- 博客(12)
- 收藏
- 关注
RSS订阅原创 Spring笔记1
每次通过Spring容器获取prototype定义的bean时，容器都将创建一个新的Bean实例，每个Bean实例都有自己的属性和状态，而singleton全局只有一个对象。Spring IoC容器中只会存在一个共享的Bean实例，无论有多少个Bean引用它，始终指向同一对象Singleton作用域是Spring中的缺省作用域。上面的操作，都是注入的引用Bean，除了对象的引用可以注入，普通数据类型，集合等都可以在容器中进行注入。默认情况下它调用的是类中的无参构造函数，如果没有无参构造函数则不能创建成功。
2023-07-05 13:39:17
92
原创 JavaWeb-Spring
AOP思想是OOP(面向对象)的延续 在 OOP 中, 我们以类(class)作为我们的基本单元, 而 AOP 中的基本单元是Aspect(切面)，AOP是软件行业的热点，也是Spring框架中的一个重要内容，是函数式编程的一种延伸范式,@Aspect标记AOP类。通知定义了切面要发生的“故事”，连接点定义了“故事”发生的时机，那么切入点就定义了“故事”发生的地点，例如某个类或方法的名称，Spring中允许我们方便的用正则表达式来指定。2：..：匹配任何数量字符的重复，如在类型模式中匹配任何数量子包；
2023-07-04 16:51:29
101
原创 JavaWeb-登录验证
包括Header（头，记录令牌类型、签名算法等）、Payload（载荷，携带自定义信息、默认信息）、Signature（签名，防止Token被篡改。4、异常处理：全局异常处理器，类注解@RestControllerAdvice（相当于@RestController+@ResponseBody，可以将返回的错误信息转化成JSON格式返回供前端解析）、方法注解@ExceptionHandler(响应的错误类型)会话：打开浏览器访问web资源与服务器建立会话，一次会话可进行多次请求，关闭浏览器即关闭会话。
2023-07-04 11:35:55
364
原创 JavaWeb笔记3
然后@value注解用于外部配置的属性注入，@Value（“${配置文件中的key}”），将key对应的值赋给各个文件中的成员变量。（2）阿里云对象存储服务OSS：引入阿里云OSS上传文件工具类，上传图片接口开发，返回图片在阿里云的url，前端进行展示。1、后端接口编写思路:Controller（和前端交互）->Service（逻辑编写）->Mapper（操纵数据库）@value是一个一个注入，@ConfigurationProperties是批量注入。@GetMapping查询。
2023-07-03 13:54:34
71
1
原创 JavaWeb笔记2
1、使用预编译sql：可以防止sql注入，性能更高。使用#{}占位符传参数，就会使用预编译；使用${}的话是直接拼接参数，会有sql注入问题。2、XML映射文件（配置映射操作数据库的语句，此时可以不用注解进行配置）XML映射文件的名称与Mapper接口名称一致，并且将XML映射文件和Mapper接口放置在相同的包下。XML映射文件的namespace属性为Mapper接口全限定名一致。XML映射文件中sql语句的id与Mapper接口的方法名一致，并保持返回类型一致。
2023-06-30 14:28:29
21
原创 JavaWeb笔记1
在mapper文件夹下定义接口，添加@Mapper，添加数据库操作（@Select（‘。’）），实现操作数据库的bean对象和其方法。4、Lombok：Lombok是一个通过注解以达到减少代码的Java库,如通过注解的方式减少get,set方法,构造方法等。下面UserMapper类（bean对象）的list方法就会返回user表的所有数据，并封装成列表。还有@NonNull、@Synchronized、@ToString、@Cleanup等等注解。1、是持久层即Dao层的框架，用于简化JDBC开发。
2023-06-28 16:24:46
50
1
原创 java学习笔记
使用类实例添加：@Autowired注解，运行时IOC容器提供该类变量并赋值，即依赖注入。5、Bean对象交给IOC的注解（用于哪个业务就用哪个，都不属于则用@Component）@Resource（name = '类名'），代替@Autowired，表示注入这个类。2、三层架构：controller：控制层：接收前端发送请求并对请求处理，响应数据。@Qualifier（”类名“），在@Autowired前面添加，表示注入这个类。@Primary，在需要的bean类前面添加，表示把这个类注入。
2023-06-28 13:42:08
70
2
翻译 NBNet: Noise Basis Learning for Image Denoising with Subspace Projection（CVPR,2021）阅读笔记
原文链接：https://arxiv.org/pdf/2012.15028v2.pdf摘要：本文介绍了一种新的图像去噪框架NBNet。与以前的工作不同，我们建议从一个新的角度来解决这个具有挑战性的问题:通过图像自适应投影来降低噪声。具体来说，我们提出通过在特征空间中学习一组重构基来训练一个能够分离信号和噪声的网络。随后，可以通过选择信号子空间的相应基并将输入投影到这样的空间中来实现图像去噪。我们的关键见解是，投影可以自然地保持输入信号的局部结构，尤其是对于光线较弱或纹理较弱的区域。为此，我们提出了SSA
2021-11-23 14:06:43
1744
1
原创 激活模型与激活函数(pytorch)
1、sigmoid函数torch.nn.sigmoid()公式：是早期发展使用频率最高的函数，将输出平滑的映射到0~1，是便于求导的平滑函数。缺点：（1）在深度神经网络中梯度反向传递时导致梯度爆炸和梯度消失，其中梯度爆炸发生的概率非常小，而梯度消失发生的概率比较大。（2）随着网络层数的增加，由于链式法则，连乘的sigmoid函数导数会变得越来越小，导致梯度难以回转，这会降低网络的收敛速率，甚至导致网络不能收敛到好妆态。2、Tanh函数torch.nn.Ta..
2021-11-07 16:46:28
837
原创 Learning to Denoise Astronomical Images with U-nets笔记（天文图像噪声、损失函数）
摘要：天文图像对于探索和理解宇宙至关重要。能够进行深度观测的光学望远镜，如哈勃太空望远镜，在天文学界被大量订购。图像通常还包含加性噪声，这使得在进一步数据分析之前对数据进行后处理时，必须先去噪。为了最大限度地提高天文成像后处理的效率和信息增益，我们转向机器学习。我们提出了一种用于图像去噪和增强的卷积神经网络Astro U-net。为了证明这一概念，我们使用了来自WFC3仪器UVIS的哈勃太空望远镜图像以及F555W和F606W滤光片。我们的网络能够产生具有噪声特性的图像，就像它们是以两倍的曝光时间获得的一样
2021-11-06 22:00:08
1341
原创 noise2noise学习笔记
原文：Noise2Noise: Learning Image Restoration without Clean Data摘要：我们通过机器学习将基本统计推理应用于信号重建——学习将损坏的观测值映射到干净的信号——得出了一个简单而有力的结论：仅通过查看损坏的示例，在性能上，有时甚至超过使用干净数据的训练。就可以学习恢复图像，在没有明确被破坏的图像先验或可能性模型。在实践中，我们表明，单一模型仅基于噪声数据学习摄影噪声去除、合成蒙特卡罗图像去噪和欠采样MRI扫描重建——所有这些都受到不同过程的破坏。
2021-11-06 18:13:02
2081
1
原创 服务器运行
1、“conda env list”:查看有哪些运行虚拟环境*表示当前处于哪个环境下2、"source activate pytorch":激活所需要的环境3、“nvida-smi":查看当前GPU运行状态显示的表格中：Fan： 风扇转速（0%--100%），N/A表示没有风扇Temp： GPU温度（GPU温度过高会导致GPU频率下降）Perf： 性...
2021-11-06 13:42:02
358
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人