spring mvc 文件上传实例

spring mvc 文件上传,话不多说,直接进入主题,首先在**-servlet.xml配置multipartResolver

<bean id="multipartResolver"
class="org.springframework.web.multipart.commons.CommonsMultipartResolver">
<property name="maxUploadSize">
<value>1048456</value>
</property>
<!--resolveLazily属性启用是为了推迟文件解析,以便在UploadAction 中捕获文件大小异常-->
<property name="resolveLazily" value="true"/>

</bean>

 action 代码


public void upload(HttpServletRequest request) throws Exception{
MultipartHttpServletRequest multipartRequest = (MultipartHttpServletRequest)request;
List<MultipartFile> files = multipartRequest.getFiles("files");
for(MultipartFile file:files){
if (file == null || file.isEmpty()) {  
           //throw new Exception("请选择图片");  
continue;
       }  
String fileName = file.getOriginalFilename();
List<String> imgTypes = new ArrayList<String>();
imgTypes.add("jpg");
imgTypes.add("png");
imgTypes.add("jpeg");
imgTypes.add("gif");
String imgType = fileName.substring(fileName.indexOf(".")+1, fileName.length());
if(!imgTypes.contains(imgType)){
throw new Exception("不支持."+imgType+"格式");
}
String path = request.getRealPath("/");
if(fileName.contains("mendian")){
path += "/img/"+fileName;
}
if(fileName.contains("cities_")){
path += "/www2/imgs/"+fileName;
}
File f = new File(path);
InputStream is = file.getInputStream();
OutputStream os = new FileOutputStream(f);
byte buff[] = new byte[1024];
int b ;
while((b = is.read())!=-1){
os.write(b);
}
}
}

异常处理方法
 @ExceptionHandler(Exception.class)         
 public ModelAndView handleException(Exception ex,HttpServletRequest request) {       
        Map<Object, Object> model = new HashMap<Object, Object>();  
        if (ex instanceof MaxUploadSizeExceededException){  
            model.put("errors", "文件应不大于 "+  
            getFileKB(((MaxUploadSizeExceededException)ex).getMaxUploadSize()));  
        } else{  
            model.put("errors", "错误: " + ex.getMessage());  
        }  
        return new ModelAndView("/admin/wxManageAddorUpdate", (Map) model);  
                 
   }          
   private String getFileKB(long byteFile){  
       if(byteFile==0)  
          return "0KB";  
       long kb=1024;  
       return ""+byteFile/kb+"KB";  
   } 


页面代码

<body>
<div id="editDiv"></div>
<form method="post" action="<%=path %>/admin/storeMap.do?method=upload" enctype="multipart/form-data">
<input type="file" name="files"></input>
<input type="file" name="files"></input>
<input type="submit" value="提交"></input>
</form>
</body>
</html>



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