Java序列化

一、概念:

序列化: 将对象转化为字节或字符的过程.
反序列化: 将字节或字符转化为对象的过程.

二、序列化场景:
  • 网络传输
  • 本地存储
  • 写内存(缓存等)
三、序列化步骤:
  1. Pojo类实现Serializable接口;
  2. 添加序列化id(保证反序列化成功);
  3. 借助输入输出流进行序列化和反序列化
四、序列化中的数据安全:

在需要序列化加密的pojo对象中添加writeObject()readObject()方法,在这两个方法中进行序列化加解密,对象输入输出流调用writeObject()readObject()方法时自动调用这两个方法,实现了序列化的加解密.
1) 添加 private writeObject(ObjectOutpuStream out)方法,对内容进行加密再执行序列化:

private void writeObject(ObjectOutputStream out) throws Exception{
	System.out.println("writeObject");
	//在该方法内部自定义加密方式,如:
	x = x + 2;
    out.defaultWriteObject();
}

2) 添加private readObject(ObjectInputStream in)方法对内容先进行反序列化然后在执行解密操作:

private void readObject(ObjectInputStream in)throws Exception{
    System.out.println("readInputStream");
    in.defaultReadObject();
     //在该方法内部自定义解密方式,如:
     x = x - 2;
}
五、Java中序列化粒度的控制:

1) Transient :当少量属性不需要序列化时,使用此关键字修饰:

private transient int x;
private int y;

2)Externalizable:当只有少量属性需要序列化时,实现此接口然后自己进行序列化
操作,要求要序列化的对象必须手动添加无参构造方法:

class Point implements Externalizable{
    private int x;
    private int y;
    public Point(){
    }
    public int getX() {
        return x;
    }
    public void setX(int x) {
        this.x = x;
    }
    public int getY() {
        return y;
    }

    public void setY(int y) {
        this.y = y;
    }
    @Override
    public String toString() {
        return "Point{" +
                "x=" + x +
                ", y=" + y +
                '}';
    }
    @Override
    public void writeExternal(ObjectOutput out) throws IOException {
    	//手动将x,y进行序列化
        out.writeInt(x);
        out.writeInt(y);
    }
    @Override
    public void readExternal(ObjectInput in) throws IOException, ClassNotFoundException {
        //手动按序列化时的顺序进行反序列化赋值
        x = in.readInt();
        y = in.readInt();
    }
}

@Test
public void test04()throws Exception{
    Point point = new Point();
    point.setX(10);
    point.setY(20);
    ObjectOutputStream outputStream = new ObjectOutputStream(new FileOutputStream("a.txt"));
    outputStream.writeObject(point);

    ObjectInputStream inputStream = new ObjectInputStream(new FileInputStream("a.txt"));
    Object object = inputStream.readObject();
    System.out.println(object);
}
六、Java中序列化性能的优化:

JDK自带的序列化功能会将元数据和数据一起序列化,性能较差(元数据:比如int x=4;x就是元数据),可以自己实现序列序列化或借助第三方框架只对数据进行序列化来提高性能.

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