Java EE开发环境搭建

2013年4月才开始搭建J2EE环境,所以用的工具都是最新的。
Java环境:java_ee_sdk-6u4-jdk7-windows.exe
开发工具:eclipse-jee-juno-SR2-win32.zip
服务器:apache-tomcat-7.0.39-windows-x86.zip

Java环境配置:

官网上下载最新的Java EE sdk版本:http://www.oracle.com/technetwork/java/javaee/index.html

下载最新版本:java_ee_sdk-6u4-jdk7-windows.exe,

SDK里包含了Glassfish 服务器,不过我们熟悉了Tomcat,故用Tomcat代替Glassfish;

安装完过后需要配置环境变量:

我的电脑-->属性-->高级-->环境变量-->系统变量 

添加属性:JAVA_HOME=C:\Program Files\Java\glassfish3\jdk7

Path属性里添加Java环境:%JAVA_HOME%\bin    (尽量将Java环境放在最前面)

添加属性:CLASS_PATH=.;%JAVA_HOME%\lib 或.;%JAVA_HOME%\jre\lib

然后打开cmd,输入java,  javac, java -version等命令,检测java环境是否配置好。


Tomcat服务器配置:
官网上下载最新版本: http://tomcat.apache.org/download-70.cgi

从6开始就不需要配置环境变量,直接在apache-tomcat-7.0.39\bin里启动即可startup.bat;

文本打开startup.bat,可以看见如果没有配置CATALINA_HOME的话,批处理命令会设置CATALINA_HOME:
set "CURRENT_DIR=%cd%"
if not "%CATALINA_HOME%" == "" goto gotHome
set "CATALINA_HOME=%CURRENT_DIR%"
if exist "%CATALINA_HOME%\bin\catalina.bat" goto okHome
cd ..
set "CATALINA_HOME=%cd%"
cd "%CURRENT_DIR%"



如果要使用Eclipse运行Tomcat,则需像配置Java环境一样:

我的电脑-->属性-->高级-->环境变量-->系统变量 

里添加一个属性:CATALINA_HOME,如:

CATALINA_HOME=“E:\project\j2ee\tools\apache-tomcat-7.0.39”

启动tomcat后,打开浏览器输入:http://localhost:8080,若显示Tomcat页面即表示服务器启动成功;


Eclipse开发环境配置:

官网上下载最新基于JavaEE的Eclipse版本:http://www.eclipse.org/downloads

最新版本:eclipse-jee-juno-SR2-win32.zip

解压直接用即可。

里建议大家多创建一些workspace,可以根据实际的需要将不同的project创建在不同的workspace中,以免日后workspace中的project越来越多,影响eclipse的启动速度(当然,对于近期不使用的project建议将其关闭--右键单击项目名称选择"Close Project",如果需要开启项目,则右键单击关闭的项目名称选择"Open Project"即可。)。

1、Eclipse修改JDK:“Window”--"Preferences"--"Java"--"Installed JREs"--“Add”--"Standard VM"-- 选择jdk安装目录。

2、Eclipse配置Tomcat: 

1)“Window”--"Preferences"--"Server"--"Runtime Enviroments"--"Add"--"Apache"--"Apache Tomcat v7.0",选择Tomcat安装目录,及JRE目录(默认Workbench default   JRE 即可)

2)“Window”--"Show View"--"Servers",eclipse底部会有一个Servers窗口,选择“new server wizard”---"Apache"--"Apache Tomcat v7.0"--修改Server name等然后"Finish"即可,再双击新创建的Server显示配置界面,选择Server Locations为第二个:use Tomcat Installation,然后保存即可。


3)右键点击“Tomcat Server” --"Start", 再点击工具栏上的 按钮打开Web Browser,输入http://localhost:8080/  检测Eclipse上的Tomcat是否OK。

4、创建一个简单的Web工程:"File"--"new"--"Dynamic Web Project"

具体见http://code.google.com/p/simplejee/wiki/dynamic_web_project, 写得很好。











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