- 博客(10)
- 收藏
- 关注
RSS订阅原创 异常类全局增强
摘要：解决Spring框架中BeanCreationException异常增强失效问题。当自定义异常处理类GlobalExceptionHandle无法捕获Bean创建异常时，原因是Spring在注入Bean失败时尚未扫描到该处理器。解决方法是在META-INF/spring/spring.factories文件中配置ApplicationListener接口的实现类为自定义异常类，确保容器启动时提前加载该处理器，使其能在Bean实例化前生效。这样就能在Bean创建失败时成功捕获并处理异常。（149字）
2025-08-14 14:09:11
117
转载 Java对象注入的常见方式
本文介绍了三种常见的依赖注入方式：1)构造器注入，通过构造函数传入依赖对象；2)Setter方法注入，使用@Autowired注解的setter方法设置依赖；3)字段注入，直接在字段上使用@Autowired/@Resource注解。三种方式各有特点，构造器注入推荐用于必需依赖，Setter注入适合可选依赖，字段注入虽然简便但不推荐使用。
2025-08-05 17:58:12
37
原创 同一局域网内远程控制其他电脑
与其他设备进行远程控制（客户端与服务端必须属于同一局域网），另外服务端也想被控制，也可以下载软件进行配置。Ps: 如果没有linux电脑作为中转站，可以通过使用虚拟机的方式作为中转站。是windows电脑端的安装包，双击下一步即可。下载.deb安装包后进行安装使用以下命令。配置中转站信息以便通过中转站在。
2024-11-30 20:14:58
963
原创 Yolov8检测框标签的字被挤到外面解决办法
找到self.sf = self.lw / 6 # font scale 更改/号后面的值，值越大，显示的内容越多，即被挤到外面的部分越少。找到ultralytics/utils下的plotting.py。
2024-09-29 09:11:13
373
原创 深度学习个人知识点总结
nn.Conv2d 功能：对多个二维信号进行二维卷积定义:卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加;卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征;卷积维度：一般情况下，卷积核在几个维度上滑动，就是几维卷积功能:卷积过程类似于用一个模板去图像上寻找与他相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取;过程：卷积核（类似于一个模板）在图像上划动相应位置上乘加，从而实现特征提取主要参数(包含默认值)：in_channels：输入通道数。
2024-03-30 08:37:28
2059
1
原创 【BUG解决】 RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.cuda.FloatTensor).
【代码】【BUG解决】 RuntimeError: Input type (torch.cuda.FloatTensor) and weight type (torch.cuda.FloatTensor).
2024-03-24 12:55:11
292
2
原创 关于深度学习的个人理解
nn.Conv2d 功能：对多个二维信号进行二维卷积定义:- 卷积运算：卷积核在输入信号（图像）上滑动，相应位置上进行乘加;- 卷积核：又称为滤波器，过滤器，可认为是某种模式，某种特征;- 卷积维度：一般情况下，卷积核在几个维度上滑动，就是几维卷积功能:卷积过程类似于用一个模板去图像上寻找与他相似的区域，与卷积核模式越相似，激活值越高，从而实现特征提取;过程：卷积核（类似于一个模板）在图像上划动相应位置上乘加，从而实现特征提取主要参数(包含默认值)：in_channels：输入通道数。
2024-03-16 16:22:35
1667
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人