重生day01

一、config初始化参数的获取、HttpServletRequest接口的常用方法(爸爸是ServletRequest)、HttpServletResponse(爸爸是ServletResponse)接口的常用方法

中文的请求中设置只是针对post,如果get那就需要修改server.xml中71行开始插入 URIEncoding="UTF-8"   但是在开发中一般都是post提交


<?xml version="1.0" encoding="UTF-8"?>


<web-app xmlns="http://java.sun.com/xml/ns/javaee"
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://java.sun.com/xml/ns/javaee
                      http://java.sun.com/xml/ns/javaee/web-app_3_0.xsd"
  version="3.0"
  metadata-complete="false">
<servlet>
	<servlet-name>HttpServletRequestTest</servlet-name>
	<servlet-class>day01.HttpServletRequestTest</servlet-class>
	<init-param>
	  <param-name>encoding</param-name>
	  <param-value>GBK</param-value>
	</init-param>
</servlet>
<servlet-mapping>
	<servlet-name>HttpServletRequestTest</servlet-name>
	<url-pattern>/test</url-pattern>
</servlet-mapping>


</web-app>
package day01;

import java.io.IOException;
import java.io.PrintWriter;
import java.util.Arrays;
import java.util.Enumeration;
import java.util.Map;
import java.util.Set;

import javax.servlet.ServletConfig;
import javax.servlet.ServletException;
import javax.servlet.ServletOutputStream;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

public class HttpServletRequestTest extends HttpServlet{

	/**
	 * 
	 */
	private static final long serialVersionUID = 1L;
	
	@Override
	public void init(ServletConfig config) throws ServletException {
		//获取初始化参数
		String encoding = config.getInitParameter("encoding");
		System.out.println(encoding);
		//这里还有个方法可以获得所有names
		Enumeration<String> initParameterNames = config.getInitParameterNames();
	}

	@Override
	protected void service(HttpServletRequest requ, HttpServletResponse resp)
			throws ServletException, IOException {
		//设置中文编码
		requ.setCharacterEncoding("utf-8");
		resp.setContentType("text/html;charset=utf-8");
//		System.out.println(requ.getMethod());
		//  01/test
//		System.out.println(requ.getRequestURI());
		//  http://localhost:8080/01/test
//		System.out.println(requ.getRequestURL());
		// / 01
//		System.out.println(requ.getContextPath());
		// 0:0:0:0:0:0:0:1
//		System.out.println(requ.getRemoteAddr());
		
		// 获取html里所有的头信息名称
//		Enumeration<String> headerNames = requ.getHeaderNames();
//		while(headerNames.hasMoreElements()){
//			System.out.println(headerNames.nextElement());
//		}
//		System.out.println(requ.getHeader("cookie"));
		String username = requ.getParameter("username");
		String password = requ.getParameter("password");
		System.out.println(username+"---"+password);
		String[] hobby = requ.getParameterValues("hobby");
		System.out.println(Arrays.toString(hobby));
		
		//Map<String,String[]> getParameterMap():返回所有的参数和值所组成的Map对象。
		Map<String, String[]> parameters = requ.getParameterMap();
        Set<String> paramNames = parameters.keySet();
        for (String param : paramNames) {
            String[] value = parameters.get(param);
            System.out.println(param + ":" + Arrays.asList(value));
        }
        //字符流输出
		//PrintWriter writer = resp.getWriter();
		//writer.println("你好");
        
		//字节流输出,两个输出流不能同时存在。下载的时候使用
		ServletOutputStream out = resp.getOutputStream();
		out.write("你好response".getBytes());
	}
	

}


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