从零开始学springboot-hello world

这篇博客介绍了如何从零开始使用Spring Initializr创建一个SpringBoot项目,包括设置工程名称、选择依赖、创建包和Java类,最终实现并运行Hello World程序。通过编译打包、运行和浏览器访问,验证程序成功运行。
摘要由CSDN通过智能技术生成

第一个hello world

第一步:创建工程

在这里插入图片描述

第二步 选择spring Assistant(Spring Initializr)

在这里插入图片描述
注意:新版的idea可能没有spring Assistant(Spring Initializr)选项,可以通过打开setting–》Plugins–》Marketplace–》输入spring查找到Spring Assistant–》Installed–》重启idea 即可:

在这里插入图片描述
在这里插入图片描述

第三步 工程名称设置

在这里插入图片描述
设置Group Id,Artifact Id,Project name,Package name。其他用默认选项即可。

groupId和artifactId被统称为“坐标”是为了保证项目唯一性而提出的,如果你要把你项目弄到maven仓库去,你想要找到你的项目就必须根据这两个id去查找。groupId是项目组织唯一的标识符,实际对应JAVA的包的结构,是main目录里java的目录结构。artifactId就是项目的唯一的标识符,实际对应项目的名称,就是项目根目录的名称。
  groupId一般分为多个段,这里只说两段,第一段为域,第二段为公司名称。域又分为org、com、cn等等许多,其中org为非营利组织,com为商业组织。举个apache公司的tomcat项目例子:这个项目的groupId是org.apache,它的域是org(因为tomcat是非营利项目),公司名称是apache,artifactId是tomcat。(https://www.cnblogs.com/JimKing/p/8602392.html)

第四步 选择用到的dependencies

本项目是web服务,选择Web–》Spring Web Starter即可
注:有些的没有Spring Web Starter选项,可以选择Web–》Web
在这里插入图片描述

第五步 创建项目

在这里插入图片描述

第六步 创建package包

在java目录(Source Root)右键–》New–》package–>输入com.csdn.helloworld.controller–>OK
在这里插入图片描述

第七步 创建java类

controller包下右键–》New–》Java class–>输入HelloWorld–>OK
在这里插入图片描述

第八步 输入hello world代码

在这里插入图片描述
代码如下:

package com.csdn.helloworld.controller;

import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

@RestController
public class HelloWorld {
    @RequestMapping("/helloworld")
    public String helloWorld(){
        return "Hello World!";
    }
}

打包代码

最右边的Maven选项框–》compile–》package–》target下面会生成helloworld的jar包
在这里插入图片描述
在这里插入图片描述

运行

1)点击Run选项–》Run按钮
在这里插入图片描述
2)这时候会显示设置选择 Edit Configurations–》点击左上角+号–》选择JAR Application–》Configurations的Path to Jar选择打包生成的jar包–》设置Name(自定义)–》点击OK
在这里插入图片描述
3)这时候在点击Run选项–》Run按钮–》选择你自定义的Name运行。或者在右上角选择定义的Name,点击运行的图标运行程序即可
在这里插入图片描述
4) 运行成功
可以点击停止按钮停止,在输出台可以看到输出日志,服务器的启动端口默认8080
在这里插入图片描述

浏览器访问

浏览器输入(http://localhost:8080/helloworld),浏览器打开返回hello world,这样第一个hello world程序执行成功
在这里插入图片描述

:程序代码下载地址:https://download.csdn.net/download/weixin_43254439/11258478

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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