传智播客——EJB

今天我们来一起学习EJBEJB是一个用于分布式业务应用的标准服务端组件模型,EJBSpring而言,它更适合于分布式的场合,实现最大程度的业务代码重用,EJB是一个重量级的开发框架。我们接下来就开始学习EJB······

1.       EJB中有三种bean:①会话bean ②实体bean ③消息驱动bean

2.       会话bean分为无状态会话bean和有状态会话bean

3.       开发一个无状态会话bean需要完成接口(可以是远程接口或本地接口)和实现类的编写

4.       Session bean客户端开发:

1)  设置JNDI访问环境信息:进行JNDI查找前,需要设置应用服务器的上下文信息,主要是设置JNDI驱动的类名(java.naming.factory.initial)和命名服务提供者的URL java.naming.provider.url),不同的EJB容器,服务器的上下文信息不相同。可以在classpathjndi.properties中配置JNDI的环境信息

2)  通过JNDI名称调用接口方法

5.       只有客户端与EJB应用在同一个JVM内运行的时候,我们才能调用本地接口,否则只能调用远程接口

6.       Bean实例的管理技术:

1)  无状态bean使用实例池技术管理bean

2)  有状态bean使用激活管理bean

7. 会话bean之间相互调用可以采用依赖注入的方式实现 

例:@EJB (beanName="HelloBean") LocalHello helloworld

8. 实体bean属于JPA里的技术,在实体bean应用中,需要在应用的类路径下的META-INF目录加入持久化配置文件persistence.xmlpersistence.xml文件中可以配置Jboss的数据源以及持久化框架的属性)

9.  JMS 支持两种消息传递模型:点对点和发布/订阅

1)点对点消息传递模型规定了一条消息只能传递给一个接收方, 采用javax.jms.Queue 表示

2)发布/订阅消息传递模型允许一条消息传递给多个接收方。采用javax.jms.Topic表示

10. 开始JMS编程前,需要先配置(XML)消息到达的目标地址(Destination),文件的取名格式应遵守*-service.xml

11. 使用JAVA类放送信息有以下步骤:

1)得到一个JNDI初始化上下文(Context)

InitialContext ctx = new InitialContext();

2)根据上下文查找一个连接工厂 QueueConnectionFactory 。该连接工厂是由JMS提供的,不需我们自己创建,每个厂商都为它绑定了一个全局JNDI,我们通过它的全局JNDI便可获取它;

QueueConnectionFactory factory = (QueueConnectionFactory) ctx.lookup("ConnectionFactory")

3) 从连接工厂得到一个连接 QueueConnection

conn = factory.createQueueConnection();

4) 通过连接来建立一个会话(Session);

session = conn.createQueueSession(false, QueueSession.AUTO_ACKNOWLEDGE);

5) 查找目标地址:

Destination destination = (Destination ) ctx.lookup("queue/itcast ");

6) 根据会话以及目标地址来建立消息生产者MessageProducer

MessageProducer producer = session.createProducer(destination);

TextMessage msg = session.createTextMessage("您好,这是我的第一个消息驱动Bean");

producer.send(msg);

12.采用消息驱动bean接收信息:需要实现MessageListener接口,同时,需要使用注释指定MDB监听哪一个目标地址(Destination)

例:@MessageDriven(activationConfig =

{

  @ActivationConfigProperty(propertyName="destinationType",

    propertyValue="javax.jms.Queue"),

  @ActivationConfigProperty(propertyName="destination",

    propertyValue="queue/foshanshop"),

  @ActivationConfigProperty(propertyName="acknowledgeMode",

    propertyValue="Auto-acknowledge")

})

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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