SpringMVC入门(一)

先看看最简单,最基础的SpringMVC的小示例,就是输出一段文字。

以下是整个流程:

发出一个hello.from的请求-->执行SpringMVC的流程--->最后显示hello.jsp页面

 客户端发出方位hello.jsp请求-->DispatcherServlet--> HandlerMapping-->HelloController-->返回ModelAndView-->ViewResolver(调用hello.jsp)-->输出响应


1. 创建一个Web工程,并导入SpringMVC所需要的jar包。

2.  在WEB-INF目录下,创建lib,将jar包放在这里。

3. 在WEB-INF目录下, 创建一个jsp的目录,并创建一个hello.jsp的文件,在body体内写入要输出的内容"Spring MVC入门示例"。

4. 在web.xml中配置DispatchServlet


<?xml version="1.0" encoding="UTF-8"?>
<web-app xmlns="http://xmlns.jcp.org/xml/ns/javaee"
         xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://xmlns.jcp.org/xml/ns/javaee http://xmlns.jcp.org/xml/ns/javaee/web-app_3_1.xsd"
         version="3.1">
    <servlet>
        <servlet-name>SpringMVC</servlet-name>
        <servlet-class>org.springframework.web.servlet.DispatcherServlet</servlet-class>
        <init-param>
            <param-name>contextConfigLocation</param-name>
            <param-value>classpath:applicationContext.xml</param-value>
        </init-param>
        <load-on-startup>1</load-on-startup>
    </servlet>
    
    <servlet-mapping>
        <servlet-name>SpringMVC</servlet-name>
        <url-pattern>*.from</url-pattern>
    </servlet-mapping>
</web-app>


此处需要注意的是,inti-param中param-name中必须要写成contextConfigLocation

由于将applicationContext.xml文件放在src目录下,所以在这里直接写成classpath: applicationContext.xml。 如果放的目录不同,要填写上实际存放的路径。


5. 创建HelloController.java, 该类要实现Controller接口,并重写handleRequest方法。

handleRequest()需要返回ModelAndView类型的值。


public class HelloController implements Controller {

    @Override
    public ModelAndView handleRequest(HttpServletRequest request, HttpServletResponse response) throws Exception {
        //直接设置试图名字,不用加.jsp的后缀。
        ModelAndView modelAndView = new ModelAndView("hello");
        modelAndView.getModel().put("msg","模型信息");//设置要传递的模型数据相当于request.setAttribute("msg","");
        return modelAndView;
    }
}


6.  在applicationContext.xml中,配置Controller, HandlerMapping和ViewResolver。

 HandlerMapping组件

 通过HandlerMapping组件,DispatcherServlet控制器可以将客户HTTP请求映射到Controller组件上
 Spring提供的以下几个典型的HandlerMapping组件
 1. BeanNameUrlHandlerMapping
 将收到的HTTP请求直接映射到Controller定义的名称上

 2. SimpleUrlHandlerMapping
 维护一个HTTP请求和Controller映射关系列表,根据列表对应关系调用Controller

 VeiwResolver组件
 所有Controller组件都返回一个ModelAndView实例, 封装了视图名。 Spring中的视图已名字为标识,视图解析器ViewResolver通过名字来解析视图。

 常用的视图解析器:
 UrlBasedViewResolver: 
 将视图名直接解析成对应的URL, 不需要显示的映射定义。如果你的视图名和视图资源的名字是一致的,就可以使用该解析器, 而无需进行映射。


 InternalResourceViewResolver:
 UrlBasedViewResolver的子类,它支持InternalResourceView(对servlet和JSP的包装), 以及其子类jstlView和TilesView响应类型。


 <!--配置HandlerMapping-->
    <bean id="handlermapping" class="org.springframework.web.servlet.handler.SimpleUrlHandlerMapping">
        <property name="mappings">
            <props>
                <prop key="/hello.form">helloController</prop>
            </props>
        </property>
    </bean>
    <!--配置Controller-->
    <bean id="helloController" class="com.test.controller.HelloController"></bean>
    <!--配置viewresolver-->
    <bean id="viewresolver" class="org.springframework.web.servlet.view.InternalResourceViewResolver">
        <property name="prefix" value="/WEB-INF/jsp/"/>
        <property name="suffix" value=".jsp"/>
    </bean>


配置完成后,启动服务器,访问http://localhost:808/hello.from



到此,最简单一个入门示例就成功啦!

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