Node.js基础---Express中间件

Node.js(三)之Express 官方给出的概念:Express 是基于Node.js平台快速、开放、极简的Web开发框架。通俗的理解:Express 的作用和Node.js内置的http模块类似,是专门用来创建Web服务器的。Express的本质:就是一个npm上的第三方包,提供了快速创建Web服务器的便捷方法。广义上来讲,路由就是映射关系。中间件(Middleware), 特指业务流程的中间处理环节。全局中间件可以使用 app.use()连续定义多个全局中间件。 阅读详情

1. 概念

1.什么是中间件

        中间件(Middleware),特指业务流程的中间处理环节

2. Express 中间件的调用流程

        当一个请求到达 Express 的服务器后,可以连续调用多个中间件,从而对这次请求进行预处理

3. Express 中间件格式

       Express 的中间件,本质上是一个 function 处理函数,Express 中间件格式如下

        中间件函数的形参列表中,必须包含 next 参数,而路由处理函数中只包含 req 和 res

4. next 函数的作用

        next 函数是实现多个中间件连续调用的关键,它表示把流转关系转交给下一个中间件或者路由

2. 中间件函数

1. 定义

// 常量 mv 所指向的就是一个中间件函数
const mv = function ( req, res, next) {
    console.log('中间件demo')
    // 注意: 在当前中间件的业务处理完毕后,必须调用 next() 函数
    // 表示把流转关系转交给下一个中间件或路由
    next()
}

2. 全局生效的中间件

        客户端发起的任何请求,到达服务器后,都会触发的中间件,叫全局生效的中间件

        通过调用 app.use(中间件函数),即可定义一个全局生效的中间件

// 常量 mv 所指向的就是一个中间件函数
const mv = function ( req, res, next) {
    console.log('中间件demo')
    next()
}

// 全局生效的中间件
app.use(mv)

3. 定义全局中间件的简化形式

// 全局生效的中间件
app.use(function (req, res, next){
    console.log('demo')
    next()
})

4. 中间件的作用

        多个中间件之间,共享同一份 req 和 res,基于这样的特性,我们可以在上游的中间件中,统一为 req 或 res 对象添加自定义的属性或方法,供下游的中间件或路由进行使用

5. 定义多个全局中间件

        可以使用 app.use() 连续定义多个全局中间件,客户端请求到达服务器后,会按照中间件定义的先后顺序依次进行调用

6. 局部生效的中间件

        不使用 app.use() 定义的中间件,即局部生效的中间件

        只在当前路由生效

const mv1 = function(req, res, next) {
    console.log('中间件函数')
    next()
}

// mv1 中间件只在当前路由生效
app.get('/', mv1, function(req, res) {
    res,send('get')
})

// 此路由不生效
app.get('/user', function(req, res) {
    res,send('get1')
})

7. 定义多个局部中间件

        两种等价方式定义

app.get('/', mv1, mv2, function(req, res) { res,send('get') })
app.get('/', [mv1, mv2], function(req, res) { res,send('get') })

8. 中间件的5个使用注意事项

        ①  一定要在路由之前注册中间件

        ②  客户端发送的请求,可以连续调用多个中间件进行处理

        ③  执行完中间件的业务代码,需要调用 next() 函数

        ④  防止代码逻辑混乱,调用完 next() 函数后不要再写额外代码 

        ⑤  连续多个中间件时,多个中间件之间,共享 req 和 res 对象

3. 中间件的分类

        Express 官方把常见的中间件用法,分为了五大类

                ①  应用级别的中间件

                ②  路由级别的中间件

                ③  错误级别的中间件

                ④  Express 内置的中间件

                ⑤  第三方的中间件

1. 应用级别的中间件

        通过 app.use() 或 app.get() 或 app.post(),绑定到app实例上的中间件,叫做应用级别的中间件        全局中间件和局部中间件

// 应用级别的中间件 (全局中间件)
app.use((req, res, next) => {
    next()
})

// 应用级别的中间件 (局部中间件)
app.get('/', mv1, (req, res, next) => {
    res.send('局部')
})

