NodeJs+Mongodb用法

     学习《Node.js入门指南》中的微博案例,折腾了好久,总算可以运行了,在这里将Node.JS的Mongodb中用法抽离出来,以备后用。

    1、首先将Mongodb框架安装到项目中。使用的版本为:

        "mongodb": "*",
        "connect-mongo":"*",
    2、定义一个setting.js文件用于保存Mongodb的一些配置信息

module.exports={
    cookieSecret: 'microblogxiao',//用于加密可以随便定义
    db: 'myblog',                 //数据库名
    host: 'localhost'             //本地服务器
}
    3、定义一个models/db.js功能是专门用于连接Mongodb

var settings = require('../setting');   //将setting.js加载进来
var Db = require('mongodb').Db;         //用于操作数据库
var Connection = require('mongodb').Connection;   //连接数据库
var Server = require('mongodb').Server;           //启动一个数据库服务

//建立一个连接数据库对象,通过module.exports将该对象设置为外部可引用。
module.exports = new Db(settings.db,new Server(settings.host,Connection.DEFAULT_PORT,{}),{safe:true});
    4、定义操作方法user.js

/**
 * Created by kevin on 2015/1/15.
 */

var mongodb = require('./db'); //加载数据库连接操作对象的类
var util = require('util');
function User(user) {          //初始化对象,传入2个参数
    this.name = user.name;
    this.password = user.password;
};

User.prototype.save = function save(callback) {    //定义一个原型方法,User继承该方法。用于保存数据
    var user = {
        name: this.name,
        password: this.password
    };

    mongodb.open(function (err, db) {
        if (err) {
            return callback(err);
        }
        db.collection('users', function (err, collection) {
            if (err) {
                mongodb.close();
                return callback(err);
            }

            // collection.ensureIndex('name', {unique: true});


            console.log("user=="+util.inspect(user));
            collection.insert(user,{safe: true}, function (err, user) {
                mongodb.close();
                callback(err, user);
            });
        });
    });
}

//查询用户
User.get = function get(username, callback) {
    console.log("username=" + username);
    mongodb.open(function (err, db) {
        if (err) {
            return callback(err);
        }

        db.collection('users', function (err, collection) {
            if (err) {
                mongodb.close();
                return callback(err);
            }

            collection.findOne({name: username}, function (err, doc) {
                mongodb.close();
                console.log("doc="+util.inspect(doc));
                if (doc) {
                    var user = new User(doc);

                    console.log("user=="+util.inspect(user));
                    callback(err, user);
                } else {
                    callback(err, null);
                }
            });
        });
    });
};

module.exports = User;
    5、使用数据操作方法在入口程序中或路由中。(将注册信息存入数据库中)

router.post('/reg', checkNotLogin);
router.post('/reg', function (req, res) {
    if (req.body['password-repeat'] != req.body['password']) {
        req.flash('error', "两次输入的口令不一致");
        return res.redirect('/reg');
    }
    console.log(req.body.username);

    var md5 = crypto.createHash('md5');
    var password = md5.update(req.body.password).digest('base64');


    var user = {
        name: req.body.username,
        password: password
    }

    var newUser = new User(user);        //获得User对象,并将注册信息传入

    //检查用户名是否已经存在
    User.get(newUser.name, function (err, user) {
        console.log("xx=" + newUser.name);
        if (user)
            err = 'Username already exists.';
        if (err) {
            req.flash('error', err);
            return res.redirect('/reg');
        }

        newUser.save(function (err) {
            if (err) {
                req.flash('error', err);
                return res.redirect('/reg');
            }
            req.session.user = newUser;
            req.flash('success', '注册成功');
            res.redirect('/');
        });
    });


});



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