MyBatis 3源码分析

mybatis 3.x源码深度解析与最佳实践.html redis设计与实现解读,解析SDSss 立即下载
Mybatis3.2源码分析:
一、加载配置文件。
    使用SAX解析配置文件。读取xml配置文件后,调用XMLConfigBuilder.parse()方法,在parse方法中再调用parseConfiguration()方法,对读取到的配置信息保存到BaseBuilder.configuration中。
     propertiesElement(root.evalNode("properties")); //issue #117 read properties first    
        代码分析:此方法实现将属性信息存入Configuration中。
            1、如果properties节点不为空,查找配置节点中子节点的属性文件并赋值给defaults(Properties类型,继承自HashTable,线程安全的,HashTable集成Dictionary,实现Map接口),否则此方法结束。
            2、查询resource和url,注意两者不能同时配置,否则会抛出异常,最后将resource或url的属性putAll 进入 defaults中,
            3、将defaults变量存入Configuration中去。

      typeAliasesElement(root.evalNode("typeAliases"));
        代码分析:此方法实现将Bean的别名保存在BaseBuilder.typeAliasRegistry中,如果别名为空,则存Bean的SimpleName。
           
      pluginElement(root.evalNode("plugins"));
        代码分析:此方法将插件信息存入configuration中,可以配置属性。configuration.interceptors

      objectFactoryElement(root.evalNode("objectFactory"));
        代码分析:对象工厂,如果为空则默认使用DefaultObjectFactory工厂。configuration.objectFactory
      objectWrapperFactoryElement(root.evalNode("objectWrapperFactory"));
         代码分析:对象包装工厂,如果为空则默认使用DefaultObjectWrapperFactory。configuration.objectWrapperFactory
      settingsElement(root.evalNode("settings"));
         代码分析:先获取settings节点子节点properties属性解析到Properties props中,检查是否由不存在的setter方法,有则抛出异常。没有问题则将pros的值赋值到configuration中去,如果pros中的值为空,则设置一个默认值。
                           详细如下:
                                    configuration.setAutoMappingBehavior(AutoMappingBehavior.valueOf(props.getProperty("autoMappingBehavior", "PARTIAL")));
      configuration.setCacheEnabled(booleanValueOf(props.getProperty("cacheEnabled"), true));
      configuration.setProxyFactory((ProxyFactory) createInstance(props.getProperty("proxyFactory")));
      configuration.setLazyLoadingEnabled(booleanValueOf(props.getProperty("lazyLoadingEnabled"), false));
      configuration.setAggressiveLazyLoading(booleanValueOf(props.getProperty("aggressiveLazyLoading"), true));
      configuration.setMultipleResultSetsEnabled(booleanValueOf(props.getProperty("multipleResultSetsEnabled"), true));
      configuration.setUseColumnLabel(booleanValueOf(props.getProperty("useColumnLabel"), true));
      configuration.setUseGeneratedKeys(booleanValueOf(props.getProperty("useGeneratedKeys"), false));
      configuration.setDefaultExecutorType(ExecutorType.valueOf(props.getProperty("defaultExecutorType", "SIMPLE")));
      configuration.setDefaultStatementTimeout(integerValueOf(props.getProperty("defaultStatementTimeout"), null));
      configuration.setMapUnderscoreToCamelCase(booleanValueOf(props.getProperty("mapUnderscoreToCamelCase"), false));
      configuration.setSafeRowBoundsEnabled(booleanValueOf(props.getProperty("safeRowBoundsEnabled"), false));
      configuration.setLocalCacheScope(LocalCacheScope.valueOf(props.getProperty("localCacheScope", "SESSION")));
      configuration.setJdbcTypeForNull(JdbcType.valueOf(props.getProperty("jdbcTypeForNull", "OTHER")));
      configuration.setLazyLoadTriggerMethods(stringSetValueOf(props.getProperty("lazyLoadTriggerMethods"), "equals,clone,hashCode,toString"));
      configuration.setSafeResultHandlerEnabled(booleanValueOf(props.getProperty("safeResultHandlerEnabled"), true));
      configuration.setDefaultScriptingLanguage(resolveClass(props.getProperty("defaultScriptingLanguage")));
      configuration.setCallSettersOnNulls(booleanValueOf(props.getProperty("callSettersOnNulls"), false));
      configuration.setLogPrefix(props.getProperty("logPrefix"));
      configuration.setLogImpl(resolveClass(props.getProperty("logImpl")));
      configuration.setConfigurationFactory(resolveClass(props.getProperty("configurationFactory")));
      environmentsElement(root.evalNode("environments")); // read it after objectFactory and objectWrapperFactory issue #631
         代码分析:设置运行环境。如果为空,默认使用default。如果设置指定的环境id,则设置事务工厂,设置数据源。并build环境。id,transactionFactory,dataSource都不允许为空。configuration.setEnvironment
      databaseIdProviderElement(root.evalNode("databaseIdProvider"));
         代码分析:获取数据库产品的名称。dataSource为空会抛出异常。注:如果使用多个数据源就需要采用多个SqlSessionFactory的配置,为不同的调用使用不同的SqlSessionFactory,在mybatis中自己是无法实现的,需要使用spring托管数据源方可。
      typeHandlerElement(root.evalNode("typeHandlers"));
         代码分析:自定义数据类型转换。提供javaType和jdbcType的映射。BaseBuilder.typeHandlerRegistry。
      mapperElement(root.evalNode("mappers"));
        代码分析:如果子节点是package,获取package的name。调用configuration.addMappers(mapperPackage);这个方法的内部调用mapperRegistry.addMappers(packageName);在这个方法中根据包名搜索下面的类并添加到knownMappers中,knownMappers是在MapperRegistry中定义的一个final map。mapper.resource使用xml资源文件。mapper.url可以使用绝对地址,理论上讲可以从网络上直接调用地址,可以在远程服务器上传一个xml拿下来解析。mapper.class使用注解方式的时候使用这种方式。
        resource和url两种配置方式都调用了XMLMapperBuilder.parse()方法,解析加载到的mapper文件,调用mapperRegistry.addMapper(Class<T> type)方法。然后移除挂起的ResultMap,挂起的缓存引用,挂起的Statement。
        通过configuration都可以获取这些mapper信息。
    
