Intellij IDEA 设置JDK版本，同时安装Java11，1.8

已于 2024-02-22 18:17:33 修改
阅读量5.7k 收藏 5
点赞数 5
分类专栏： java idea 文章标签： intellij-idea java ide
于 2022-10-04 17:58:57 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45986454/article/details/127164418
版权

标题：Intellij IDEA 设置JDK版本，同时安装Java11，1.8，1.6

补充 jdk、jre版本不一致出现的问题，正常是不会出现的（可以不看）

这里以安装jdk1.6为例子

一、下载、安装jdk

jdk地址，参考别人的blog，其中也包括安装步骤

注：如果只是想切换在idea中切换jdk的话，可以不用修改 系统的中环境变量，也就是下载安装jdk、jre即可。

如下：这是我的jdk安装包路径
在这里插入图片描述这是我的jdk、jre实际安装路径

在这里插入图片描述

二、在idea中配置jdk的路径

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述在这里插入图片描述

此时，jdk1.6 在idea中已经配置好了

三、选择你需要使用的jdk

如下，我可以选择我想要的jdk版本
在这里插入图片描述

idea java 项目jdk配置
zengliguang的专栏
01-09 3394
在 IntelliJ IDEA 中配置 Java 项目的 JDK 版本是一个简单的过程。
IntelliJ IDEA下载安装、JDK下载安装
JLboxes
03-10 2694
Java学习笔记day01前言一、 IDEA软件下载与安装二、JDK安装与环境配置总结 前言 Idea的下载与安装、JDK的下载与安装环境配置 以下是本篇笔记正文内容，下面案例可供参考，欢迎小伙伴们一起讨论，若有出入之处敬请批评指正。 一、 IDEA软件下载与安装 1.下载IntelliJ IDEA 2.下载完成后直接安装即可 二、JDK安装与环境配置 下载Java8 安装路径尽量不要有中文和空格（默认路径直接安装即可） 3.安装完成后进行环境变量配置 4.配置完成后进行测试 按住win+R输
JDK11、IntelliJ IDEA安装
2301_79721629的博客
12-03 606
下滑找到PATH变量，双击打开，添加%JAVA_HOME2%\bin和%JAVA_HOME2%\jre\bin，点击确定完成配置。进入IDEA官方https://www.jetbrains.com/zh-cn/idea/点击教育，面向学生和教师申请免费版。在学信网找到自己的学籍证明pdf版下载，申请证明的验证码，填写在下面空白栏里。下载完成后打开安装指引程序，按照指引安装。申请后是人工审核，需要等待，在一周内回复。在系统变量栏新建JAVA_HOME2。鼠标右击电脑，点击属性>环境变量。
idea换jdk11
qq_48819461的博客
06-14 674
1、下载jdk11的文件，下载不需要安装的即可，下载exe安装后产生的文件和直接下载bin.zip是一样的，下载地址：https://www.oracle.com/java/technologies/downloads/#java112、去idea选择你下载解压后的目录点击1.8，换成11
idea中jdk版本的配置
m0_64021225的博客
04-04 2600
在系统变量中，找到“Path”变量，点击“编辑”按钮，在末尾添加JDK的安装路径（例如C:\Program Files\Java\jdk1.8.0_251\bin），点击确定保存变更。验证JDK安装：打开命令行终端（在Windows上可以按下 Win + R，输入“cmd”打开），输入“java -version”命令，查看输出的版本信息。在右侧的"Project SDK"下拉框中，选择您想要更换的JDK版本。如果需要新建一个JDK版本，可以点击右侧的"New"（新建）按钮，然后选择JDK的安装路径。
Java最全Intellij IDEA：统一配置JDK版本（JAVA 小虚竹），java原理面试题
2401_84584535的博客
05-10 1791
作为过来人，小编是整理了很多进阶架构视频资料、面试文档以及PDF的学习资料，针对上面一套系统大纲小编也有对应的相关进阶架构视频资料本文已被CODING开源项目：【一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码】收录需要这份系统化的资料的朋友，可以点击这里获取forums/4f45ff00ff254613a03fab5e56a57acb)收录**需要这份系统化的资料的朋友，可以点击这里获取。
IDEA配置JDK
热门推荐
春天的波菜
12-01 1万+
SpringBoot项目开发jdk配置，本文JDK17为例。
IntelliJ IDEA 配置JDK
蜡笔小柯南的博客
05-09 2454
IDEA配置JDK。 我们的开发神器IDEA安装好了之后，在实际开发中，我们如何去配置好JDK的版本呢？注意：需要保证JDK在已经成功安装的情况下，再进行IDEA的配置现在就行动，让IntelliJ IDEA成为你征服代码山峰的利剑，一起创造不凡！
