Java实现下载网络图片

代码如下:

import java.io.ByteArrayOutputStream;
import java.io.DataInputStream;
import java.io.File;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.MalformedURLException;
import java.net.URL;

public class PictureDownload {
	public static void main(String[] args) {
		String url = "http://image.baidu.com/search/detail?ct=503316480&z=undefined&tn=baiduimagedetail&ipn=d&word=%E5%9B%BE%E7%89%87&step_word=&ie=utf-8&in=&cl=2&lm=-1&st=undefined&hd=undefined&latest=undefined&copyright=undefined&cs=2350302849,3323337377&os=4242248080,593001332&simid=3454316350,353014060&pn=2&rn=1&di=216700&ln=1227&fr=&fmq=1573637590226_R&fm=&ic=undefined&s=undefined&se=&sme=&tab=0&width=undefined&height=undefined&face=undefined&is=0,0&istype=0&ist=&jit=&bdtype=0&spn=0&pi=0&gsm=0&objurl=http%3A%2F%2Fb-ssl.duitang.com%2Fuploads%2Fblog%2F201312%2F04%2F20131204184148_hhXUT.jpeg&rpstart=0&rpnum=0&adpicid=0&force=undefined";
        downloadPicture(url);
    }
    //链接url下载图片
    private static void downloadPicture(String urlList) {
        URL url = null;
        int imageNumber = 0;

        try {
            url = new URL(urlList);
            DataInputStream dataInputStream = new DataInputStream(url.openStream());

            String imageName =  "E:/1.jpg";

            FileOutputStream fileOutputStream = new FileOutputStream(new File(imageName));
            ByteArrayOutputStream output = new ByteArrayOutputStream();

            byte[] buffer = new byte[1024];
            int length;

            while ((length = dataInputStream.read(buffer)) > 0) {
                output.write(buffer, 0, length);
            }
            byte[] context=output.toByteArray();
            fileOutputStream.write(output.toByteArray());
            dataInputStream.close();
            fileOutputStream.close();
        } catch (MalformedURLException e) {
            e.printStackTrace();
        } catch (IOException e) {
            e.printStackTrace();
        }
    }
}
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现BP神经网络识别数字图片的步骤如下: 1.准备数据集 首先需要准备一个数字图片数据集,可以使用MNIST手写数字数据集,也可以自己制作。 2.数据预处理 将数字图片转换成一维向量,然后进行归一化处理,将像素值缩放到0~1之间。 3.构建BP神经网络模型 BP神经网络由输入层、隐藏层和输出层组成,可以使用Java中的神经网络库,如Encog或者Neuroph来构建模型。 4.训练模型 将数据集分成训练集和测试集,使用训练集来训练模型,并调整模型的参数,使得模型的预测结果与实际结果的误差最小化。 5.测试模型 使用测试集来测试模型的准确性。 以下是一个基本的BP神经网络识别数字图片Java代码示例: ```java import org.encog.Encog; import org.encog.engine.network.activation.ActivationSigmoid; import org.encog.ml.data.MLData; import org.encog.ml.data.MLDataPair; import org.encog.ml.data.MLDataSet; import org.encog.ml.data.basic.BasicMLDataSet; import org.encog.neural.networks.BasicNetwork; import org.encog.neural.networks.layers.BasicLayer; public class BPNetwork { public static void main(String[] args) { // 准备数据集 double[][] input = new double[][]{{0,0}, {0,1}, {1,0}, {1,1}}; double[][] output = new double[][]{{0}, {1}, {1}, {0}}; MLDataSet trainingSet = new BasicMLDataSet(input, output); // 构建BP神经网络模型 BasicNetwork network = new BasicNetwork(); network.addLayer(new BasicLayer(null,true,2)); network.addLayer(new BasicLayer(new ActivationSigmoid(),true,4)); network.addLayer(new BasicLayer(new ActivationSigmoid(),false,1)); network.getStructure().finalizeStructure(); network.reset(); // 训练模型 for(int i=0;i<10000;i++) { for(MLDataPair pair : trainingSet ) { MLData outputData = network.compute(pair.getInput()); network.calculateErrors(outputData, pair.getIdeal()); network.updateWeights(); } } // 测试模型 System.out.println("Testing neural network"); for(MLDataPair pair : trainingSet ) { MLData output = network.compute(pair.getInput()); System.out.println(pair.getInput().getData(0) + "," + pair.getInput().getData(1) + ", actual=" + output.getData(0) + ",ideal=" + pair.getIdeal().getData(0)); } Encog.getInstance().shutdown(); } } ``` 这是一个简单的BP神经网络模型,用于识别XOR逻辑门。你可以根据实际需求来修改该代码,使其能够识别数字图片

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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