登录后,跳转到之前的url

1.拦截器

@Override
	public boolean preHandle(HttpServletRequest request,
			HttpServletResponse response, Object handler) throws Exception {
		String url = request.getRequestURL().toString();
		if(url.endsWith("/")){
			return true;
		}
		User user =(User) request.getSession().getAttribute(Constants.SESSION_USER_KEY);
		if(user!=null){
			return true;
		}else{
//			String path = request.getContextPath();
//			String basePath = request.getScheme()+"://"+request.getServerName()+":"+request.getServerPort()+path;
			
			response.sendRedirect(getBasePath(request)+"/web/login?from="+this.getRedirectUrl(request));
			return false;
		}
	}
	

	private String getRedirectUrl(HttpServletRequest request) {
		StringBuilder url = new StringBuilder(request.getRequestURL().toString());
		
		Map<String, String[]> paraMap = request.getParameterMap();
		
		int i=0;
		for(Map.Entry<String, String[]> kv : paraMap.entrySet()){
			
			for(String val : kv.getValue()){
				if((i++)==0){
					url.append("?");
				}else {
					url.append("&");
				}
				url.append(kv.getKey());
				url.append("=");
				if(val==null || val.matches(ALPHANUM_REGEX)) {
					url.append(val);
				}else {
					url.append(CharCode.toUTF8(val));
				}
			}
		}
		
		
		return CharCode.encodeTwice(url.toString());
		
	}
	
	/**
	  * encode twice
	  * @param value
	  * @author kq
	  * @return
	  */
	 public static String encodeTwice(String value) {
		 
		 if(StringUtils.isNotBlank(value)) {
			try {
				return URLEncoder.encode(URLEncoder.encode(value.toString(), CharCode.UTF8),CharCode.UTF8);
			} catch (UnsupportedEncodingException e) {
				e.printStackTrace();
				return value.toString();
			}
		 }
		 
		 return value;
	 }
	 
	 /**
	  * decode
	  * @param param
	  * @return
	  */
	 public static String decodeOne(String param) {
		if(StringUtils.isNotBlank(param)) {
			try {
				param = URLDecoder.decode(param, CharCode.UTF8);
			} catch (UnsupportedEncodingException e) {
			}
		}
		
		return param;
	 }



2. client

function login(){
	//alert(window.location.href);
	var from = window.location.href;
	window.location.href = "../web/login?from="+encodeURIComponent(encodeURIComponent(from));
}

function logout(){
	var from = window.location.href;
	window.location.href = "../member/loginOut?from="+encodeURIComponent(encodeURIComponent(from));
}


3.login
@RequestMapping("/web/login")
public ModelAndView showLogin(String from) {
	
	ModelAndView mv = new ModelAndView("/web/login");
	
	mv.addObject("from", CharCode.decodeOne(from));
	
	return mv;
}
	
4. logout

@RequestMapping("/member/loginOut")
public String loginOut(String from,HttpSession session){
	session.invalidate();
	from = CharCode.decodeOne(from);
	from = CharCode.encodeTwice(from);
	String redirectUrl = "redirect:/web/login?from="+from;
	return redirectUrl;
}



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