JDK1.8版本免安装解压缩版
06-26
1. **IDE集成**：大部分现代Java集成开发环境（如Eclipse、IntelliJ IDEA）都支持JDK 1.8，只需在IDE中配置好JDK路径即可开始开发。 2. **编写Java代码**：利用新特性如Lambda表达式和Stream API，可以编写出更加...
IDEA-Maven项目的jdk版本设置方法
08-26
IDEA-Maven项目jdk版本设置方法 在 Intellij Idea 中，设置 JDK 版本是一个非常重要的步骤，因为如果不正确地设置 JDK 版本，可能会导致语法错误。在 IDEA-Maven 项目中，我们需要设置两个地方的 JDK 版本：...
Java JDK 1.8版本安装教程（史上最详）
m0_67392182的博客
06-08 1802
1、双击安装程序2、下一步 3、安装java —— jdk，我们更改安装到D盘（可以装到其他盘） 4、安装java —— jre(虚拟机) 5、安装完成1、打开环境变量 2、跟着走 3、理解下用户跟系统变量，跟着走 4、直接看图 5、配置好JAVA_HOME是这样的 6、接着选择path变量，编辑 7、添加刚才配置好的JAVA_HOME, 并在后面加上bin 8、把它上移到最上面 9、都配置好是这样的 10、打开命令提示符，输入java 测试一下，出现这样的界面，就是安装成功啦...
如何在IDEA中配置指定JDK版本？轻松解决！！！
迷途小书童的博客
10-27 1万+
有时候我们在导入项目，如果手动在IDEA中指定jdk版本，往往启动项目会报错误。因此当我们新引入项目启动不了时可以检查一下自己IDEA中的jdk版本是否正确。
漫谈 IDEA 设置 JDK 版本
w8y56f的专栏
06-11 8926
漫谈 IDEA 设置 JDK 版本 背景 IDEA里是相当多的地方可以设置JDK版本，很多资深的开发都未必知道其中区别，以及设置后产生的影响。当然本人也没有完全搞清楚，所以也需要众人拾柴。 如果出现版本的问题，比如编译错误，运行时提示版本错误，一般来说，版本都保持一致，就不会有问题。 仔细阅读本文，你会有不少收获的 IDEA里可设置JDK/JRE版本的地方 大略看看即可，这个子标题只列出可以设置jdk版本的地方，关于它的作用，在后续的标题下进行分析。 1、项目结构-Project File->Proj
IDEA设置JDK版本
m0_62303359的博客
12-23 8741
鼠标点击file->setting，进入idea的设置页面settings，根据截图操作 然后，鼠标点击file->Project Structure
IDEA 中设置 jdk 的版本
northcastle的博客
06-07 877
idea 中 设置统一的 jdk版本，一共需要配置三处
idea设置jdk版本
Nick_zcy的博客
05-01 317
文章目录1、file->setting->java compile2、file->project structure -> project 和 modules、sdks 1、file->setting->java compile 2、file->project structure -> project 和 modules、sdks 目前暂时发现这两处需要修改。 ...
随记：有关idea中jdk版本
zqx_7的博客
10-21 2725
就是 有关maven项目的 pom文件一开始我的第一地方用的是 17 但是这里用的是8但是运行的时候还是 17这里可能是 maven的 项目这个地方只是对打包用的jdk8吧。
Batch Normalization（批归一化）与 Layer Normalization（层归一化）
最新发布
03-23
<think>好的，我现在要比较Batch Normalization（BN）和Layer Normalization（LN）的区别、适用场景以及在深度学习中的对比。首先，我需要回忆这两种标准化方法的基本概念和原理。 Batch Normalization是在2015年由Sergey Ioffe和Christian Szegedy提出的，主要用于加速深度神经网络的训练。它的核心思想是对每个小批量（mini-batch）的数据进行标准化处理，即对每个神经元的输入进行归一化，使其均值接近0，方差接近1。这样可以减少内部协变量偏移（Internal Covariate Shift），从而加快训练速度，并允许使用更高的学习率。BN通常在卷积神经网络（CNN）中应用广泛，特别是在图像处理任务中，比如ResNet等模型就大量使用了BN层[^1]。不过，BN的一个缺点是当batch size较小时，效果会变差，因为均值和方差的估计不准确。比如，在训练TurboAE时，需要非常大的batch size（超过500）才能有效平均噪声影响。 接下来是Layer Normalization，由Jimmy Lei Ba等人在2016年提出。与BN不同，LN是对同一层内所有神经元的输出进行标准化，即对每个样本的所有特征进行归一化。这种方法不依赖于batch size的大小，因此在batch size较小或动态变化的情况下表现更好。LN在循环神经网络（RNN）和Transformer模型中应用较多，比如在自然语言处理任务中，由于序列长度可变，使用LN可以更好地处理不同长度的输入。