2. 路由级别的中间件 

        绑定到 express.Router() 实例上的中间件,叫做路由级别的中间件,它的用法和应用级别中间件没有区别,区别在于,应用级别中间件是绑定在 app 实例上的,路由级别中间件绑定到 router 实例上的

const app = express()
const router = express.Router()

// 路由级别的中间件
router.use(function (req, res, next) {
    console.log('路由级别中间件')
    next()
})

app.use('/', router)

3. 错误级别的中间件

        作用:专门用来捕获整个项目中发生的异常错误,从而防止项目异常崩溃的问题

        格式:必须要有 4 个形参,从前到后分别是 (err, req, res, next)

app.get('/', function(req, res) {            // 路由
    throw new Error('错误!')                 // 抛出自定义错误
    res.send('get')
})
app.use(function (err, req, res, next) {    // 错误级别的中间件        
    console.log('发生了错误' + err.message)  // 服务器打印错误消息
    res,send('Error' + err.message)         // 向客户端响应错误信息相关内容
})

        注意:错误级别的中间件,必须注册在所有路由之后

4. Express内置的中间件

        Express 4.16.0版本后,Express 内置了3个常用的中间件

        ①  express.static 快速托管静态资源的内置中间件,例如:HTML文件,图片,css样式(无兼容性)

        ②  express.json 解析JSON格式的请求体数据(有兼容性,在4.16.0+版本可用)

        ③  express.urlencoded 解析 URL-encoded 格式的请求体数据(有兼容性,在4.16.0+版本可用)

// 配置解析 application/json 格式数据的内置中间件
app.use(express.json())
// 配置解析 application/x-www-form-urlencode 格式数据的内置中间件
app.use(express.urlencoded({ extend: false }))

5. 第三方的中间件

        非 Express 官方内置的,是第三方开发出来的中间件,叫第三方中间件,项目中可以按需下载并配置第三方中间件

        在 express@4.16.0 之前的版本中,经常使用 body-parser 第三方中间件来解析请求体数据:

        ①  运行 npm i body-parser 安装

        ②  使用 require 导入中间件

        ③  调用 app.use() 注册并使用中间件

        注意:Express 内置的 express.urlencoded 中间件,就是基于 body-parser 进一步封装的

4.  自定义中间件

1. 需求描述与实现步骤

        需求:手动模拟类似于 express.urlencoded 的中间件,解析POST提交到服务器的表单数据

        实现步骤:

                ①   定义中间件

                ②   监听 req 的 data 事件

                ③   监听 req 的 end 事件

                ④   使用 queryString 模块解析请求体数据

                ⑤   将解析出来的数据对象挂载为 req.body

                ⑥   将自定义中间件封装为模块

2. 定义中间件

        使用 app.use() 定义全局生效的中间件

app.use(function(req, res, next){
    // 中间件的业务逻辑
})

3. 监听 req 的 data 事件

        获取客户端发送到服务器的数据

        如果数据量比较大,无法一次性发送完毕,则客户端会把数据切割后,分批发送到服务器。所以data事件可能会触发多次,每次触发。获取到数据只是完整数据的一部分,需要手动对接收到的数据进行拼接

// 定义变量 储存客户端发来的请求体数据
let str = ''
// 监听 req 对象的 data 事件
req.on('data', (chunk) => {
    // 拼接请求体数据,隐式转换为字符串
    str += chunk
})

4. 监听 req 的 end 事件

        请求体数据接收完毕之后会自动触发 req 的 end 事件

        可以在 req 的 end 事件中,拿到并处理完整的请求体数据

// 监听 req 对象的 end 事件
req.on('end', () => {
    console.log(str) // 打印完整请求体数据
    // TOOD: 把字符串的请求体数据,解析成对象格式
})

5. 使用 queryString 模块解析请求体数据

        Node.js 内置了一个 querystring 模块,专门用来处理查询字符串。通过这个模块提供的 parse(), 可以把查询字符串解析成对象的格式

// 导入处理 querystring 的 Node.js 内置模块
const qs = require('querystring')

// 调用 qs.parse() 方法 把查询字符串解析为对象
const body = qs.parse(str)

