开发日志 2015-03-31

今天主要攻克用户登录授权的相关问题,统一身份认证的接入的问题打算过段时间再做,现行完成业务逻辑方面。

  1. 防CSRF攻击:通过
    <input type="hidden" value="{{ csrf_token() }}" />
    
    在blade中打印token。在App/Kernel.php中可见CSRF检查已经加入每次request process中,而非laravel4时需要‘before’=>'csrf'(当然,现在没有filter,而是middleware)。经过查看Illuminate\Foundation\Http\Middleware\VerifyCsrfToken得知除了HEAD、GET、OPTIONS三种request外其他都要进行csrf token检查。
  2. 表单验证:
    use Validator;
    ...
    $validator = Validator::make(
        Input::all(),
        array(
        'username' => 'required',
        'password' => 'required|min:8'
        )
    );
    if ($validator->fails()) {
        return $validator->messages();
    }
    
    通过$validator->message()['name']获得对应name字段的错误信息,->has('name')返回是否有错误的Boolean值,->first('name')返回第一条错误信息,->all(‘name’)返回错误信息数组。错误信息模版在resources/lang/.../validation.php中定义,:attribute字段名替换项可在attributes中设置。例如:
    ...
    "required"  => ":attribute是必需的。"
    ...
    'attributes' => [
        ...
        'username' => '用户名'
        ...
    ]
    //用户名是必需的。
  3. Authentication用户认证:laravel的auth模块简直就是个神作,封装了基本的用户登录与注销方法,并且十分简洁,一条语句即可实现从检验、存入session到后续check。
    use Auth;
    Auth::attempt(['name'=>value, 'password'=>$password], Boolean $remember, Boolean $login);//password会自行Hash加密后对比
    Auth::viaRemember();//检查是否可通过remember进行登录
    Auth::loginUsingId(1);//通过id登录
    Auth::validate($credentials);//仅检查不登录
    Auth::once($credentials);//仅在当前request中进行登录,不留下cookie或session
    $user=User::find(1);
    Auth::login($user);//手动登录
    Auth::check();//检查是否登录
    Auth::user()->name;//获取已登录用户的信息
    Auth::logout();//登出

  4. 在路由中设置某条为home,即可在其余controller中使用home方法跳转到该页面
    Route::get('/', ['as'=>'home', 'uses'=>'homeController@index]);
    
    use Redirect;
    ...
    return Redirect::home(statusCode);


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