        在mapperParser.parse().configurationElement():
            
            private void configurationElement(XNode context) {
    try {
      String namespace = context.getStringAttribute("namespace");
      if (namespace.equals("")) {
       throw new BuilderException("Mapper's namespace cannot be empty");
      }
      builderAssistant.setCurrentNamespace(namespace);
      cacheRefElement(context.evalNode("cache-ref"));
      cacheElement(context.evalNode("cache"));
      parameterMapElement(context.evalNodes("/mapper/parameterMap"));
      resultMapElements(context.evalNodes("/mapper/resultMap"));
      sqlElement(context.evalNodes("/mapper/sql"));
      buildStatementFromContext(context.evalNodes("select|insert|update|delete"));
    } catch (Exception e) {
      throw new BuilderException("Error parsing Mapper XML. Cause: " + e, e);
    }
  }
            在这里解析了mapper文件,将
二、创建SqlSessionFactory。
        在第一步加载配置问价您的时候创建了一个configuration对象,将这个对象传入SqlSessionFactoryBuilder,创建一个DefaultSqlSessionFactory的工厂对象。

三、创建SqlSession:
        SqlSession由SqlSessionFactory创建,SqlSessionFactory提供了8种openSession多态方法,不带参数的自动提交为false,SqlSessionFactory还提供一个获取configuration的方法,调用openSession方法获取到一个DefaultSqlSession。

四、获取到Mapper代理:
        使用SqlSession.getMapper(XXXMapper.class)获取代理类,实际获取位置是MapperRegistry.knownMappers。获取到指定接口的MapperProxyFactory,然后MapperProxyFactory.newInstance(sqlSession);(这里使用了动态代理)这样就生成了一个XXXMapper的代理类,返回。
        
