Java 学习笔记05:Spring 基于注解(Annotation)的IOC

  • @Resource 使用,修饰setter方法,将目标对象注入到依赖的Bean。说白了,就是你在一个User类中 比如要调用 Vip类,你用了注解,就不需要每次实例化来调用这个Vip类然后再User类中使用,只要标志上注解,Spring框架会自动调用。
  1. 入口文件,仍然是通过bean.xml文件,调用一个User类,并执行userInfo方法:
    package com.spring.main;
    
    import org.springframework.context.ApplicationContext;
    import org.springframework.context.support.ClassPathXmlApplicationContext;
    
    import com.spring.user.User;
    
    public class Index {
    	
    	public static void main(String args[]) {
    		ApplicationContext Factory = null;
    		Factory = new ClassPathXmlApplicationContext("bean.xml");
    		User User = (User)Factory.getBean("User");
    		User.setUsername("zhuli");
    		User.setAge(100);
    		User.setPhone(138581025);
    		User.userInfo();
    	}
    }
    

  2. User类和Vip类,User类中定义了一个private私有的vip对象,通过@Resource注解的方式,直接将Vip实例化对象赋给User类中的vip对象:
    //User 类
    package com.spring.user;
    import javax.annotation.Resource;
    
    
    public class User {
    	
    	private String username;
    	
    	private int age;
    	
    	private int phone;
    	
    	private Vip vip;
    	
    	@Resource
    	public void setVip(Vip vip) {
    		this.vip = vip;
    	}
    
    	
    	public void setUsername(String username) {
    		this.username = username;
    	}
    	
    	public String getUsername() {
    		return username;
    	}
    	
    	public void setAge(int age) {
    		this.age = age;
    	}
    	
    	public int getAge() {
    		return age;
    	}
    	
    	public void setPhone(int phone) {
    		this.phone = phone;
    	}
    	
    	public int getPhone() {
    		return phone;
    	}
    	
    	
    	public void userInfo() {
    		System.out.print("用户姓名:" + this.username + "\r\n"
    	+ "用户年龄" + this.age + "\r\n" + "用户电话:" + this.phone);
    		this.vip.say();
    	}
    	
    	public void init() {
    		System.out.printf("init a class");
    	}
    	
    	public void destroy() {
    		System.out.print("destory a class");
    	}
    	
    }
    
    
    //Vip类
    package com.spring.user;
    
    public class Vip {
    	public void say() {
    		System.out.print("I am Vip");
    	}
    }
    
    


  3. bean配置文件,beans的头部必须添加
     xmlns:context="http://www.springframework.org/schema/context"
    http://www.springframework.org/schema/context
    http://www.springframework.org/schema/context/spring-context-2.5.xsd
    <context:annotation-config/>

    如果bean上面没有这些参数,注解@Resource将无法执行。
    <?xml version="1.0" encoding="UTF-8"?>
    <beans  
        xmlns="http://www.springframework.org/schema/beans"  
        xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
        xmlns:context="http://www.springframework.org/schema/context"
        xsi:schemaLocation="http://www.springframework.org/schema/beans 
    http://www.springframework.org/schema/beans/spring-beans-2.0.xsd
    http://www.springframework.org/schema/context
    http://www.springframework.org/schema/context/spring-context-2.5.xsd">
          <context:annotation-config/>
        <bean id="User" class="com.spring.user.User" ></bean>
        <bean name="vip" id="vip" class="com.spring.user.Vip" ></bean> 
    </beans>

  • @Autowired 自动装载使用,基本和上面的差不多,Autowired会使用比较多,xml配置如上例。

	//直接在变量对象上面使用即可
        @Autowired
	private Vip vip;

  • @PostConstruct和@PreDestroy,相当于<bean>元素中的init-method和destroy-method。相当于类初始化和类销毁前会执行的方法。

	@PostConstruct
	public void init() { //初始化的时候运行
		System.out.printf("init a class");
	}
	@PreDestroy
	public void destroy() { //类销毁的时候运行
		System.out.print("destory a class");
	}

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