Windows Phone 8.1的网络编程之HttpWebRequest类

Windows Phone中有两个类可以实现HTTP协议的网络请求:HttpWebRequest类HttpClient类

前者适合处理简单的网络请求,后者对HTTP请求的支持更加强大,适合复杂的网络请求封装。


不过在此之前需要认识一个HTTP的两种请求方式:Get请求和Post请求。

两者的区别是:Get请求:从服务器上获取数据,通过URI提交数据,数据在URI中可以看到,同时提交的数据最多只

能有1024字节。Post请求:向服务器传送数据,通过写入数据流的方式提交,Post请求对于提交的数据大小没有限

制。


网络请求中,肯定会有各种各样的不确定错误,引发WebException,其Status属性包含指示错误源的

WebExceptionStatus。其枚举值如下:

Success:成功

ConnectFailure:远程服务器连接失败

SendFailure:发送失败

RequestCanceled:请求被取消

Pending:内部异步请求挂起

UnknownError:未知错误

MessageLengthLimitExceeded:网络请求的消息长度受到限制


示例代码:

using System;
using System.Collections.Generic;
using System.IO;
using System.Linq;
using System.Net;
using System.Runtime.InteropServices.WindowsRuntime;
using System.Text;
using Windows.Foundation;
using Windows.Foundation.Collections;
using Windows.UI.Xaml;
using Windows.UI.Xaml.Controls;
using Windows.UI.Xaml.Controls.Primitives;
using Windows.UI.Xaml.Data;
using Windows.UI.Xaml.Input;
using Windows.UI.Xaml.Media;
using Windows.UI.Xaml.Navigation;

// “空白页”项模板在 http://go.microsoft.com/fwlink/?LinkID=390556 上有介绍

namespace App1
{
    /// <summary>
    /// 可用于自身或导航至 Frame 内部的空白页。
    /// </summary>
    public sealed partial class HttpWebRequestDemo : Page
    {
        public HttpWebRequestDemo()
        {
            this.InitializeComponent();

            //WebRequest和HttpWebRequest
            HttpWebRequest request = HttpWebRequest.CreateHttp("http://www.baidu.com");

            //设置请求的方法
            request.Method = "Get";
            //request.Method = "Post";

            //指定构成HTTP标头的名称/值对的集合
            request.Headers["Cookie"] = "stuName = value";
            //设置请求的身份验证信息
            request.Credentials = new NetworkCredential("username", "password");
            //发起GetResponse请求,开始对Internet资源的异步请求
            request.BeginGetResponse(responseCallBack, request);
            //request.BeginGetRequestStream(responseStreamCallBack, request);
        }

        //发送获取发送数据流的请求的响应回调方法
        //private void responseStreamCallBack(IAsyncResult ar)
        //{
        //    HttpWebRequest httpWebRequest = (HttpWebRequest)ar.AsyncState;
        //    using (Stream stream = httpWebRequest.EndGetRequestStream(ar))
        //    {
        //        string content = "testString";
        //        byte[] data = Encoding.UTF8.GetBytes(content);
        //        stream.Write(data, 0, data.Length);
        //    }
        //    httpWebRequest.BeginGetResponse(ResponseCallBackPost, httpWebRequest);
        //}

        //private void ResponseCallBackPost(IAsyncResult ar)
        //{
        //    //和Get请求回调方法一样
        //}

        //请求回掉方法
        private void responseCallBack(IAsyncResult ar)
        {
            HttpWebRequest httpWebRequest = (HttpWebRequest)ar.AsyncState;
            WebResponse webResponse = httpWebRequest.EndGetResponse(ar);
            //获取请求返回的内容
            using(Stream stream = webResponse.GetResponseStream())
            using(StreamReader sr = new StreamReader(stream))
            {
                //请求返回的字符串的内容
                string content = sr.ReadToEnd();
            }
        }

        /// <summary>
        /// 在此页将要在 Frame 中显示时进行调用。
        /// </summary>
        /// <param name="e">描述如何访问此页的事件数据。
        /// 此参数通常用于配置页。</param>
        protected override void OnNavigatedTo(NavigationEventArgs e)
        {
        }
    }
}

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