springboot入门之helloworld

前言:

由于微服务也是炒的越来越火 例如springboot springcloud 。springboot也可以说是微服务的入门级课程,

它把传统的springMVC spring Mybatis 继承在框架之中,可以很快完成搭建微服务项目,接下来我们就讲解

程序入门的helloworld 学习之前需要具备maven构建等知识。

1.pom文件引入基础依赖dependency 

   引入springboot的parent

<parent>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-parent</artifactId>
   <version>2.0.1.RELEASE</version>
   <relativePath/> <!-- lookup parent from repository -->
</parent>
引入web开发需要的springboot依赖 其中包括了spring的jar包(springboot自带tomcat jackson转换包等)

<dependency>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-web</artifactId>
</dependency>

引入测试springboot依赖 当然不需要也可以使用 为了方便测试引入此包
<dependency>
   <groupId>org.springframework.boot</groupId>
   <artifactId>spring-boot-starter-test</artifactId>
   <scope>test</scope>
</dependency>

2.springbootapplication来启动tomcat 运行

@SpringBootApplication
public class GirlApplication {

   public static void main(String[] args) {
      SpringApplication.run(GirlApplication.class, args);
   }
}

    @SpringBootApplication所在类被注解 说明这个应用是一个springboot应用!

    并且调用SpringApplication.run启动时候会去扫描此类所在包下的子包的spring注解,比如@RestController

(该注解其实是两个注解 Response + Controller 注解 一般用在类上,那么这个类下的所有方法都是返回json数据)

3.下面我们来定义Controller


 

4.基本路径配置

   我们还可以在 application.yml 中定义启动的 端口和项目根目录名称 比如我的

server:
  port: 8082
  servlet:
    context-path: /girl

5.启动 第二步中的@SpringBootApplication注解类的main 方法 控制台会打印出springboot启动的基本信息

   包括端口拦截到请求的路径等

(还可以通过mvn 命令启动,生产环境中还可以通过 java -jar 启动 可以看我的springboot启动方式文章 有详细的说明)

6.访问 http://localhost:8082/girl/helloworld


   

至此helloworld输出成功!

接下来讲解springboot的拦截器配置



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

打赏作者

你微笑莳很美丶

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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