JavaWeb记录

java 项目实训开发:

软件的架构模式:

B/S: 浏览器和服务器之间的交互.(只要有浏览器就可以)

C/S: 客户端和服务器之间的交互。(专门的客户端软件)

2.软件的组成:

客户端页面:html+css+js

服务器程序:tomcat+Java

Java 的相关内容:

​ 搭建开发环境(jdk,idea,tomcat),

3.服务器:(硬件+软件)

​ tomcat 服务器的安装

​ tomcat 服务器

​ bin 文件夹:存放了服务器所有的使用命令。(开启和关闭)

​ conf 文件夹:存放服务器所有配置文件(修改端口号)

​ Lib 文件夹:存放了服务器依赖的所有 jar 包

​ logs 文件夹:存放了日志

​ webApps 文件夹:存放了所有要发布的项目

​ work 文件夹:存放你发布的项目重客户端页面

服务器闪退的原因:

1.没有配置 jdk 环境变量

2.jdk 版本和服务器版本不兼容

服务器的访问:http://IP 地址:端口号/项目名

4.在服务器上发布项目:

手动发布:

​ 把项目复制粘贴到服务器的 webapps 文件夹中

自动发布:

先从 application 作用域中获取访问过页面的人数:

integer num = application.getAttribute(“num”);

If(num == null){

application

JSP

HTML 与 jsp 的区别:

html:静态网页.1.不需要服务器,只需要浏览器就可以运行。

​ 2.静态页面的网页内容无法随时间的改变而更新。

JSP:动态网页。

​ 1.必须部署在我们的服务器上才可以运行。

​ 2.JSP 页面可以随着时间的推移自动更新页面内容。

​ 3.JSP 页面可以把 Java 代码和 HTML 代码有效的结合到一起。

integer 包装类

public int getStudentId(){

return studentId;

}

 public void setStudentId(int studentId){

this.studentId = studentId;

}

 

public String getName(){

return name;

}

 

public void setName(Stringname){

this.name = name;

}

 

public int getAge(){

return age;

}

 

public void setAge(int age){

this.age = age;

}

jsp 页面的九大内置对象

1.out:输出对象,用来输出数据的,也可以输出 html 页面

2.request:请求对象。保存了客户端发送给服务器的所有请求数据。

3.response:响应对象

4.pageContext:页面的上下文对象。存储数据只能在当前页面访问

5.session:会话对象。(存储数据)只要浏览器不关闭,都可以访问数据。

6.application:服务器对象。(存储数据)只要服务器 不关闭,一直访问数据。

服务器端程序 servlet

服务器端程序 servlet 的使用:

服务器程序的创建:

1.创建一个 Java 类,继承一个 HTTPservlet 类(集成服务器资源库)

2.重写 doget 和 dopost 方法,接受 get 和 post 请求

3.配置服务器路径

(创 package 时候填网址名字和用处

com.zhy.pojo)

资源库集成服务器资源

先从 application 作用域中获取访问过页面的人数:

integer num = application.getAttribute(“num”);

If(num == null){

application

JDBC 链接数据库:

1.引入第三方 jar 包文件

复制粘贴到项目里面 有固定放的地方:

web-inf 中创建个 lib

创建 package 时候:

com 域名 zhy 公司名称功能名称

pojo 实体类(数据模型包)

dao 功能模型包

implements Serializable

alt+enter

通过反射机制来注册驱动程序:

通过驱动链接数据库:

编写功能的sql语句:

通过链接预处理sql语句:

执行语句

释放资源

 public List<Student> getAllStudent() {
*//**新建一个**list**集合
    List<Student> stus= new ArrayList<>();
        Connection conn =null;
        PreparedStatement psts=null;
        ResultSet rs=null;
        *//1.**通过反射机制来注册驱动程序:
        try {
            Class.*forName*("com.mysql.cj.jdbc.Driver");
            *//2.**通过驱动链接数据库:
            conn = DriverManager.*getConnection*("jdbc:mysql://localhost:3306/dbms_user?serverTimezone=UTC&characterEncoding=utf-8","root","123456");
        *//3.**编写功能的**sql**语句:
            String sql ="select * from student";
            *//4.**通过链接预处理**sql**语句:
             psts = conn.prepareStatement(sql);
            *//5.**执行语句
            rs=psts.executeQuery();

            *//**循环遍历**rs**集合
            while (rs.next()){*//**判断结果集中有没有下一条数据
               *//**创建数据模型对象
                Student stu =new Student();
                stu.setStuNo(rs.getInt(1));
                stu.setStuName(rs.getString(2));
                stu.setStuAge(rs.getInt(3));
                *//**把模型对象保存到集合当中
                stus.add(stu);
            }
        } catch (ClassNotFoundException | SQLException e) {
            throw new RuntimeException(e);
       } finally {
            *//7.**释放资源
            try {
               if (rs != null) {
                    rs.close();
               }
                if(psts!=null) {
                    psts.close();
                }
                if (conn!=null){
                    conn.close();
                }
            } catch (SQLException e) {
                    throw new RuntimeException(e);
           }
        }



        return stus;
    }


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