项目日记_springMVC 学习杂记 2

1.分页的总体思想就是用一个page的工具类,在你的domin里面假如beginNum和endNum和一个存页面内容的list,然后把这几个传回页面域使用,并且查询的时候把beginNum和endNum带上,然后对上下页和跳页就是把当前页的num属性带过去当做条件


2.$(function(){ } )就是文档载入完毕执行的意思,和早期的$(document).ready(function(){ ...... })效果一样


3.form作为html中的元素可以用jquery获取到,之后用attr拼属性,比如,URL(可以带参数)

form结束之后是可以添加返回事件的.$("#formID").submit(funtion(){ })

是不对的,这里是调取了onsubmit函数,是form表单提交之前的function,可以返回true或者false用来做表单验证很好

form表单要回调的话,可以用ajax提交请求!!

jQuery.ajax(url,[settings])

注意,所有的选项都可以通过$.ajaxSetup()函数来全局设置。

回调函数

如果要处理$.ajax()得到的数据,则需要使用回调函数。beforeSend、error、dataFilter、success、complete。

通过dataType选项还可以指定其他不同数据处理方式。除了单纯的XML,还可以指定 html、json、jsonp、script或者text。

'''注意''',我们必须确保网页服务器报告的MIME类型与我们选择的dataType所匹配。比如说,XML的话,服务器端就必须声明 text/xml 或者 application/xml 来获得一致的结果。
Ajax请求是限时的,所以错误警告被捕获并处理后,可以用来提升用户体验。请求超时这个参数通常就保留其默认值,要不就通过jQuery.ajaxSetup来全局设定,很少为特定的请求重新设置timeout选项。

参见jqueryAPI


4.jquery的标准写法。

(function($){ $(document).ready(function(){ ......... })(jQuery);
防止命名冲突。function($)里面的$相当于别名,起任何名字都可以,用的时候就相当于页面的jquery对象


5.用jquery的ajax函数中,ajaxSubmit()方法,引入,jquery.form文件。不一定是提交form,可以是任何一个事件,里面绑定任何一个按钮或者链接,用success(date){对date的处理},json传值方式


6.如果父页面或者主页面或者是多frame关联中,ID相同会报JS错


7.jquery通用日历----事件控件,效果可以看12306上的日历控件,返回的是yyyy-mm-dd格式的字符串


8.controller定义为私有类型,会访问不到


9.blob对象不能作为分组条件,单句查询,不允许出现函数和普通列并存的情况,除非用group by,而用了group by,被选取字段要么出现在函数中,要么作为分组字段


10.<a>连接中的样式没有disable和display,所以需要做可用控制的时候,可以考虑用jquery直接改变该链接的ID,随便改一个

真TM的扯淡,当时也不知道听哪个熊孩子说的,哎,老衲年轻气盛,轻信谣言啊,,以后自己要试验了再写,要负责啊~~~~


11.因为样式差不多,拷贝了一个页面,直接修改,发现后台request传过来的list前台拿值怎么也拿不到,最后发现,<c:foreach><taglib>的c前缀标签没有引入


12.list可以在JS中直接转为数组,然后直接用[I].属性名


13.属性中有blob或者Date类型,转json会转型失败


14.图片上传下载,上传用form,servlet3.0新特性的multi....什么,就那个分布上传的。后台转成字节流存库,下载的时时候也是转为字节流,直接在页面用file中src属性直接拼,跳转的方法和参数,直接返回流


15.springMVC里面很多报bean的错,先检查一下sql文件中是不是用未定义的


看json和js内置对象




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