Spring-quartz-spring定时任务

一:创建定时任务执行的类

public class quartzJob {

    /** 日志 */
    private static Log log = LogFactory.getLog(quartzJob.class);
    public  void  work() throws Exception {
        try {
            log.error("----------------------->定时下载解析影像资料开始------------->");
          
            log.error("----------------------->定时下载解析影像资料结束------------->");
            } catch (Exception e) {
            log.error(e.getMessage());
            throw new Exception(e.getMessage(),e);
        
        }
    }
    
}

二:指定目录下创建springquartz配置文件SpringQuartzJob.xml(文件名自定义)

<?xml version="1.0" encoding="GB2312"?>
<beans xmlns="http://www.springframework.org/schema/beans"
    xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:util="http://www.springframework.org/schema/util"
    xsi:schemaLocation="
http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans-3.0.xsd
http://www.springframework.org/schema/util http://www.springframework.org/schema/util/spring-util-3.0.xsd">

    <!-- ###################################################### spring 高级job #########################-->
        <!-- 总调度,用于启动定时器 -->
    <bean id="schedulerFactory"
        class="org.springframework.scheduling.quartz.SchedulerFactoryBean">
        <property name="triggers">
            <list>
                 <ref bean="SyncDataTask" /> 
            </list>
        </property>
    </bean>
    
    
    
    
       <!--1 配置一个触发器 -->
    <bean id="SyncDataTask" class="org.springframework.scheduling.quartz.CronTriggerBean">
        <property name="jobDetail" ref="SyncDataJobTask"></property>
        <!-- 1:秒 2:分3:小时4:月份中的日期(1-31)5:月份(1-12或JAN-DEC)6:星期中的日期(1-7或SUN-SAT)7:年份(1970-2099) -->
        <property name="cronExpression" value="0 */1 * * * ?"></property> <!--0 */20 * * * ?=======0 30 23 * * ?-->
    </bean>
    <!--2 配置需要定时的bean类 -->
    <bean id="SyncDataJob" class="cn.gov.pbc.mimis.quartz.quartzJob"></bean>
    <!--3 配置任务的具体类和方法 -->
    <bean id="SyncDataJobTask"
        class="org.springframework.scheduling.quartz.MethodInvokingJobDetailFactoryBean">
        <!-- 要调用的bean -->
        <property name="targetObject" ref="SyncDataJob"></property>
        <!-- 要调用的Method -->
        <property name="targetMethod" value="work"></property>
        <!-- 是否并发,false表示 如果发生错误也不影响下一次的调用 -->
        <property name="concurrent" value="false"></property>
    </bean>
    
    
    

</beans>
 

三:web.xml里面配置要加载的quartz配置文件

/WEB-INF/classes/config/quartz/SpringQuartzJob.xml,

 

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