Maven的基本应用---tomcat自启动与热部署

maven的基本应用。不用重启tomcat就可以直接将新版本发布到测试服务器。

Maven可以不通过外部的Tomcat进行自启动

 

Pom文件中添加tomcat插件:Maven--Add Plugin-->选择Tocmat7的插件

  <!-- 准备引入Maven.Tomcat插件  从而支持Maven的自启动 -->

  <build>

   <plugins>

   <plugin>

   <groupId>org.apache.tomcat.maven</groupId>

   <artifactId>tomcat7-maven-plugin</artifactId>

   <version>2.2</version>

   <configuration></configuration>

   </plugin>

   </plugins>

  </build>

 

配置好后自启动:

Run As--Maven build--Tomcat7:run

 

 

热部署(tomcat必须是启动的状态,自启动在开发阶段,打断点进行调试时非常困难,外部的Tomcat来进行开发开发结束时,会用到Maven的热部署行进远程的服务器的部署)

 

1.配置tomcat密码

打开tomcat配置文件文件(tomcat-user.xml) 编辑第36

<role rolename="manager-gui"/>

<role rolename="manager-script"/>

<user username="tomcat" password="123456" roles="manager-gui, manager-script"/>

2.部署:

Run As--Maven build--Tomcat7:deploy

3.设置项目的pom文件

  <build>

   <plugins>

   <plugin>

   <groupId>org.apache.tomcat.maven</groupId>

   <artifactId>tomcat7-maven-plugin</artifactId>

   <version>2.2</version>

   <configuration>

   <!-- 请求路径  manager/text固定写法  Tomcat -->

   <url>http://localhost:8080/manager/text</url>

   <!-- 用户名 -->

   <username>tomcat</username>

   <!-- 密码 -->

   <password>123456</password>

   </configuration>

   </plugin>

   </plugins>

  </build>

如果访问不带项目名,需要配置<path>

  <build>

   <plugins>

   <plugin>

   <groupId>org.apache.tomcat.maven</groupId>

   <artifactId>tomcat7-maven-plugin</artifactId>

   <version>2.2</version>

   <configuration>

   <!-- 请求路径  Tomcat -->

   <url>http://localhost:8080/manager/text</url>

   <!-- 用户名 -->

   <username>tomcat</username>

   <!-- 密码 -->

   <password>123456</password>

                <path>/</path>

   </configuration>

   </plugin>

   </plugins>

  </build>

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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