Struts2学习笔记(6)-异常处理

一、异常

  异常指的是在程序运行过程中发生的异常事件,通常是由硬件问题或者程序设计问题所导致的。在Java等面向对象的编程语言中异常属于对象。

二、Struts2异常处理:exception-mapping元素

Struts2提供了一种机制能把你在动作类里未能捕获的异常一网打尽:在配置文件里使用exception-mapping元素。
exception-mapping元素,有以下属性:
   exception属性:用来指定需要捕获的异常的类型;
   result属性:用来指定一个结果名,该结果将在捕获到一个异常时被执行,它既可以来自当前动作的声明,也可以来自global-results声明。
 可以在动作声明里嵌套使用一个或多个exception-mapping元素。

示例如下:

    <action name="User_save" class="">
      <exception-mapping exception="java.lang.Exception" result="error" />
      <result name="error">/error.jsp</result>
      <result>/success.jsp</result>
    </action>

上述代码里的exception-mapping元素可以捕获User_save动作所抛出的各种异常,在捕获到一个异常时将执行error结果。

除此之外,还可以通过使用global-exception-mappings元素为应用程序提供一个全局性的异常捕获映射。需注意的是,在global-exception-mappings元素下声明的任何exception-mapping元素只能引用在global-results元素下声明的某个result元素。

示例如下:

 <global-results>
      <result name="error">/error.jsp</result>
      <result name="sqlError">/SQLError.jsp</result>
    </global-results>
    <global-exception-mappings>
      <exception-mapping exception="java.sql.SQLException" result="sqlError" />
      <exception-mapping exception="java.lang.Exception" result="error" ></exception-mapping>
    </global-exception-mappings>
在幕后,所有被捕获的异常都将由Exception拦截器负责处理。这个拦截器是defaultStack默认栈的一份子,每当某个exception-mapping元素捕获到一个异常,这个拦截器就会往Value Stack栈中添加两个对象,分别是:
 exception:表示被捕获异常的Exception对象。
 exceptionStack:包含着被捕获异常的栈线索。
 这样既可以在视图里显示异常消息,也可以在视图里显示它的栈线索。

显示方式:用property标签

  <s:property value="exception.message" />
  <s:property value="exceptionStack" />
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