座古老的Medici家族的城堡中。
大数据文摘
2019/08/20
6940
ACL 2019年度回顾:自然语言处理发展趋势
不只有BERT!盘点2018年NLP令人激动的10大想法
最近,爱尔兰的NLP研究科学家Sebastian Ruder写一篇文章,基于12篇经典论文盘点了2018年NLP领域令人激动的十大想法。
量子位
2018/12/28
7010
2020年这10大ML、NLP研究最具影响力:为什么?接下来如何发展?
2020 年因为新冠疫情,很多人不得不在家工作和学习,大量人工智能学术会议也转为线上。不过在去年我们仍然看到了很多 AI 技术领域的进展。DeepMind 研究科学家 Sebastian Ruder 近日帮我们对去年的机器学习社区进行了一番总结。
机器之心
2021/01/27
5230
2020年这10大ML、NLP研究最具影响力:为什么?接下来如何发展?
在深度学习顶会ICLR 2020上,Transformer模型有什么新进展?
ICLR是机器学习社群最喜爱的会议平台之一。如今,机器学习领域的会议已成为预印本里论文质量的标志和焦点。但即使这样,论文的发表数量还是越来越庞大,这使得紧跟最新进展变得困难。
大数据文摘
2020/05/19
7100
在深度学习顶会ICLR 2020上,Transformer模型有什么新进展?
从 ACL 2019 看 NLP 未来发展趋势
随着自然语言处理领域的顶级盛会 ACL 2019 落幕,亚马逊 Alexa AI 的机器学习科学家 Mihail Eric 对本次会议进行了一次比较全面的回顾。从奇闻轶事到学术前沿,本文一网打尽,自然语言处理领域的小伙伴们不要错过!
AI科技评论
2019/08/19
8100
从 ACL 2019 看 NLP 未来发展趋势
2019,不可错过的NLP“高光时刻”
谷歌AI 提出了 ALBERT 模型,这是 BERT 模型的简化版本,用于语境化语言表示的自监督学习。相较于 BERT,其在模型更加精练的同时更有效地分配了模型的容量。该模型在12个 NLP任务中都达到了最优效果。
AI科技大本营
2020/02/12
5680
2019,不可错过的NLP“高光时刻”
Transformer架构的演进:从BERT到GPT-5的技术突破
Transformer架构自2017年被提出以来,已成为自然语言处理(NLP)领域的核心架构。从BERT到GPT-5,这一架构经历了不断的优化和创新,推动了AI技术的快速发展。本文将深入探讨Transformer架构的演进历程,分析从BERT到GPT-5的技术突破,并提供详细的代码示例。
江南清风起
2025/03/28
2810
自然语言处理五年技术革新,快速梳理 NLP 发展脉络
机器之心发布 机器之心编辑部 机器之心《2020-2021 全球 AI 技术趋势发展报告》节选:顶会趋势(NeurIPS)分析。 2021 年伊始,机器之心发布《2020-2021 全球 AI 技术趋势发展报告》,基于顶会、论文及专利等公共数据、机器之心专业领域数据仓库,通过数据挖掘定位七大趋势性 AI 技术领域。 此外,该报告还邀请了近 100 位专家学者通过问卷调查,形成对这七大技术领域近年发展情况、成熟度与未来趋势的综合总结,并基于 2015-2020 年间的开源论文与专利语料,结合机器之心自有的新闻
机器之心
2023/03/29
1.2K0
自然语言处理五年技术革新,快速梳理 NLP 发展脉络
谷歌研究院出品:高效 Transformer 模型最新综述
近年来,基于自注意力机制的 Transformer 模型在自然语言处理、计算机视觉、强化学习等领域的学术研究中取得了巨大进展。例如,在自然语言处理领域,Transformer 已经成为了现代深度学习技术体系中不可或缺的重要组件。
AI科技评论
2021/01/08
1.9K0
谷歌研究院出品:高效 Transformer 模型最新综述
原创 | 从ULMFiT、Transformer、BERT等经典模型看NLP 发展趋势
自然语言处理(Natural Language Process,简称NLP)是计算机科学、信息工程以及人工智能的子领域,专注于人机语言交互,探讨如何处理和运用自然语言。自然语言处理的研究,最早可以说开始于图灵测试,经历了以规则为基础的研究方法,流行于现在基于统计学的模型和方法,从早期的传统机器学习方法,基于高维稀疏特征的训练方式,到现在主流的深度学习方法,使用基于神经网络的低维稠密向量特征训练模型。
数据派THU
2020/11/03
1.1K0
原创 | 从ULMFiT、Transformer、BERT等经典模型看NLP 发展趋势
推荐阅读
相关推荐
势如破竹!169 篇论文带你看 BERT 在 NLP 中的 2019 年!
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验