五、接口方法调用:
        当调用接口方法的时候,实际上调用的MapperProxy这个类的实例对象中的invoke方法,在invoke方法中使用了方法缓存,最后调用mapperMethod.execute方法。
        下面分析SqlSession.selectOne():这个方法最终会调用到:public <E> List<E> selectList(String statement, Object parameter, RowBounds rowBounds),其中的executor根据是否开启缓存来选择,如果开启缓存:则使用CacheingExecutor.query,如果没有再调用BaseExecutor.query查询结果,并将查询出来的结果存放到CachingExecutor中的tcm(TransactionalCacheManager)对象中,TransactionalCacheManager内部使用了HashMap存储缓存和事务缓存。接着我们看BaseExecutor.query的调用,
它最终调用到:
        private <E> List<E> queryFromDatabase(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler, CacheKey key, BoundSql boundSql);
        BaseExecutor : protected abstract <E> List<E> doQuery(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler, BoundSql boundSql);
        SimpleExecutor : public <E> List<E> doQuery(MappedStatement ms, Object parameter, RowBounds rowBounds, ResultHandler resultHandler, BoundSql boundSql) throws SQLException;
        经过一系列中转,最终调用到jdbc预编译,和执行,之后按照要求组装查询到的数据。
            
六、在Mybatis中使用了的设计模式:
1、动态代理,最典型的是通过动态代理委托MapperProxy执行相关数据操作。
2、装饰器模式:开启缓存的时候,Caching包装了SimpleExecutor;对象工厂装饰器objectFactoryWrapper。
3、工厂模式:SqlSessionFactory的使用,还有MapperProxyFactory。
4、构造器模式:构建Configuration对象的步骤。
使用Mybatis相关:
5、SqlSessionFactory无需重复创建,在使用时应该使用单例模式调用。


mybatis-3.4.4(包含源码,中文帮助文档PDF,JAR包)[超清晰版] 文档是Mybatis在github上的官方中文教程文档,很详细的讲解的mybatis的用法。pdf文档是文字版可复制,是我通过工具将官方的中文文档转化为pdf的,如果好用的话,希望大家给个好的评论(好资源就是要分享) 立即下载

相关推荐

mybatis 3.x源码深度解析与最佳实践1.html.zip

还不错的MyBatis源码分析资料,对学习MyBatis有不错的帮助,可以参考学习,不懂的可以交流哈 V:study_51ctofx

mybatis百度云盘分享

链接:https://pan.baidu.com/s/1VpzbSHjb-csCfKv9thL-mg 提取码:g42z 下载地址:https://github.com/mybatis/mybatis-3/releases

m0_67390788的博客 615

深入浅出MyBatis技术原理与实战.pdf 高清

《深入浅出MyBatis技术原理与实战》不是一本味同嚼蜡的理论专著,而是一本MyBatis 的实践指南,无论你是Java 程序员、MyBatis开发者,还是Java 持久层框架的研究者,你都能从本书中收获知识。

Mybatis3源码全解析

Mybatis架构: 图自:MyBatis整体架构_tiankong_12345的博客-优快云博客_mybatis架构 Mybatis架构分三层: 第一层:SqlSession 这是使用mybatis的主要接口,通过这个接口我们可以执行命令,获取mapper或者管理事务。 Through this interface you can execute commands, get mappers and manage transactions. 第二层:核心处理层 配置解析模块:myb

MieMieFly的专栏 1318

iPad秒变Mac副屏的隐藏技巧:用BetterDisplay实现无线竖屏+90度锁定

本文详细介绍了如何利用BetterDisplay软件突破苹果原生“随航”(Sidecar)功能的限制,将iPad无线设置为Mac的竖屏副屏,并实现90度方向锁定。通过创建虚拟显示器、配置分辨率与旋转参数,并校准鼠标指针,用户可以高效利用iPad的纵向空间进行文档阅读、编码等工作,显著提升多屏协作效率。

