hibernate学习之路——hello word

 hibernate是所谓的三大框架之一。现在流行的数据库都是关系型的数据库。而hibernate则是属于面向对象的持久层框架。使用hibernate程序员可以用面向对象的思维去对数据库 进行操作。
	首先可以从官网下载hibernate的文件或者用myeclipse安装hibernatetools插件。具体安装插件的。我的hibernate将会使用myeclipse进行学习。(通过学习过struts2的小经验,建议可以看一下hibernate文件的API,在documentation\manual\en-US\html_single中,按照里面的配置文件格式,一般不会错)
	第一步:在myeclipse创建一个web项目。导入hibernate的类库(lib\request下的所有包)和mysql数据库的驱动文件。
	第二步:在src创建一个包,名字自拟。为了简单。我创建了hibernate.hello。
	第三步:创建一个Person类。有id,name,say三个属性。构造方法以及setter,getter方法。
```
private Integer id;
private String name;
private String say
```
第四步:配置文件默认为hibernate.cfg.xml。(在对数据库URL使用&characterEncoding=utf-8时需要对&进行转码即&characterEncoding=utf-8)

```
<?xml version='1.0' encoding='utf-8'?>
<!DOCTYPE hibernate-configuration PUBLIC
        "-//Hibernate/Hibernate Configuration DTD 3.0//EN"
        "http://www.hibernate.org/dtd/hibernate-configuration-3.0.dtd">

<hibernate-configuration>

    <session-factory>

        <!-- 指定连接数据库所用的驱动 -->
        <property name="connection.driver_class">com.mysql.jdbc.Driver</property>
        <!-- 指定连接数据库的url,hibernate连接的数据库名. -->
        <property name="connection.url">jdbc:mysql://localhost:3306/hibernate?useUnicode=true&amp;characterEncoding=utf-8
</property>
        <!-- 指定连接数据库的用户名 -->
        <property name="connection.username">root</property>
        <!-- 指定连接数据库的密码 -->
        <property name="connection.password"></property>
        <!-- 指定数据库方言 -->
        <property name="dialect">org.hibernate.dialect.HSQLDialect</property>
        <!-- 根据需要自动创建数据库 -->
	    <property name="hbm2ddl.auto">update</property>
		<!-- 显示Hibernate持久化操作所生成的SQL -->
		<property name="show_sql">true</property>
		<!-- 将SQL脚本进行格式化后再输出 -->
		<property name="hibernate.format_sql">true</property>
		<!-- 罗列所有的映射文件 -->
		<mapping resource="hibernate/hello/Person.hbm.xml"/>
    </session-factory>
```
第五部:为Person类创建映射文件:在Person类同目录下创建一个Person.hbm.xml

```
<?xml version="1.0" encoding="utf-8"?>
<!DOCTYPE hibernate-mapping PUBLIC 
	"-//Hibernate/Hibernate Mapping DTD 3.0//EN"
	"http://www.hibernate.org/dtd/hibernate-mapping-3.0.dtd">
<hibernate-mapping package="hibernate.hello">
	<class name="Person" table="person_inf">
		<!-- 映射标识属性 -->
		<id name="id" column="person_id">
			<!-- 指定主键生成器策略 -->
			<generator class="identity"/>
		</id>
		<!-- 映射普通属性 type为类型-->
		<property name="name" type="string"/>
		<property name="say" type="string"/>
	</class>
</hibernate-mapping>
```

第六步:创建一个Text类。

```
public class Text{
	public static viod main(String[] args){
		//实例化Configuration,//下面方法默认加载hibernate.cfg.xml文件
		Configuration conf = new Configuration().configure();
		//以Configuration创建SessionFactory
		SessionFactory sf = conf.buildSessionFactory(
			    new StandardServiceRegistryBuilder().build() )
		//创建Session
		Session session = sf.getCurrentSession()();
		//开始事务
		Transaction tx = sess.beginTransaction();
		//创建Person实例
		Person person = new Person();
		//设置消息标题和消息内容
		person.setName("hibernate");
		person.setSay("hello world");
		//保存消息
		session.save(person);
		//提交事务
		System.out.println(person.getSay());
		tx.commit();
		//关闭Session
		session.close();
		sf.close();
	}
}
```
运行Text。这样一个hibernate的小程序就完成啦!
本人刚学习不久。采用李刚老师的《轻量级javaEE企业应用实战》进行学习。所写的内容可能会有错误,请指示出来,谢谢。

 

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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