东华大学 计算机系统与网络技术,东华大学计算机科学与技术学院计算机系统与网络技术课件 第十讲.ppt...

* 数据持久对象 Application 应用程序内可访问 所有连接客户共享 Cookie-1 每个客户端连接 连接内部可访问 Cookie-2 Cookie-3 Session-1 每个客户端连接 连接内部可访问 Session-2 Session-3 数据持久对象 - Application Application[“变量名”]=变量值 Application.Lock(); Application["counter"] = (int)Application["counter"] + 1; Application.UnLock(); Count 获取Application对象变量的数量 Add() 新增一个Application对象变量 Clear() 清除全部Application对象变量 Lock() 锁定全部Application对象变量 Remove() 使用变量名称移除一个Application对象变量 RemoveAll() 移除全部Application对象变量 Set() 使用变量名更新一个Application对象变量的内容 Unlock() 解除锁定的Application对象变量 OnStart事件 在ASP.Net应用程序中首先被触发的事件 OnEnd事件 在ASP.Net应用程序停止时被触发 数据持久对象 - Session 用于记录每个客户端浏览器的数据 TimeOut 传回或设定Session对象变量的有效时间,当使用者超过有效时间没有动作,Session对象就会失效。默认值为20分钟 Abandon() 此方法结束当前会话,并清除会话中的所有信息 Add() 新增一个Session对象变量 OnStart事件 会话开始时调用 OnEnd事件 会话结束、Abandon时调用 使用Application和Session对象统计网站的在线人数。 添加文件Global.asax。当启动一个应用程序时,服务器会先读取根目录下的global.asax文件,然后执行Application_OnStart()事件的处理代码。 使用Application对象的onlineCounts变量记录访客总数,在Application启动时初始化为0。在global.asax文件的Application_OnStart()事件中添加如下代码: void Application_Start(object sender, EventArgs e) { //在应用程序启动时运行的代码 Application["onlineCounts"] = 0; //在线人数初始化为0 } 例8-8(1) 当每个新客户访问时,将访客人数增加1。在global.asax文件的Session _Start()事件中添加如下代码: void Session_Start(object sender, EventArgs e) { //在新会话启动时运行的代码 Application.Lock(); Application["onlineCounts"] = (int)Application["onlineCounts"] + 1; Application.UnLock(); } void Session_End(object sender, EventArgs e) { //在会话结束时运行的代码 Application.Lock(); Application["onlineCounts"] = (int)Application["onlineCounts"] -1; Application.UnLock(); } 例8-8(2) 新建Web页面“vistorsCount.aspx”,在该页面的Page_load事件中添加如下代码: protected void Page_Load(object sender, EventArgs e) { Response.Write(“

当前在线人数:" + Application["onlineCounts"].ToString() + "位!
"); } 例8-8(3) 数据持久对象 - Cookie 客户端存储用户信息 用户个性化服务 大多数浏览器最多支持4096Byte的Cookie 浏览器限制站点在用户计算机上保存的Cookie数,大多数浏览器只允许每个
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