weixin_29266647的博客 609

【Apollo规划模块探秘】—— 场景(Scenario)驱动的决策引擎

本文深入解析了Apollo自动驾驶平台规划模块的核心机制——场景(Scenario)驱动的决策引擎。文章通过类比日常驾驶,阐述了规划模块如何像经验丰富的司机一样,根据不同的路况(如车道跟随、无保护左转)切换不同的“驾驶模式”。重点剖析了场景管理器(ScenarioManager)如何基于感知信息进行场景判断与切换,以及“场景-阶段-任务”双层状态机如何精密协作,实现灵活、高效且安全的轨迹规划。

rnn9storyteller的博客 279

Mybatis3源码分析(1)生命周期与核心配置解读以及批量操作

单独用mybatis编程式进行DB操作 --------------------利用mapper String resource = "mybatis-config.xml"; InputStream inputStream = Resources.getResourceAsStream(resource); SqlSessionFactory sqlSessionFactory = new Sq...

yakax的博客 249

【Telephony】Telephony总纲!Phone进程流程(AOSP)

整个Framework层的Telephony框架运行在一个叫做Phone(com.android.phone)的进程中。 Phone进程启动的过程中,会初始化非常多的分支功能,SIM卡流程初始化就是其中之一,所以我觉得有必要写一下Phone进程的框架

weixin_44513784的博客 1979

MyBatis3-源码剖析

MyBatis3-源码剖析

冰点契约的博客 517

去面试游戏测试工程师,面试官看着我的简历呆住了

!我个人整理了我这几年软件测试生涯整理的一些技术资料,包含:电子书,简历模块,各种工作模板,面试宝典,自学项目等。欢迎大家点击下方名片免费领取,千万不要错过哦。

MXB1220的博客 7333

unity转微信小游戏:UI大小设置

unity转微信小游戏:UI大小设置

会潜水的小火龙的博客 3283

GitHub上标星2.9w+,20年IT老码农整理分享内部绝密MyBatis源码深度解析文档,直接涨薪20K~

前言 MyBatis作为持久层框架,以其小巧轻便、SQL可配置、使用简单等特点深受广大Java开发者喜爱。 然而大多数开发人员对MyBatis框架的理解仅局限于使用,并不理解框架底层的实现原理。作为一名开发人员,阅读开源框架的源码,可以学习源码中对设计模式及面向对象设计原则的应用,有助于提升自身编码能力。笔者在工作之余,深入研究了MyBatis框架的源码,本文将会从源码的角度分析MyBatis框架各个特性的实现原理。 本文特征: 追本溯源︰从MyBatis的基本应用出发,挖掘底层实现,深入理解MyB

程序员高级码农 1414

Orange3实战教程:实例---文本分类

我们可以使用预测模型按作者、类型、情感等对文档进行分类。在此工作流中,我们根据文档的Aarne Thompshon Uther索引对文档进行归类,这是故事的主题定义。我们使用两个简单的学习器,Logistic回归和朴素贝叶斯,两者都可以在诺谟图中检查。然后再从可视化分类中添加列线图组件,观察哪些词对逻辑回归最重要。也可以尝试使用在朴素贝叶斯模型上,并编辑连线属性。再从模型中添加朴素贝叶斯模型,以尝试不同的学习器。

err2008的专栏 386

Mybatis3源码分析(01)-前期准备

Mybatis3源码分析(01)-前期准备

weixin_33695082的博客 95

MATLAB 控制 E4438C 信号源的研究

通过 MATLAB,我们可以实现对 E4438C 的远程控制,从而实现更高的自动化和可编程性。总结起来,通过使用 MATLAB 和 Instrument Control Toolbox,我们可以轻松地控制 E4438C 信号源并生成各种类型的信号。需要注意的是,以上代码仅为示例,实际应用中可能需要根据具体情况进行更详细的配置和错误处理。此外,MATLAB 还提供了一系列函数和命令,可用于控制 E4438C 信号源的其他功能,如频率调谐、功率设置、调制设置等。您可以根据自己的需求进行相应的配置和控制。