        注意:qs被弃用

6. 将解析出来的数据对象挂载为 req.body

        上游中间件和下游中间件及路由之间,共享同一份 req 和 res。可以将解析出来的数据,挂载为 req 的自定义属性,命名为 req.body,供下游使用

req.on('end', () => {
    const body = qs.parse(srt)    // 调用 qs.parse() 方法把查询字符串解析成对象
    req.body = body               // 解析出来的请求体对象瓜子
    next()                        // 调用 next(),执行后续逻辑
})    

7. 将自定义中间件封装为模块

        优化结构,封装为独立模块

// custom-body-parser.js 模块代码
const qs = require('querystring')
function bodyParser(req, res, next){ /* 省略 */ }
module.export = bodyParser // 向外导出解析请求体孙书记的中间件函数

---------------------------------------------

// 1. 导入自定义的中间件模块
const myBodyParser = require('custom-body-parse')
// 2. 注册自定义的中间件模块
app.use(myBodyParser )

《web开发: (Node.js)Express 中间件》 一、Express 中间件 1. 什么是中间件 中间件(Middleware ),特指业务流程的中间处理环节。 2. 现实生活中的例子 在处理污水的时候,一般都要经过三个处理环节,从而保证处理过后的废水,达到排放标准。 处理污水的这三个中间处理环节,就可以叫做中间件。 3. Express 中间件 3.1 中间件的概念 3. Express 中间件的调用流程 当一个请求到达 Express 的服务器之后,可以连续调用多个中间件,从而对这次请求进行预处理。 3. Express 中间件 3. 阅读详情

相关推荐

JavaScript与服务器端框架Express

对于服务器端的开发,Express是一款基于Node.js平台的快速Web开发框架,它提供了简洁的API和功能强大的中间件,可让开发者快速搭建Web应用。函数可以定义在一个对象或类中,称为方法;上述代码中,http.createServer函数用于创建一个Web服务器,当有请求时,会调用回调函数并传递请求和响应对象,通过响应对象可以向客户端发送数据。上述代码中,fs.readFile函数用于读取文件,读取过程是异步的,当读取完成后,会调用回调函数并传递错误信息和文件内容,通过回调函数可以处理读取结果。

吃不胖. 210

Express中间件

目录 一.了解中间件 二.定义中间件 1.定义一个局部生效的中间件 2.定义一个全局生效的中间件 3.定义多个中间件遇到的问题 4.中间件有什么作用? 5.总结 三.中间件的分类 1.应用级别中间件 2.路由级别中间件 3.错误级别中间件 4.Express内置中间件 5.第三方中间件 一.了解中间件 中间件(Middleware)是一个概念 用来特指业务流程的中间处理环节 在我们的Express服务器中,也是这样的道理,当客户端请求到达Express服务器后...

世界和我们都不该止步于此 4514

35、JavaScript、Node.js及Express开发知识详解

本博客详细介绍了JavaScript、Node.js及Express框架的开发知识。内容涵盖JavaScript数据操作、函数与控制结构、DOM操作技巧、Node.js基础与高级应用,以及Express框架的优化与扩展方法。适合前端和后端开发者学习和参考,帮助构建功能强大且高效的Web应用程序。

q9r0s的博客 56

Express的中间件,保证让你看的明明白白

/ 常量 mw 所指向的,就是一个中间件函数const mw = function (req, res, next) {console.log("我是一个中间件')// 注意: 在当前中间件的业务处理完毕后,必须调用 next() 函数// 表示把流转关系转交给下一个中间件或路由next()}我么可以使用 app.use()连续定义多个全局中间件。就像之前定义多个静态服务一样。客户端请求到达服务器之后,会按照中间件定义的先后顺序依次进行调用。

