Maven灵活构建

maven内置属性(${} properties)

Maven内置了三大特性:属性、Profile和资源过滤来支持构建的灵活性。

Maven属性

事实上有六种类型的Maven属性:

  • 内置属性:主要有两个常用内置属性——${basedir}表示项目根目录,即包含pom.xml文件的目录;${version}表示项目版本。

  • POM属性:pom中对应元素的值。例如

  • ${project.artifactId}对应了<project><artifactId>元素的值,常用的POM属性包括
    ${project.build.sourceDirectory}:项目的主源码目录,默认为src/main/java/.
    ${project.build.testSourceDirectory}:项目的测试源码目录,默认为/src/test/java/.
    ${project.build.directory}:项目构建输出目录,默认为target/. 
    ${project.build.outputDirectory}:项目主代码编译输出目录,默认为target/classes/.
    ${project.build.testOutputDirectory}:项目测试代码编译输出目录,默认为target/testclasses/.
    ${project.groupId}:项目的groupId.
    ${project.artifactId}:项目的artifactId.
    ${project.version}:项目的version,和{version}等价.
    ${project.build.finalName}:打包后文件的名称,默认为${project.artifactId}${project.version}.
  • 自定义属性:在pom中元素下自定义的Maven属性。例如

    <project>  
      <properties>  
          <my.prop>hello</my.prop>  
      </properties>  
    </project>  
    • Settings属性:与POM属性同理。如${settings.localRepository}指向用户本地仓库的地址。
    • Java系统属性:所有Java系统属性都可以使用Maven属性引用,例如${user.home}指向了用户目录。可以通过命令行mvn help:system查看所有的Java系统属性
    • 环境变量属性:所有环境变量都可以使用以env.开头的Maven属性引用。例如${env.JAVA_HOME}指代了JAVA_HOME环境变量的值。也可以通过命令行mvn help:system查看所有环境变量。

    资源过滤

    默认情况下,Maven属性只有在POM中才会被解析。资源过滤就是指让Maven属性在资源文件(src/main/resources、src/test/resources)中也能被解析。

    在POM中添加下面的配置便可以开启资源过滤

<build>  
    <resources>  
        <resource>  
            <directory>${project.basedir}/src/main/resources</directory>  
            <filtering>true</filtering>  
        </resource>  
    </resources>  
    <testResources>  
        <testResource>  
            <directory>${project.basedir}/src/test/resources</directory>  
            <filtering>true</filtering>  
        </testResource>  
    </testResources>  
</build>  

从上面的配置中可以看出,我们其实可以配置多个主资源目录和多个测试资源目录。

Maven除了可以对主资源目录、测试资源目录过滤外,还能对Web项目的资源目录(如css、js目录)进行过滤。这时需要对maven-war-plugin插件进行配置

<plugin>  
    <groupId>org.apache.maven.plugins</groupId>  
    <artifactId>maven-war-plugin</artifactId>  
    <version>2.1-beta-1</version>  
    <configuration>  
        <webResources>  
            <resource>  
                <filtering>true</filtering>  
                <directory>src/main/webapp</directory>  
                <includes>  
                    <include>**/*.css</include>  
                    <include>**/*.js</include>  
                </includes>  
            </resource>  
        </webResources>  
    </configuration>  
</plugin>  

Maven Profile

每个Profile可以看作是POM的一部分配置,我们可以根据不同的环境应用不同的Profile,从而达到不同环境使用不同的POM配置的目的。

profile可以声明在以下这三个文件中:

  • pom.xml:很显然,这里声明的profile只对当前项目有效
  • 用户settings.xml:.m2/settings.xml中的profile对该用户的Maven项目有效
  • 全局settings.xml:conf/settings.xml,对本机上所有Maven项目有效

非常值得注意的一点是,profile在pom.xml中可声明的元素在settings.xml中可声明的元素是不一样的:

  • profile在pom.xml中可声明的元素:

    <project>  
      <repositories></repositories>  
      <pluginRepositories></pluginRepositories>  
      <distributionManagement></distributionManagement>  
      <dependencies></dependencies>  
      <dependencyManagement></dependencyManagement>  
      <modules></modules>  
      <properties></properties>  
      <reporting></reporting>  
      <build>  
          <plugins></plugins>  
          <defaultGoal></defaultGoal>  
          <resources></resources>  
          <testResources></testResources>  
          <finalName></finalName>  
      </build>  
    </project>  

profile在settings.xml中可声明的元素:

<project>  
    <repositories></repositories>  
    <pluginRepositories></pluginRepositories>  
    <properties></properties>  
</project>  

激活Profile

有多种激活Profile的方式:

  1. 命令行方式激活,如有两个profile id为devx和devy的profile:

    mvn clean install  -Pdevx,devy
  2. settings文件显式激活

    <settings>  
       ...  
       <activeProfiles>  
           <activeProfile>devx</activeProfile>  
           <activeProfile>devy</activeProfile>  
       </activeProfiles>  
       ...  
    </settings>  
  3. 系统属性激活,用户可以配置当某系统属性存在或其值等于期望值时激活profile,如:

<profiles>  
    <profile>  
        <activation>  
            <property>  
                <name>actProp</name>  
                <value>x</value>  
            </property>  
        </activation>  
    </profile>  
</profiles>  

不要忘了,可以在命令行声明系统属性。如:

mvn clean install -DactProp=x 

这其实也是一种从命令行激活profile的方法,而且多个profile完全可以使用同一个系统属性来激活。别忘了,系统属性可以通过mvn help:system来查看

  1. 操作系统环境激活,如

    <profiles>
    <profile>
        <activation>
            <os>
                <name>Windows XP</name>
                <family>Windows</family>
                <arch>x86</arch>
                <version>5.1.2600</version>
            </os>
        </activation>
    </profile>
    </profiles>

    这里的family值包括Window、UNIX和Mac等,而其他几项对应系统属性的os.name、os.arch、os.version.

    1. 文件存在与否激活,Maven能根据项目中某个文件存在与否来决定是否激活profile

      
      <profiles>
      <profile>
          <activation>
              <file>
                  <missing>x.properties</missing>
                  <exists>y.properties</exists>
              </file>
          </activation>
      </profile>
      </profiles

Notice:插件maven-help-plugin提供了一个目标帮助用户了解当前激活的profile:

mvn help:active-profiles

另外还有一个目标来列出当前所有的profile:

mvn help:all-profiles

原文链接:https://blog.csdn.net/sin90lzc/article/details/7552033#

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