搞定上传(asp的和php的)

今天为一个网站做了上传功能。

原来一直很头疼文件的上传,非常难搞。所以这次我避实就虚,找了个jquery的uploadify插件,用到网站上传功能里,比较容易,也很酷。后台的文件保存我用了一小段php代码,优点是处理上传文件非常省心。最后搞定了一切。

然后就是wap的提交,也很快做好了。然后我想,既然网上的微博可以实现手机上传图片,为什么我的这个wap提交功能不能试一下呢?

就在wap表单里增加了input type=file的内容。手机果然支持。不过,剩下的就是提交的问题了。在这个wap网站上,我只能用asp实现上传。

首先,如果要把图片和其它字段一起提交,就需要用到"multipart/form-data"。

而如果用到"multipart/form-data",那么代码里就不可以再用request.form("field1")这样的形式了。网上说得很明确。

为了搞清楚在"multipart/form-data"状态下,到底是怎样提交数据的,我用了wexpert监听了上传的包,发现它是分了一段一段的样子,每个文件及field都是在自己的段里的,然后整个的数据包做为一个大的二进制包传给了后台。这样,要想分离出想要的文件及表单字段,就需要特殊处理了。

找了好几段代码,都不是很好用。有的出现乱码,有的能用但代码不严谨,不敢用。555,要是有人把上传的这些东西封装成一个类,简单调用就能出来所有结果,该有多好啊。

然后就找到了多少年来一直在眼前晃来晃去的upload_5xsoft.asp。

使用方法随便上网一查就有了:http://blog.csdn.net/minyifei811/article/details/1967353(upload_5xsoft使用方法

最终代码如下:

-------index.htm--------

<FORM METHOD=POST enctype="multipart/form-data" ACTION="upload.asp">
  <INPUT TYPE="file" NAME="filename1"><BR>
  <INPUT TYPE="text" NAME="text1"><BR>
  <INPUT TYPE="submit">
</FORM>

-------upload.asp--------

<!--#include file="upload_5xsoft.asp"-->

<%
set upload=new upload_5xsoft 'upload就是一个对象
set file=upload.file("filename1")
file.saveAs Server.mappath("/1.jpg")
response.write upload.Form("text1")
%>

一切都结束了。

总结:之所以原来不会使用upload_5xsoft,还是因为对multipart/form-data的背后的原理不明白,又不肯深入地去看。而今天晚上经历了多次反复和挫折,心里对想要的那个东西有了一种期待,而upload_5xsoft刚好就是我想要的。一看就明白,一试就成功。

转载于:https://www.cnblogs.com/anjo/archive/2011/09/30/2196079.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