军火库 1152

Node.js —— Express 中间件、接口编写、接口跨域 【0基础向Express模块学习】

用易懂的知识和例子让0基础小白也能学懂Express中的中间件,端口编写,解决跨域问题

迪幻的博客 2596

掌握Express与Node.js的开发艺术

本文详细介绍了使用Express框架和Node.js开发服务器端应用的基础知识,包括设置路由、处理静态文件、异步操作以及如何使用Express简化开发流程。

weixin_35749786的博客 346

Express 中间件

1. Express 中间件 1.1 中间件的概念 1. 什么是中间件 中间件(Middleware ),特指业务流程的中间处理环节。 2. 现实生活中的例子 在处理污水的时候,一般都要经过三个处理环节,从而保证处理过后的废水,达到排放标准。 处理污水的这三个中间处理环节,就可以叫做中间件。 3. Express 中间件的调用流程 当一个请求到达 Express 的服务器之后,可以连续调用多个中间件,从而对这次请求进行预处理。 4. Express 中间件的格式 Express 的中间件,本质上就是一个

weixin_43563864的博客 778

Node.js构建动态天气查询网站实战教程

本文还有配套的精品资源,点击获取 简介:本项目展示了如何使用Node.js开发一个能够动态展示全球天气信息的简易网站。通过JavaScript的异步I/O能力,用户能够输入城市名查询实时天气,服务于日常生活或旅行规划。项目包括了Express框架的使用、API集成、模板引擎应用、异步编程、前端交互以及错误处理等技术要点。 1. Node.js基础与非阻塞I/O模型...

weixin_34547628的博客 1150

前后端交互、Node、npm、Express、mysql基础

一、1.初识Node.js 1.1、回顾与思考 1.1.1、思考:为什么JavaScript可以在浏览器中被执行 1.1.2、思考:为什么JavaScript可以操作DOM和BOM 1.1.3、浏览器中的JavaScript运行环境 运行环境是指代码正常运行所需的必要环境。 1.1.4、思考: JavaScript 能否做后端开发 1.2、Node.js简介 1、什么是Node.js **Node.js⑧is a JavaScript runtime built on Chrome’s V8 Jav

linziwang的博客 1831

VS Code/TRAE集成Cppcheck并启用MISRA规则

本文探讨了嵌入式开发中Cppcheck工具集成与MISRA规则检查的必要性。详细介绍了安装配置步骤:安装VSCode/TRAE、Cppcheck软件、配置插件参数、安装Python环境,并重点说明了MISRA规则文件的设置方法。通过完整的配置流程,实现了嵌入式开发环境下静态检查与安全标准的落地。

SDFangFang2025的博客 1282

【HarmonyOS 5】鸿蒙APP使用【团结引擎Unity】开发的案例教程

以下是基于团结引擎开发鸿蒙Unity应用的详细案例教程,整合环境配置、工程适配、跨语言通信等核心环节。

2201_75709314的博客 2483

Node.js 零基础入门 Node.js 零基础入门第三天 3.3 Express 中间件

Node.js 零基础入门 Node.js 零基础入门第三天 3.3 Express 中间件

代码改变世界 426

树莓派上基于ONNXRuntime与Qt的C++模型部署实战指南

本文详细介绍了在树莓派上使用ONNXRuntime与Qt进行C++模型部署的完整流程。从环境配置、依赖安装到交叉编译优化,再到Qt界面集成与ARM架构性能调优,提供了实战指南和常见问题解决方案,帮助开发者高效完成边缘设备上的AI应用部署。

ik6789012的博客 339

node.js基础学习-express框架-路由及中间件(十)

Express 是一个简洁、灵活的 Node.js Web 应用框架。它基于 Node.js 的内置 HTTP 模块构建,提供了一系列用于构建 Web 应用程序和 API 的功能,使开发者能够更高效地处理 HTTP 请求和响应,专注于业务逻辑的实现。其特点包括简单易用、中间件机制丰富、路由系统灵活等。通过使用 Express,可以快速搭建服务器,处理不同类型的请求,如网页渲染、数据接口提供等多种功能。

花姐夫JUN的博客 1719

手把手教你用Gazebo+ROS搭建智能小车机械臂系统(含完整配置文件)

本文提供了一份详细的实践指南,手把手教你使用Gazebo和ROS搭建智能小车机械臂仿真系统。内容涵盖从URDF/Xacro模型设计、Gazebo控制器配置到ROS话题通信与系统集成的完整流程,并提供了可复用的配置文件与调试技巧,帮助开发者快速构建并控制一个功能完备的移动操作机器人平台。

sugar的博客 971

C#实战:5分钟搞定西门子S7-1200 PLC数据读写(S7netplus保姆级教程)

