首页 > 其他分享 >学习Markdown

学习Markdown

时间:2024-03-13 12:33:17浏览次数:31  
标签:Markdown 斜体 星号 前后 学习 超链接 小括号

本地软件typora

字体

粗体 前后两个星号

斜体 前后一个星号

斜体加粗 前后三个星号

删除线 前后两个波浪号

引用

引用 一个大写符号就可以了

分割线


三个-

图片

而是

感叹号 中括号写名字 小括号写路径

超链接

超链接 中括号加小括号

列表

  1. 数字+. 空格 有序列表
  • 减号空格 无序列表

表格

右键插入

代码

波浪键三个点


标签:Markdown,斜体,星号,前后,学习,超链接,小括号
From: https://www.cnblogs.com/Hoileisa/p/18070359

相关文章

  • Java学习笔记——第十四天
    常见算法什么是算法算法是解决某个实际问题的过程和方法。排序算法冒泡排序每次都从数组中找出最大值放到数组的后面去。伪代码(升序排序):输入:未排序的数组arr,数组长度length输出:无输出,数组arr原地实现排序1for(i=0;i<length-1;i++)2for(j=0;j<lengt......
  • Vue学习笔记--浏览器存储(local Storage + session Storage)
    浏览器存储:意思就是本地缓存信息localStorage示例一:<!DOCTYPEhtml><htmllang="en"><head><metacharset="UTF-8"><metaname="viewport"content="width=device-width,initial-scale=1.0"><ti......
  • 机器学习知识点
    目录机器学习的概念:样本:特征:标签:回归和分类任务:泛化能力:假设空间:输出空间:有监督学习:无监督学习:半监督学习:奥卡姆剃刀:四个损失函数:正确率:误差:过拟合:过拟合的处理:欠拟合欠拟合的处理方式:没有免费的午餐定理(NFL定理):误差训练误差:测试误差:验证误差:泛化误差......
  • Python学习笔记-Flask实现简单的投票程序
    1.导入flask包 fromflaskimportFlask,jsonify,abort,make_response,request,render_template2.初始化Flask应用:app=Flask(__name__)3. 定义投票种类data=[{'id':0,'name':'劳动节','num':0},{'id':1,'name&#......
  • JavaScript学习--splice()函数入门与精通
    一、splice入门splice方法:通过删除(两个参数)或替换现有元素(三个参数)或者原地添加新的元素(三个参数)来修改数组,并以数组形式返回被修改的内容。此方法会改变原数组。参数:index——必需。整数,规定添加/删除项目的位置,使用负数可从数组结尾处规定位置(从1开始)。howmany——必需......
  • 嵌入式学习路线-自用
    本文将嵌入式学习路线分为几个方面:嵌入式基础必备知识51单片机STM32单片机小而美的RTOSARM+LINUX在这个快节奏的时代,能静下心,耐住性子看看文章,实属不易。 2、嵌入式基础必备知识 # 老子曰:“合抱之木,生于毫末:九层之台,起于垒土;千里之行,始于足下”,根基的重要性不言......
  • 通讯录管理系统学习记录
    黑马C++通讯录管理系统案例学习记录,并添加课堂上讲的部分功能。1.系统需求系统中需要实现的功能如下:添加联系人:向通讯录中添加新人,信息包括(姓名、性别、年龄、联系电话、家庭住址)最多记录1000人显示联系人:显示通讯录中所有联系人信息删除联系人:按照姓名进行删除指定联系......
  • CAP原理--一起学习吧之架构
    CAP定理为我们理解和设计分布式系统提供了重要的指导原则,它提醒我们在不同的场景下需要根据实际需求来权衡和选择一致性、可用性和分区容错性之间的平衡。二一、定义CAP定理,又被称为CAP原则,是指在一个分布式系统中,一致性(Consistency)、可用性(Availability)和分区容错性(Partitio......
  • 分布式与集群--一起学习吧之架构
    分布式和集群都是为了提高系统的性能和可靠性而采用的技术手段。它们在实际应用中各有优势,可以互相结合使用,以实现更好的系统性能和健壮性。一、区别组织结构:分布式:将一个复杂的业务系统拆分成多个子业务系统,每个子业务系统部署在不同的服务器上。这意味着,不同的子业务运行......
  • 深度学习 有哪些 让人惊艳的、天才般的创新点
    神经网络自适应学习率:通过引入二阶优化方法,神经网络可以根据不同参数的重要性来调整学习率,从而在训练过程中能够更快地收敛到最优解。双向循环神经网络(BiRNN):结合正向和反向循环的信息传递,可以更好地捕捉时间序列数据中的双向依赖关系,提高模型的准确性和泛化能力。自注意力......