spring 事物不回滚

<beanid="dataSource" class="com.mchange.v2.c3p0.ComboPooledDataSource" destroy-method="close">
    <propertyname="driverClass" value="${jdbc.driverClassName}"/>

    <propertyname="jdbcUrl" value="${jdbc.url}"/>

    <propertyname="user" value="${jdbc.username}"/>

    <propertyname="password" value="${jdbc.password}"/>

    <!--连接池中保留的最大连接数 -->
<propertyname="maxPoolSize" value="50"/>

    <!--连接池中保留的最小连接数。-->
<propertyname="minPoolSize" value="5"/>

    <!--初始化时获取的连接数,取值应在minPoolSize与maxPoolSize之间。Default: 5 -->
<propertyname="initialPoolSize" value="5"/>

    <!--当连接池中的连接耗尽的时候c3p0一次同时获取的连接数。Default: 3 -->
<propertyname="acquireIncrement" value="5"/>

    <!--最大空闲时间,60秒内未使用则连接被丢弃。若为0则永不丢弃。Default: 0 -->
<propertyname="maxIdleTime" value="300"/>

    <!--定义在从数据库获取新连接失败后重复尝试的次数。Default: 30 -->
<propertyname="acquireRetryAttempts" value="1"></property>
</bean>

<!-- 使用jdbcTemplate模版 -->
<beanid="jdbcTemplate" class="org.springframework.jdbc.core.JdbcTemplate">
    <propertyname="dataSource" ref="dataSource"/>
</bean>

<!-- 配置Srping JDBC 事务 -->
<beanid="jdbcTransactionManager"
class="org.springframework.jdbc.datasource.DataSourceTransactionManager">
    <propertyname="dataSource">
        <reflocal="dataSource"/>
    </property>
</bean>

<!-- 开启jdbc注解事务 -->
<tx:annotation-driventransaction-manager="jdbcTransactionManager"/>

 

 

 

oracle数据库,使用事物的时候总是不回滚

@Service("testService")
publicclassTestServiceImpl implementsTestService {

    @Resource
privateActivityDao activityDao;

    @Override
    @Transactional(rollbackFor = IhkMsyfException.class)
    publicvoidsaveTest() throwsIhkMsyfException {
        try{
            Activity activity = newActivity();
            activity.setCreateTime(newDate());
            activity.setName("test");
            activity.setActivityUrl("test");
            activity.setAwardCount(1);
            activity.setAwardDay(1);
            activity.setContent("test");
            activity.setEndTime(newDate());
            activity.setIconUrl("");
            activity.setOdds(1);
            activity.setSceneId("123");
            activity.setShareUrl("test");
            activity.setStartTime(newDate());
            activity.setStatus(false);
            activity.setTypeId(1l);
            activity.setUserCount(1);
            Long k = activityDao.save(activity);
//            activity.setId(k);
//            activity.setName("testesstsetset");
//            activityDao.update(activity);
thrownewRuntimeException();
        } catch(Exception e) {
            IhkMsyfException.myPrintStackTrace(e);
            thrownewIhkMsyfException();
        }
    }
}
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