JavaWeb----学习(14)----Listener(监听器)

1.简介:

          监听器:专门用来地其他对象发生的事件后状态改变进行监听和相应处理的对象,当被监听的对象发生情况时,立即采取

                          行动。

           Servlet监听器:Servlet规范中定义的一种特殊的类,它用于监听web应用程序的ServletContext,HttpSession和

                                      ServletRequest等域对象的创建和销毁事件,以及监听这些域对象的属性发生修改的事件。

2.ServletContextListener:

            2.1 监听ServletContext对象的创建和销毁的Servlet监听器

            2.2  创建:2.2.1 实现ServletContextListener接口,并实现其中的两个方法。

public class HelloListener implements ServletContextListener

                              2.2.2 在web.xml文件中配置Listener

<listener>
     <listener-class>com.lishenhuan.Listener.HelloListener</listener-class>
</listener>

             2.3 作用:ServletContextListener是最常用的Listener,可以在当前应用被加载时,对当前应用的相关资料进行初始化。

                              创建数据库连接池。

                               创建spring的 IOC容器。

                              读取当前web应用的初始化参数。·

            2.4 API:

                     //ServletContext对象被销毁(当前web应用被卸载时),Servlet容器调用该方法。

                      public void contextDestroyed(ServletContextEvent arg0)

                     //ServletContext对象被创建(当前web应用被加载时),Servlet容器调用该方法。

                      public void contextInitialized(ServletContextEvent arg0)

                      //参数ServletContextEvent

                      ServletContextEvent 中的 getServletContext()方法获取ServletContext对象。

3. ServletRequestListener   &&  HttpSessionListener 用法同上。

4. XxxAttributeListener(ServletContextAttributeListener,ServletRequestAttributeListener,HttpSessionAttributeListener)

     4.1 监听ServletContext,HttpSesssion,ServletRequest添加,替换,删除属性的事件监听器。

    4.2 以 ServletRequestAttributeListener为例:
                

 4.2.1  public void attributeAdded (ServletRequestAttributeEvent  sra)    //添加属性时被调用

 4.2.2  public void attributeRemoved(ServletRequestAttributeEvent  sra)   //移除属性时被调用

 4.2.3  public void attributeReplaced(ServletRequestAttributeEvent  sra)   //替换属性时被调用

     4.3 API :

             ServletContextAttributeEvent中有两个方法:

                         4.3.1  public String getName()  //获取属性名

                         4.3.2  public Object getValue() //获取属性值

5.感知Session绑定的事件监听器。

      5.1 Sesssion中对象的状态:

                         绑定到session中——>从session中解除绑定——>随session对象持久化到存储设备——>随session对象从存储设备恢复

      5.2  HttpSessionBindingListener

            5.2.1 监听实现了改接口的Java类对象被绑定到session或从session中解除绑定的事件。

public void valueBound(HttpSessionBindingEvent paramHttpSessionBindingEvent)   //绑定时调用的方法

 

 public void valueUnbound(HttpSessionBindingEvent paramHttpSessionBindingEvent)  //解除绑定时调用的方法

    

            5.2.2该监听器不需要再web.xml文件中注册。

           5.2.3  API:

                         HttpSessionBindingEvent

                                           >public HttpSession getSession()

                                           >public String getName()

                                           >public Object getValue()

        5.3 HttpSessionActivationListener

              5.3.1 监听实现了该接口和Serializable接口的java类的对象被session钝化和活化的事件。

                      >钝化:向磁盘中存储session

                      >活化:从磁盘中读取session

             5.3.2该监听器不需要再web.xml文件中注册。

public void sessionDidActivate(HttpSessionEvent paramHttpSessionEvent) //在活化之后被调用
public void sessionWillPassivate(HttpSessionEvent paramHttpSessionEvent) //在钝化之前被调用

     参数:HttpSessionEvent中 public HttpSession getSession()方法获取session

           

 

 

 

 

 

 

 

 

 

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