本文详细介绍了如何使用C#和S7netplus库快速实现与西门子S7-1200 PLC的数据读写。从环境准备、连接管理到数据读写高级技巧,提供了保姆级教程和实战方案,帮助开发者绕过常见陷阱,提升工业自动化项目的开发效率。

weixin_28432777的博客 283

用 Node.js 与 Express 构建 Web 服务器:The JavaScript Way 后端实战指南

本文是开源书籍《The JavaScript Way》第 25 章《Create a web server》的中文技术解读。它承接 [第 22 章](https://link.gitcode.com/i/c8e551c79b2e354b1b2b4ab9de5afad7)(消费 Web API)、[第 23 章](https://link.gitcode.com/i/870a249f9b783906

gitblog_00810的博客 874

基于树莓派5的AR头显开发:从硬件选型到Unity整合全解析

增强现实(AR)技术通过将虚拟信息叠加到真实世界,为用户提供沉浸式交互体验。其核心原理依赖于计算机视觉进行环境感知与空间定位,并结合实时3D渲染实现虚实融合。在工程实践中,嵌入式平台因其低成本、低功耗特性,成为探索AR应用边界的重要载体。本项目以树莓派5为核心,通过集成OpenCV进行ArUco标记识别实现精准空间定位,并利用MediaPipe完成手势交互,最终在Unity引擎中完成虚实场景的实时渲染与融合,为开发者提供了一个完整的、可亲手实践的AR系统开发方案。

weixin_32430941的博客 254

前端点滴(Node.js)(五)---- 构建 Web 应用(五)Express中间件、koa 基础与实例

五、Express中间件、koa 基础与实例 一、Express 中间件 语法: app.use() app.use(function(){}) 无论发送任何请求都会执行的中间件。 app.use('/path',function(){}) 只要在请求path路由时才会执行的中间件(无论是POST/GET/其他请求)。 app.method() app.get() ...

授人以鱼 581

探索如何利用CST和ADS进行DDR的SIPI联合仿真

本文系统介绍了CST和ADS两款工具进行DDR信号完整性/电源完整性(SI/PI)联合仿真的方法。CST采用工作室协同方式,通过PCB布局导入、材料设置、模型分配等步骤,重点分析了电源阻抗优化和信号波形质量。ADS则利用SIPro、PIPro等专用工具,突出系统级验证和自动化优化功能。两者各有优势:CST擅长3D结构精确建模,ADS更适于快速系统验证。文章建议可根据项目需求混合使用两种工具,并提供了模型简化、频带选择等实用技巧。通过对比分析,为工程师选择仿真工具提供了决策参考。

一只豌豆象的博客 1150

华为OD 面试手撕代码真题【判断链表是否有环】

华为OD 面试手撕代码真题【判断链表是否有环】

MISAYAONE的博客 7232

Node.js实践与总结

运行环境是指代码正常运行所需的必要环境V8 引擎负责解析和执行 JavaScript 代码内置 API 是由运行环境提供的特殊接口,只能在所属的运行环境中被调用。Node.js 是一个基于 Chrome V8 引擎的JavaScript 运行环境。Node.js 的官网地址:https://nodejs.org/zh-cn打开终端输入node 要执行的 js 文件的路径fs 模块是 Node.js 官方提供的、用来操作文件的模块。它提供了一系列的方法和属性,用来满足用户对文件的操作需求。

weixin_42297355的博客 1828

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

node.js基础学习-express框架-静态资源中间件express.static(十一)

在 Node.js 应用中,静态资源是指那些不需要服务器动态处理,直接发送给客户端的文件。常见的静态资源包括 HTML 文件、CSS 样式表、JavaScript 脚本、图片(如 JPEG、PNG 等)、字体文件和音频、视频文件等。这些文件在服务器端存储,当客户端请求相应的资源时,服务器直接将文件内容发送给客户端,而不需要像动态路由那样进行数据处理或生成内容。

