post与getAsp.net传值区别

Request对象--&Post&Get页面传值

共3个页面,main1.aspx,get.aspx和 post.aspx

 1.post.aspx(只有html代码)

 <form id="form1" action="main.aspx" method="post" >

  <div>  <input id="Text1" type="text" name="t1" /><br />  

<input id="Text2" type="text" name="t2" /><br />  

<input id="Button1" type="button" value="button"  

οnclick="return Button1_onclick()" /><br />

 2.main1.aspx  

protected void Page_Load(object sender, EventArgs e)

{//post方法

string username = Request.QueryString["name"].ToString();

 string pwd = Request.QueryString["pass"].ToString();

Response.Write("<font size=18>欢迎" + username + ",密码是:" + pwd + "</font>");  

 

 //get方法   //string username=Request.Form["t1"].ToString();  

//string pwd=Request.Form["t2"].ToString();  

 //Response.Write("<font size=18>欢迎"+username+",密码是:"+pwd+"</font>");

 3.get.aspx

 protected void Button1_Click(object sender, EventArgs e)        

 {  Response.Redirect("main.aspx?name="+this.TextBox1.Text+"&pass="+this.TextBox2.Text);   }     

 总结:

 1.页面传值方法

<1>.利用表单传递数据/Post方法(写的是html代码);

获取表单的字段值语法:Request.Form["控件name属性"]; 可以省略为Request["控件name属性"];

使用Post方法需注意:

 1.Form窗体不能运行在服务器端,要把runat=server要去掉,需要在<form>标记中添加action属性,将标记中的method属性设置为post;

 2:控件要使用HTML控件

 3:获取值的页面只识别控件的name属性,所以需要对控件需要添加name属性   

<2>.使用URL传值/Get方法(写的是C#代码)

 Request.QueryString["字段名称"];

Get传值时的注意事项:  

   1:转链接时由“?”将转链接网址分为两个部分,前半部分为网址,后半部分为传递的字符串(变量名与值的组合)  

   2:若需要传递多个值,则将这些键值使用“&”隔开        

2. Post方法与Get方法的区别

<1>.get是通过url请求来传递数据,数据会直接显示在url上,post是通过HTTPpost机制,其内容在header里,处理过程用户无法看到。

<2>.get是从服务器来获取数据,post是向服务器传送数据。

<3>.get传输数据量很小,限制在2kB左右。post传输量相对较大,不过也有字节限制。

 <4>.get安全性很低,post安全性较高,但是执行效率get较高。

分享链接http://www.cnblogs.com/zhangmengjie/archive/2012/03/13/2394290.html

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