自定义EL函数(转)

有看到一个有趣的应用了,转下来,呵呵!!

1.定义类MyFunction(注意:方法必须为 public static)

 

复制代码
package com.tgb.jstl;  
  
  
/** 
 
 * JSTL标签中的自定义函数库实现类 
  
 * 
 
 */  
  
public class MyFunctions {  
  
    public static String sayHello(String name){  
  
      return  "Hello  " + name;  
  
    }  
  
}  
复制代码

2.提供tld描述文件,此文件可以放到WEB-INF下或其目录下.

复制代码
<?xml version="1.0" encoding="UTF-8" ?>  
  
<taglib xmlns="http://java.sun.com/xml/ns/j2ee"  
  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
  xsi:schemaLocation="http://java.sun.com/xml/ns/j2ee http://java.sun.com/xml/ns/j2ee/web-jsptaglibrary_2_0.xsd"  
  version="2.0">  
  <description>myFunctions library</description>  
  <display-name>JSTL functions</display-name>  
  <tlib-version>1.1</tlib-version>  
  
  <!--这里的所谓“简称”,可以随便写-->  
  <short-name>mfn</short-name>  
  <!--这里的uri,可以随便写-->  
  <uri>http://www.tgb.com/functions</uri>  
  
   <function>  
    <!--这里name可以随便写-->  
    <name>say</name>  
    <!--这里最为重要,指定类所在位置,以及类方法的一些重要信息-->  
    <function-class>com.tgb.jstl.MyFunctions</function-class>  
    <function-signature>java.lang.String  sayHello(java.lang.String)</function-signature>  
  </function>  
  
  </taglib>  
复制代码

3.jsp页面中采用taglib引入函数库

<%@ taglib uri="http://www.tgb.com/functions" prefix="mfn" %

 

 4.el表达式中采用前缀+冒号+函数名称使用

  调用函数库相关函数,需要配合el表达式来使用。

${mfn:say("Tom") } <<---"Tom"可改为从EL表达式中取值

转载于:https://www.cnblogs.com/zhilili/p/10842518.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