Roller:访问用户的博客 --RequestMappingFilter 负责转向

在Roller中,访问博客,通过  http://roller/blogname 来进行访问的

 

roller是工程的名字,blogname是所需要访问的网志。

 

在roller中,通过filer进行URL转向:

在web.xml中有这么一段配置:

     <!-- 请求的Request可能会被一系列的RequestMapper进行检查,可能会隐含的被转到不同的处理地点   ?  -->    
    <filter>    
        <filter-name>RequestMappingFilter</filter-name>    
        <filter-class>org.apache.roller.weblogger.ui.rendering.filters.RequestMappingFilter</filter-class>    
    </filter>    

 配置了RequestMappingFilter,这个filter就是管理转向的。

 

这个filter在init中,读取“rendering.rollerRequestMappers”,"rendering.userRequestMappers",这是负责转向的处理类。

 

缺省的: rendering.rollerRequestMappers配置为:org.apache.roller.weblogger.ui.rendering.WeblogRequestMapper,

在 方法:handleRequest 中对url进行处理:

 

通过:calculateForwardUrl 进行处理

 

根据不同的处理要求,跳转到不同的servlet:

 

如果是看某人的blog: 到: /roller-ui/rendering/page(/blogname)

 

 

 

 

------------

在WeblogRequestMapper,首先定义一些roller自己使用的目录名称(用户还可以定义自己的):

如: roller-ui,images,theme,themes等等,这些都不做特别的转向

 

 

 

 

 

 

 

 

 

 

 

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Roller是一种针对深度学习的快速高效的张量编译器。深度学习模型的训练和推断通常需要大量的张量计算操作,而传统的解释式执行方式效率较低。Roller的设计目标就是通过编译技术来提高深度学习中张量计算的效率。 Roller通过将高级深度学习框架中的计算图转换为低级的、高度优化的代码来实现高效的张量编译。这种编译方式可以将计算图中的张量操作转换为高度优化的机器代码,而不是依赖于解释器的执行。这样一来,张量操作的执行速度会大幅提升。 Roller采用了许多优化技术来提高编译速度和执行效率。首先,它通过对计算图进行静态分析和依赖关系推断,可以降低编译的时间复杂度。其次,Roller为计算图中的每个操作选择了最适合的底层实现方式,例如使用SIMD指令、并行计算等。此外,Roller还使用了内存优化策略,如缓存复用和内存分配策略,从而减少了内存访问的开销。 Roller支持多种深度学习框架,包括Tensorflow和PyTorch等。它可以与这些框架无缝集成,以便在训练和推断过程中提供高效的张量计算。同时,Roller还提供了丰富的工具和接口,可以帮助用户进行编译优化和性能调优。 总之,Roller是一种快速高效的张量编译器,可以显著提高深度学习模型中的张量计算效率。它的设计目标是通过编译技术来优化深度学习中的张量操作,从而加快模型训练和推断的速度。
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