Maven 项目管理工具配置与简单使用

1 篇文章 0 订阅

Maven 项目管理工具的配置与简单使用

1.Maven,什么是Maven
是apache下的一个开源项目,是纯java开发,并且只是用来管理java项目的
2.Maven的好处是什么

  1. 项目一键构建:编码 编译 测试(junit) 运行 打包 部署
  2. 对jar包统一管理,节省空间
  3. 可以跨平台
  4. 应用于大型项目 可以提高开发效率
    3.Maven的安装与配置
    在这里插入图片描述

下载完成后直接解压到一个没有文件目录,解压后的目录如下
在这里插入图片描述

conf文件夹里面的settings.xml为核心配置文件

4.Maven环境变量配置
1、 要配置jdk, maven3.3.9这个版本所需的jdk版本必须要1.7以上
2、 最终要运行的是maven软件中bin目录的mvn命令
所以要配置maven的环境变量
在系统变量添加
环境变量的名称:MAVEN_HOME
变量值:就是maven软件解压的目录D:\apache-maven-3.3.9
在这里插入图片描述

3、把MAVEN_HOME添加到path里
在这里插入图片描述

4、验证maven是否配置成功:
打开dos窗口 输入: mvn –v
在这里插入图片描述

5.Maven在Eclipse中的项目构建
Maven在eclipse的配置
1、选择3.3.9版本的maven软件

在这里插入图片描述

2、修改默认的本地仓库地址
在这里插入图片描述

项目构建
1、 新建maven项目
跳过骨架
勾选左上角Create a simple project 跳过骨架 如果不跳过骨架选择创建出的项目目录是不全的
然后点击next
在这里插入图片描述
Group Id:公司或者组织名称 例如com.xzt
Artifact Id:项目或者模块名称
Version:版本
Packaging:jar,war,pom. 也就是打包方式

点击Finish 项目结构如下
在这里插入图片描述

4、处理红色叉号
手动在webapp文件夹下创建一个WEB-INF文件夹,在里面放一个web.xml文件
在这里插入图片描述
5、处理编译版本

在pom.xml中添加如下代码

<build>
		<!-- 配置了很多插件 -->
		<plugins>
			<plugin>
				<groupId>org.apache.maven.plugins</groupId>
				<artifactId>maven-compiler-plugin</artifactId>
				<version>3.5.1</version>  
				<configuration>
					<source>1.7</source>
					<target>1.7</target>
					<encoding>UTF-8</encoding>
				</configuration>
			</plugin>
		</plugins>
	</build>

5、创建一个servlet
在这里插入图片描述

修改web.xml
删除重复的代码
xmlns=http://java.sun.com/xml/ns/javaee
在这里插入图片描述
添加jar包
在pom中添加如下代码:

<dependencies>
		<dependency>
			<groupId>junit</groupId>
			<artifactId>junit</artifactId>
			<version>4.9</version>
						<scope>test</scope>
	</dependency>
	<dependency>
		<groupId>javax.servlet</groupId>
		<artifactId>servlet-api</artifactId>
		<version>2.5</version>
		<scope>provided</scope>
	</dependency>
	<dependency>
		<groupId>javax.servlet</groupId>
		<artifactId>jsp-api</artifactId>
		<version>2.0</version>
		<scope>provided</scope>
	</dependency>
	
</dependencies>

会发现jar包已添加到项目中
在这里插入图片描述

启动项目
右击项目—run as –maven build ….
在这里插入图片描述
点击run:如果控制台最后打印出来了端口号8080代表你运行成功啦!
以上仅供学习交流,如有不对的地方欢迎大神指点一二

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