花姐夫JUN的博客 965

深度学习工具包 DeepLearningToolbox

深度学习工具包Deprecation notice.-----This toolbox is outdated and no longer maintained.There are much better tools available for deep learning than this toolbox, e.g. [Theano](http://deeplearning.net/software/theano/), [torch](http://torch.ch/) or [tensorflow](http://www.tensorflow.org/)I would suggest you use one of the tools mentioned above rather than use this toolbox.Best, Rasmus.DeepLearnToolbox================A Matlab toolbox for Deep Learning.Deep Learning is a new subfield of machine learning that focuses on learning deep hierarchical models of data.It is inspired by the human brain's apparent deep (layered, hierarchical) architecture.A good overview of the theory of Deep Learning theory is[Learning Deep Architectures for AI](http://www.iro.umontreal.ca/~bengioy/papers/ftml_book.pdf)For a more informal introduction, see the following videos by Geoffrey Hinton and Andrew Ng.* [The Next Generation of Neural Networks](http://www.youtube.com/watch?v=AyzOUbkUf3M) (Hinton, 2007)* [Recent Developments in Deep Learning](http://www.youtube.com/watch?v=VdIURAu1-aU) (Hinton, 2010)* [Unsupervised Feature Learning and Deep Learning](http://www.youtube.com/watch?v=ZmNOAtZIgIk) (Ng, 2011)If you use this toolbox in your research please cite [Prediction as a candidate for learning deep hierarchical models of data](http://www2.imm.dtu.dk/pubdb/views/publication_details.php?id=6284)```@MASTERSTHESIS\{IMM2012-06284, author = "R. B. Palm", title = "Prediction as a candidate for learning deep hierarchical models of data", year = "2012",}```Contact: rasmusbergpalm at gmail dot comDirectories included in the toolbox-----------------------------------`NN/` - A library for Feedforward Backpropagation Neural Networks`CNN/` - A library for Convolutional Neural Networks`DBN/` - A library for Deep Belief Networks`SAE/` - A library for Stacked Auto-Encoders`CAE/` - A library for Convolutional Auto-Encoders`util/` - Utility functions used by the libraries`data/` - Data used by the examples`tests/` - unit tests to verify toolbox is workingFor references on each library check REFS.mdSetup-----1. Download.2. addpath(genpath('DeepLearnToolbox'));Example: Deep Belief Network---------------------```matlabfunction test_example_DBNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit RBM and visualize its weightsrand('state',0)dbn.sizes = [100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand('state',0)%train dbndbn.sizes = [100 100];opts.numepochs = 1;opts.batchsize = 100;opts.momentum = 0;opts.alpha = 1;dbn = dbnsetup(dbn, train_x, opts);dbn = dbntrain(dbn, train_x, opts);%unfold dbn to nnnn = dbnunfoldtonn(dbn, 10);nn.activation_function = 'sigm';%train nnopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.10, 'Too big error');```Example: Stacked Auto-Encoders---------------------```matlabfunction test_example_SAEload mnist_uint8;train_x = double(train_x)/255;test_x = double(test_x)/255;train_y = double(train_y);test_y = double(test_y);%% ex1 train a 100 hidden unit SDAE and use it to initialize a FFNN% Setup and train a stacked denoising autoencoder (SDAE)rand('state',0)sae = saesetup([784 100]);sae.ae{1}.activation_function = 'sigm';sae.ae{1}.learningRate = 1;sae.ae{1}.inputZeroMaskedFraction = 0.5;opts.numepochs = 1;opts.batchsize = 100;sae = saetrain(sae, train_x, opts);visualize(sae.ae{1}.W{1}(:,2:end)')% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = 'sigm';nn.learningRate = 1;nn.W{1} = sae.ae{1}.W{1};% Train the FFNNopts.numepochs = 1;opts.batchsize = 100;nn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.16, 'Too big error');```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x',28,28,60000))/255;test_x = double(reshape(test_x',28,28,10000))/255;train_y = double(train_y');test_y = double(test_y');%% ex1 Train a 6c-2s-12c-2s Convolutional neural network %will run 1 epoch in about 200 second and get around 11% error. %With 100 epochs you'll get around 1.2% errorrand('state',0)cnn.layers = { struct('type', 'i') %input layer struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %sub sampling layer struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer struct('type', 's', 'scale', 2) %subsampling layer};cnn = cnnsetup(cnn, train_x, train_y);opts.alpha = 1;opts.batchsize = 50;opts.numepochs = 1;cnn = cnntrain(cnn, train_x, train_y, opts);[er, bad] = cnntest(cnn, test_x, test_y);%plot mean squared errorfigure; plot(cnn.rL);assert(er<0.12, 'Too big error');```Example: Neural Networks---------------------```matlabfunction test_example_NNload mnist_uint8;train_x = double(train_x) / 255;test_x = double(test_x) / 255;train_y = double(train_y);test_y = double(test_y);% normalize[train_x, mu, sigma] = zscore(train_x);test_x = normalize(test_x, mu, sigma);%% ex1 vanilla neural netrand('state',0)nn = nnsetup([784 100 10]);opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samples[nn, L] = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.08, 'Too big error');%% ex2 neural net with L2 weight decayrand('state',0)nn = nnsetup([784 100 10]);nn.weightPenaltyL2 = 1e-4; % L2 weight decayopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex3 neural net with dropoutrand('state',0)nn = nnsetup([784 100 10]);nn.dropoutFraction = 0.5; % Dropout fraction opts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex4 neural net with sigmoid activation functionrand('state',0)nn = nnsetup([784 100 10]);nn.activation_function = 'sigm'; % Sigmoid activation functionnn.learningRate = 1; % Sigm require a lower learning rateopts.numepochs = 1; % Number of full sweeps through dataopts.batchsize = 100; % Take a mean gradient step over this many samplesnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex5 plotting functionalityrand('state',0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = 'softmax'; % use softmax outputopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, train_x, train_y, opts);[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');%% ex6 neural net with sigmoid activation and plotting of validation and training error% split training data into training and validation datavx = train_x(1:10000,:);tx = train_x(10001:end,:);vy = train_y(1:10000,:);ty = train_y(10001:end,:);rand('state',0)nn = nnsetup([784 20 10]); nn.output = 'softmax'; % use softmax outputopts.numepochs = 5; % Number of full sweeps through dataopts.batchsize = 1000; % Take a mean gradient step over this many samplesopts.plot = 1; % enable plottingnn = nntrain(nn, tx, ty, opts, vx, vy); % nntrain takes validation set as last two arguments (optionally)[er, bad] = nntest(nn, test_x, test_y);assert(er < 0.1, 'Too big error');```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

