Hibernate(二)环境配置

1.新建工程(java/web)均可
2.导入相应的jar包
这里写图片描述
3.新建一个XML文件,配置Hibernate(文件名为固定格式)
这里写图片描述
4.配置Hibernate

<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE hibernate-configuration PUBLIC
"-//Hibernate/Hibernate Configuration DTD 3.0//EN"
"http://www.hibernate.org/dtd/hibernate-configuration-3.0.dtd">
<hibernate-configuration>
    <session-factory>
        <!-- 第一部分、配置数据库连接 -->
        <!-- 指定连接数据库驱动 -->
        <property name="connection.driver_class">com.mysql.jdbc.Driver</property>

        <!-- 指定连接数据库URL地址 -->
        <property name="connection.url">jdbc:mysql://localhost:3306/db_user</property>

        <!-- 指定连接数据库的用户名 -->
        <property name="connection.username">root</property>

        <!-- 指定连接数据库的密码 -->
        <property name="connection.password">root</property>

        <!-- 第二部分、配置数据源连接池(c3p0) 目前使用它的开源项目有Hibernate,spring等 -->
        <!-- 指定连接池的最大连接数 -->
        <property name="hibernate.c3p0.max_size">20</property>

        <!-- 指定连接池的最小连接数 -->
        <property name="hibernate.c3p0.min_size">1</property>

        <!-- 指定连接池的超时时长 -->
        <property name="hibernate.c3p0.timeout">5000</property>

        <!-- 指定连接池最大缓存statement对象数量 -->
        <property name="hibernate.c3p0.max_statement">100</property>

        <!-- 指定连接池检测线程间隔时长 -->
        <property name="hibernate.c3p0.idle_test_period">3000</property>

        <!-- 指定连接池连接耗尽批量创建的数据 -->
        <property name="hibernate.c3p0.acquire_increment">2</property>

        <!-- 指定连接池每次验证连接是否可用 -->
        <property name="hibernate.c3p0.validate">true</property>

        <!-- 第三部分、配置Hibernate杂项 -->
        <!-- 指定数据库方言 -->
        <property name="dialect">org.hibernate.dialect.MySQLDialect</property>

        <!-- 指定映射文件是否自动创建数据库表 -->
        <property name="hbm2ddl.auto">update</property> <!-- 不自动创建设置为none -->

        <!-- 指定是否显示执行的sql语句 -->
        <property name="show_sql">true</property>

        <!-- 指定是否开启Hibernate二级缓存 -->
        <property name="hibernate.cache.user_second_level_cache">false</property>

        <!-- 第四部分、配置映射器文件 -->
        <mapping resource="com/zh/entity/UserEntity.hbm.xml"></mapping>

    </session-factory>
</hibernate-configuration>
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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