伪静态 Url重写 IIS配置的问题

最近自己在做毕业设计遇到了伪静态的配置的问题,和Url重写的问题

(推荐了解一下)"微软官方的url重写的问题

 我是一个技术菜鸟  能写一些技术不是很高的问题或是自己在实际中遇到的问题。

  URL重写有几种方法 但是我自己值简单的了解了其中的两种方法

     一种是:在Global.asax在虚拟的主机上 一般我们调试就是用的虚拟主机 例如

  

View Code
复制代码
  protected void Application_BeginRequest(object sender, EventArgs e)//伪静态 url重写
{
// HttpContext.Current.RewritePath("ViewNews.aspx");
Regex reg = new Regex(@".+View-(\d+).aspx");
var match=reg.Match(HttpContext.Current.Request.Url.AbsolutePath);
if(match.Success)
{
string id = match.Groups[1].Value;
HttpContext.Current.RewritePath("ViewNews.aspx?id="+id);
}
}
复制代码


   另一种是大家多比较常用的 就是引入第三方插件URLRewriter.dll 然后在修改web.Config配置文件

   首先下载URLRewriter.dll 这个插件 添加到你文件夹中指定的目录或者是bin文件夹中或者是其他的目录

  修改配置文件首先

  在<configSections>  节点中添加
    <section name="RewriterConfig" requirePermission="false" type="URLRewriter.Config.RewriterConfigSerializerSectionHandler,URLRewriter" />
   </configSections>

然后在导如你想要写的规则

例如:

 

View Code


  <RewriterConfig>这个节点和<configSections>这个节点是平行的

 IIS收到(LookFor)符合这样的伪静态的地址之后 就会导向(SendTo)给<SendTo></SendTo>节点的地址 然后由Asp.net解析引擎去解析和没有设置伪静态是一样的 然后就生成html文件 送给客户端浏览器 大概就是这样一个思路

 然后在<system.web></system.web>中加入:

View Code

 

这个节点中不只存在这两个节点还有其他的一些节点 大家只管添加就是了

我在网上看到有朋友问说“不要配置IIS是不是可以运行?” 不配置IIS的话其实是可以 但是你可能要发布你的网站 那您就还可以稍稍看到我接下来讲的IIS配置的问题

接下来就是配置IIS了  我的系统是 server 2003 iis6.0

 先用vs2008发布你的网站 然后在新建一个网站或者是虚拟目录

操作方法:IIS站点属性 ->主目录 ->  应用程序配置
  在应用程序扩展中 点击添加    选择或输入C:\WINDOWS\Microsoft.NET\Framework\v1.1.4322\aspnet_isapi.dll  取消"确认文件是否存在"前的钩.

 

然后点击确定

同时 还要在通配符应用程序映射下 再一次 选择C:\WINDOWS\Microsoft.NET\Framework\v1.1.4322\aspnet_isapi.dll(我的是F盘)


取消"确认文件是否存在"前的钩

如果出现纯静态html文件访问不了改web.config配置文件

<compilation> <buildProviders> <add extension=".html" type="System.Web.Compilation.PageBuildProvider"/> </buildProviders> </compilation> 
<httpHandlers> <add verb="*" path="*.html" type="System.Web.UI.PageHandlerFactory"/> </httpHandlers>
 
posted on 2012-07-31 13:10 小李弯刀 阅读( ...) 评论( ...) 编辑 收藏

转载于:https://www.cnblogs.com/bluecobra/archive/2012/07/31/2616663.html

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