java实现下载网络图片

package com.gylhaut.picture;

import java.io.*;
import java.net.MalformedURLException;
import java.net.URL;

public class PictureDownload {
public static void main(String[] args) {
String url = "https://timgsa.baidu.com/timg?image&quality=80&size=b9999_10000&sec=1546100952419&di=4b9466f689800898b761d411c0eed2d2&imgtype=0&src=http%3A%2F%2Fb.hiphotos.baidu.com%2Fzhidao%2Fpic%2Fitem%2F14ce36d3d539b600d3924a1feb50352ac65cb73e.jpg";
downloadPicture(url);
}
//链接url下载图片
private static void downloadPicture(String urlList) {
URL url = null;
int imageNumber = 0;

try {
url = new URL(urlList);
DataInputStream dataInputStream = new DataInputStream(url.openStream());

String imageName = "E:/test.jpg";

FileOutputStream fileOutputStream = new FileOutputStream(new File(imageName));
ByteArrayOutputStream output = new ByteArrayOutputStream();

byte[] buffer = new byte[1024];
int length;

while ((length = dataInputStream.read(buffer)) > 0) {
output.write(buffer, 0, length);
}
byte[] context=output.toByteArray();
fileOutputStream.write(output.toByteArray());
dataInputStream.close();
fileOutputStream.close();
} catch (MalformedURLException e) {
e.printStackTrace();
} catch (IOException e) {
e.printStackTrace();
}
}
}

转载于:https://www.cnblogs.com/gylhaut/p/10198183.html

  • 2
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实现BP神经网络识别数字图片的步骤如下: 1.准备数据集 首先需要准备一个数字图片数据集,可以使用MNIST手写数字数据集,也可以自己制作。 2.数据预处理 将数字图片转换成一维向量,然后进行归一化处理,将像素值缩放到0~1之间。 3.构建BP神经网络模型 BP神经网络由输入层、隐藏层和输出层组成,可以使用Java中的神经网络库,如Encog或者Neuroph来构建模型。 4.训练模型 将数据集分成训练集和测试集,使用训练集来训练模型,并调整模型的参数,使得模型的预测结果与实际结果的误差最小化。 5.测试模型 使用测试集来测试模型的准确性。 以下是一个基本的BP神经网络识别数字图片Java代码示例: ```java import org.encog.Encog; import org.encog.engine.network.activation.ActivationSigmoid; import org.encog.ml.data.MLData; import org.encog.ml.data.MLDataPair; import org.encog.ml.data.MLDataSet; import org.encog.ml.data.basic.BasicMLDataSet; import org.encog.neural.networks.BasicNetwork; import org.encog.neural.networks.layers.BasicLayer; public class BPNetwork { public static void main(String[] args) { // 准备数据集 double[][] input = new double[][]{{0,0}, {0,1}, {1,0}, {1,1}}; double[][] output = new double[][]{{0}, {1}, {1}, {0}}; MLDataSet trainingSet = new BasicMLDataSet(input, output); // 构建BP神经网络模型 BasicNetwork network = new BasicNetwork(); network.addLayer(new BasicLayer(null,true,2)); network.addLayer(new BasicLayer(new ActivationSigmoid(),true,4)); network.addLayer(new BasicLayer(new ActivationSigmoid(),false,1)); network.getStructure().finalizeStructure(); network.reset(); // 训练模型 for(int i=0;i<10000;i++) { for(MLDataPair pair : trainingSet ) { MLData outputData = network.compute(pair.getInput()); network.calculateErrors(outputData, pair.getIdeal()); network.updateWeights(); } } // 测试模型 System.out.println("Testing neural network"); for(MLDataPair pair : trainingSet ) { MLData output = network.compute(pair.getInput()); System.out.println(pair.getInput().getData(0) + "," + pair.getInput().getData(1) + ", actual=" + output.getData(0) + ",ideal=" + pair.getIdeal().getData(0)); } Encog.getInstance().shutdown(); } } ``` 这是一个简单的BP神经网络模型,用于识别XOR逻辑门。你可以根据实际需求来修改该代码,使其能够识别数字图片

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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