Spring-IOC的学习

一.IOC的概念

IOC 即 Inversion of Control 控制反转  通俗店就是 把创建对象的权利交给Spring容器,原先是我们主动创建一个对象,现在则是把创建对象的权利交给IOC容器,需要的时候,向spring容器要就行了。

IOC容器的作用:完成了完成对象的创建和依赖的管理注入等等。


 原先我们需要使用的Bean,交给了ioc容器管理,ioc容器里面存放了bean对象,那么 ioc容器需要创建什么样的bean对象?需要配置文件来表明创建的对象与对象的关系。xml properties文件可以用来描述这种关系。这样,我们创建一个spring ioc 容器,然后再创建一个对象读取ioc容器创建的bean对象与对象关系的配置文件,读取文件信息,这样就可以把bean的创建交给ioc容器了。


二、IOC容器结构

(1)BeanFactory

      BeanFactory也就是Ioc容器,典型的工厂模式,在Spring里面有很多的IOC容器的实现,关系如下:


BeanFactory是最基本的IOC容器的接口,代码如下:

    public interface BeanFactory {

        //对FactoryBean的转义定义,因为如果使用bean的名字检索FactoryBean得到的对象是工厂生成的对象,    
        //如果需要得到工厂本身,需要转义           
        String FACTORY_BEAN_PREFIX = "&";

        //根据bean的名字,获取在IOC容器中得到bean实例    
        Object getBean(String name) throws BeansException;

        //根据bean的名字和Class类型来得到bean实例,增加了类型安全验证机制。    
        Object getBean(String name, Class requiredType) throws BeansException;

        //提供对bean的检索,看看是否在IOC容器有这个名字的bean    
        boolean containsBean(String name);

        //根据bean名字得到bean实例,并同时判断这个bean是不是单例    
        boolean isSingleton(String name) throws NoSuchBeanDefinitionException;

        //得到bean实例的Class类型    
        Class getType(String name) throws NoSuchBeanDefinitionException;

        //得到bean的别名,如果根据别名检索,那么其原名也会被检索出来    
        String[] getAliases(String name);

    }

(2)BeanDefinition

Definition 定义的意思,用来描述Bean的。


三、IOC容器的初始化

    IOC容器的初始化,分为三步  BeanDefinition的Resource定位、载入以及注册。

      以XmlBeanFactory举例如下:

     

/**
 * @author: sunzhitao
 * @date: 2018/7/15 11:55
 * @description: 使用XmlBeanFactory 演示ioc容器的初始化流程
 */
public class XmlBeanFactoryDemo {
    public static void main(String[] args) {
        /**
         *  IoC容器的初始化包括BeanDefinition的Resource定位、载入和注册这三个基本的过程。
         */
        //1.Resource定位:根据xml配置文件创建Resource对象,该对象中包含了BeanDefinition的信息
        ClassPathResource resource = new ClassPathResource("applicationContext.xml");
        //DefaultListableBeanFactory
        DefaultListableBeanFactory factory = new DefaultListableBeanFactory();
        //创建XmlBeanDefinitionReader读取器,用于载入beandefinition。
        // 传入BeanFactory,是因为需要将读取的信息回调配置给factory
        XmlBeanDefinitionReader reader = new XmlBeanDefinitionReader(factory);
        //2,Resource的载入:XmlBeanDefinitionReader执行载入BeabDefinition的方法,
        // 最后会完成Bean的载入和注册。
        // 完成之后,Bean就会放入IOC容器中,需要的时候,就可以从容器中取出
        reader.loadBeanDefinitions(resource);

        //获取ioc容器里面的bean
        MyService service = factory.getBean(MyService.class);
        System.out.println("service = " + service);
        System.out.println("person = " + service.addPerson());


    }

}

其中,配置文件applicationContext.xml中,bean定义如下:

 <!-- 配置myService-->
    <bean id="myService" class="com.szt.ioc.demo.service.MyService"></bean>

被Spring IOC容器管理的bean为 MyService,代码如下:

/**
 * @author: sunzhitao
 * @date: 2018/7/15 15:17
 * @description:
 */
public class MyService {

    public Person  addPerson(){
        Person person = new Person();
        person.setAge(18);
        person.setName("miaomiao");
        person.setSex("girl");
        return  person;
    }
}

打印的结果如下:


 

很明显,我们通过getBean方法获得了ioc容器中的myService对象,并且能够正常使用其中的方法。

    


 


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