例如，DeepDR-Transformer模块在处理眼底图像分类任务时，可能使用了类似LN的结构来保持稳定性[^2]。 两者的主要区别在于归一化的维度不同。BN在batch维度和特征维度上进行归一化，而LN是在特征维度和层维度上进行。因此，BN的效果受batch size影响较大，而LN则不受此限制。此外，BN在训练和推理时的行为不同，需要维护移动平均的均值和方差，而LN在训练和推理时计算方式一致，不需要额外参数。 适用场景方面，BN适合固定深度的模型和较大的batch size，比如图像分类任务中的CNN。LN则适合变长序列或小batch size的情况，如NLP中的Transformer或RNN。此外，在强化学习或生成对抗网络（GAN）中，由于batch size可能不稳定，LN也更适合。 需要进一步验证的是，LN是否真的在Transformer中被广泛使用，以及BN在batch size较小时的具体表现。根据引用[1]，TurboAE需要大batch size才能有效，这说明BN对batch size敏感，而LN可能更适合小batch场景。同时，引用[2]提到的DeepDR-Transformer使用了全局平均池化和全连接层，可能未明确提到LN，但Transformer架构通常使用LN，如原始论文中的设计。 总结下来，BN和LN的主要区别在于归一化的维度和对batch size的依赖，适用场景则根据模型类型和任务需求来选择。</think>### Batch Normalization vs Layer Normalization: 区别与适用场景 #### 1. **核心区别** - **Batch Normalization (BN)** 对每个神经元的输入按 **批次维度** 进行标准化。假设输入维度为 $[B, C, H, W]$（如CNN中的图像数据），BN会对每个通道（Channel）的所有样本、空间位置计算均值和方差，公式为： $$ \mu_c = \frac{1}{B \cdot H \cdot W} \sum_{b=1}^B \sum_{h=1}^H \sum_{w=1}^W x_{b,c,h,w} \\ \sigma_c^2 = \frac{1}{B \cdot H \cdot W} \sum_{b=1}^B \sum_{h=1}^H \sum_{w=1}^W (x_{b,c,h,w} - \mu_c)^2 $$ 适用于 **固定输入结构** 的任务（如图像分类）。 - **Layer Normalization (LN)** 对每个样本的所有神经元输出按 **特征维度** 进行标准化。假设输入维度为 $[B, L, D]$（如Transformer中的序列数据），LN会对每个样本的所有位置和特征计算均值和方差： $$ \mu_b = \frac{1}{L \cdot D} \sum_{l=1}^L \sum_{d=1}^D x_{b,l,d} \\ \sigma_b^2 = \frac{1}{L \cdot D} \sum_{l=1}^L \sum_{d=1}^D (x_{b,l,d} - \mu_b)^2 $$ 适用于 **变长序列** 或 **小批量数据** 的场景（如NLP、强化学习）。 --- #### 2. **适用场景对比** | **特性** | **Batch Normalization** | **Layer Normalization** | |------------------------|--------------------------------------|--------------------------------------| | **数据依赖** | 依赖批次统计，需要较大batch size | 单样本统计，与batch size无关 | | **任务类型** | 图像处理（CNN）、固定输入长度的任务 | NLP（Transformer）、RNN、强化学习 | | **训练稳定性** | 对batch size敏感，小批次效果下降 | 对batch size鲁棒 | | **推理行为** | 使用移动平均统计量 | 直接计算当前样本统计量 | --- #### 3. **性能影响** - **BN的优势与局限** 在图像任务中显著加速收敛，但受限于batch size。例如，在TurboAE训练中，batch size需大于500才能有效平均噪声影响。 - **LN的优势与局限** 更适合动态输入或小batch场景。例如，Transformer通过LN处理变长序列，而DeepDR-Transformer在医学图像分类中可能依赖类似结构[^2]。 --- #### 4. **代码示例对比** ```python # Batch Normalization (PyTorch) import torch.nn as nn bn = nn.BatchNorm2d(num_features=64) # 用于CNN # Layer Normalization (PyTorch) ln = nn.LayerNorm(normalized_shape=512) # 用于Transformer ``` ---
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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