HttpClient get, post使用

public class HttpClientAdapter {
public static BasicHeader[] headers = new BasicHeader[10];

static {

//封装头信息

headers[0] = new BasicHeader("Appkey", "12343");
headers[1] = new BasicHeader("Udid", "");// 手机串号
headers[2] = new BasicHeader("Os", "android");//
headers[3] = new BasicHeader("Osversion", "");//
headers[4] = new BasicHeader("Appversion", "");// 1.0
headers[5] = new BasicHeader("Sourceid", "");//
headers[6] = new BasicHeader("Ver", "");
headers[7] = new BasicHeader("Userid", "");
headers[8] = new BasicHeader("Usersession", "");
headers[9] = new BasicHeader("Unique", "");
}


private HttpClient client;


private HttpRequest request;


private HttpPost post;
private HttpGet get;


private HttpResponse response;


public HttpClientAdapter() {
// 创建client


HttpParams parms = new BasicHttpParams();
parms.setParameter("charset", HTTP.UTF_8);
HttpConnectionParams.setConnectionTimeout(parms, 8 * 1000);

HttpConnectionParams.setSoTimeout(parms, 8 * 1000);

//设置一些超时连接和编码格式等连接方式参数

client = new DefaultHttpClient(parms);
/*
* if (StringUtils.isNotBlank(GlobalParams.PROXY_IP)) { // WAP // 代理信息处理
* HttpHost value = new HttpHost(GlobalParams.PROXY_IP,
* GlobalParams.PROXY_PORT);
* client.getParams().setParameter(ConnRoutePNames.DEFAULT_PROXY,
* value); }
*/
}


/**
* 发送头像文件到服务器端

* @param uri
*            目标地址
* @param xml
*/
public String sendPostRequest(String uri, List<NameValuePair> nameValuePairs) {
post = new HttpPost(uri);


post.addHeader("charset", HTTP.UTF_8);


HttpContext localContext = new BasicHttpContext();
try {
MultipartEntity entity = new MultipartEntity(
HttpMultipartMode.BROWSER_COMPATIBLE);
//带有图片等上传资源的处理方式,该方法使用需要引入apache http 的资源包(最好用apache提供的全部jar包,而不是用android自带的,否则会出现异常)

for (int index = 0; index < nameValuePairs.size(); index++) {
if (nameValuePairs.get(index).getName().equalsIgnoreCase("pic")) {
// If the key equals to "pic", we use FileBody to transfer
// the data
entity.addPart(nameValuePairs.get(index).getName(),
new FileBody(new File(nameValuePairs.get(index)
.getValue())));
} else {
// Normal string data
entity.addPart(nameValuePairs.get(index).getName(),
new StringBody(

nameValuePairs.get(index).getValue(),

//在此处使用编码格式,防止乱编码,其他地方设置是无效的

Charset.forName("UTF-8")));
// new Stringbo
}
}


post.setEntity(entity);

response = client.execute(post, localContext);
if (response.getStatusLine().getStatusCode() == 200) {
return EntityUtils.toString(response.getEntity(),
ConstantValue.CHARSET);
}
} catch (IOException e) {
e.printStackTrace();
}
return null;
}


public String sendGetRequest(String uri) {
get = new HttpGet(uri);
get.setHeaders(headers);
try {
response = client.execute(get);
if (response.getStatusLine().getStatusCode() == 200) {
return EntityUtils.toString(response.getEntity(),
ConstantValue.CHARSET);
}
} catch (Exception e) {
e.printStackTrace();
}
return null;
}

/**

带参数的get请求可以用?的拼接方式,也可以用List<NameValuePair>的方式实现

**/

public String sendGetRequest(String host, int port, String path,
List<NameValuePair> params) {
URI uri = null;
try {
uri = URIUtils.createURI("http", host, port, path,
URLEncodedUtils.format(params, "UTF-8"), null);
} catch (URISyntaxException e1) {
e1.printStackTrace();
}
get = new HttpGet(uri);
get.setHeaders(headers);
try {
response = client.execute(get);
if (response.getStatusLine().getStatusCode() == 200) {
return EntityUtils.toString(response.getEntity(),
ConstantValue.CHARSET);
}
} catch (Exception e) {
e.printStackTrace();
}
return null;
}

}

ListParams 参数构建

List<NameValuePair> storeList=new ArrayList<NameValuePair>();
NameValuePair storeIdvp=new BasicNameValuePair("storeId", storeId);
storeList.add(storeIdvp);
NameValuePair qNvp=new BasicNameValuePair("number",queueNumber+"");
storeList.add(qNvp);

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