SAP B1中文培訓教材_SDK

公司内部培训资料,对开发工具 ,DIAPI, UIAPI,Add-ON有详细解说

node.js自学笔记

Node.js是基于Chrome V8引擎的JavaScript运行环境,主要用于后端开发、实时应用和高并发场景。它不同于浏览器环境,无法调用DOM/BOM等前端API。Node.js可用于命令行工具开发、全栈应用构建等。其核心模块如fs提供文件操作功能,包括readFile()读取文件和writeFile()写入文件方法,通过回调函数处理操作结果。Node.js使JavaScript能够实现全栈开发,统一前后端语言,提升开发效率。

烧酒的博客 208

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

Node.js入门实战:一小时构建Web服务器与Express框架应用

JavaScript运行时环境是现代Web开发的核心基础,它使得JavaScript能够突破浏览器限制,在服务器端执行系统级操作。其原理基于Chrome V8引擎,通过事件驱动和非阻塞I/O模型实现高性能并发处理,这一架构为构建高吞吐量的网络应用提供了技术支撑。在工程实践中,Node.js的价值在于统一了前后端的开发语言,显著提升了全栈开发效率,降低了上下文切换成本。常见的应用场景包括构建RESTful API服务、实时通信应用、命令行工具以及服务端渲染等。本文聚焦于Node.js环境配置、核心模块使用以及

weixin_33709219的博客 465
上一篇: Node.js基础---Express路由
下一篇: Node.js基础---使用Express写接口
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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