RswtPerl的博客 1014

apollo-慢速车向左绕行

当主车前方出现其他车辆时,通过左侧车道对前车绕行。

是菜鸟o的博客 313

mybatis3.4.6 源码分析笔记

官网配置教程: http://www.mybatis.org/mybatis-3/ 源码下载: 常用使用说明 使用mybatis集成pom配置 使用我的练习项目;第一次自己搭maven 可以在一个maven工程里放子工程,这个方式还挺好的;两个子项目可以共用父项目的pom配置 &amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;amp;lt;dependencies&amp;amp;amp;a

神武舞 1158

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&#39;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(&#39;DeepLearnToolbox&#39;));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(&#39;state&#39;,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&#39;); % Visualize the RBM weights%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NNrand(&#39;state&#39;,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 = &#39;sigm&#39;;%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, &#39;Too big error&#39;);```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(&#39;state&#39;,0)sae = saesetup([784 100]);sae.ae{1}.activation_function = &#39;sigm&#39;;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)&#39;)% Use the SDAE to initialize a FFNNnn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;;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, &#39;Too big error&#39;);```Example: Convolutional Neural Nets---------------------```matlabfunction test_example_CNNload mnist_uint8;train_x = double(reshape(train_x&#39;,28,28,60000))/255;test_x = double(reshape(test_x&#39;,28,28,10000))/255;train_y = double(train_y&#39;);test_y = double(test_y&#39;);%% 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&#39;ll get around 1.2% errorrand(&#39;state&#39;,0)cnn.layers = { struct(&#39;type&#39;, &#39;i&#39;) %input layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 6, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 2) %sub sampling layer struct(&#39;type&#39;, &#39;c&#39;, &#39;outputmaps&#39;, 12, &#39;kernelsize&#39;, 5) %convolution layer struct(&#39;type&#39;, &#39;s&#39;, &#39;scale&#39;, 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, &#39;Too big error&#39;);```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(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex2 neural net with L2 weight decayrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex3 neural net with dropoutrand(&#39;state&#39;,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, &#39;Too big error&#39;);%% ex4 neural net with sigmoid activation functionrand(&#39;state&#39;,0)nn = nnsetup([784 100 10]);nn.activation_function = &#39;sigm&#39;; % 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, &#39;Too big error&#39;);%% ex5 plotting functionalityrand(&#39;state&#39;,0)nn = nnsetup([784 20 10]);opts.numepochs = 5; % Number of full sweeps through datann.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);%% 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(&#39;state&#39;,0)nn = nnsetup([784 20 10]); nn.output = &#39;softmax&#39;; % 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, &#39;Too big error&#39;);```[![Bitdeli Badge](https://d2weczhvl823v0.cloudfront.net/rasmusbergpalm/deeplearntoolbox/trend.png)](https://bitdeli.com/free "Bitdeli Badge")

Mybatis3.5.4源码分析-3- 获取mapper,反射调用查询

BlogMapper mapper = session.getMapper(BlogMapper.class); mybatis中,通过session.getMapper来获取mapper接口的实现类,同样的,ctrl+alt+B 进入这个方法的默认实现 org.apache.ibatis.session.defaults.DefaultSqlSession#getMapper 中: @Override public <T> T getMapper(Class<T> t.

weixin_41300437的博客 1592

最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版

Part-E1-SDIO-Specification-Ver4.00-Final-120220.pdf:最新的sdio 4.0 spec 协议标准 带书签 高清完整PDF版,包括SDIO 接口的外设,SDIO 接口官方协议等。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

mybatis3源码分析

1.原生JDBC查询 编写sql–》预编译sql–》参数设置–》执行sql–》结果封装 2.半自动框架 与Hibernate不同,Hibernate是全自动映射框架,目的是消除sql,但是消除sql的同时,Hibernate又失去了灵活性和sql优化空间,尽管提出了一个HQL概念,但是又增加了学习成本。所以,mybatis在这种背景下发展起来的,mybatis选择不封装sql编写操作(mapper.xml文件),封装其他JDBC操作,追求的是封装性,又不失sql灵活性。 3.mybatis前言 与所有框架

weixin_39296289的博客 411

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

Mybatis 源码分析3

cursor (1)Cursor 指针接口 isOpen 指针是否打开 isConsumed 是否被消费 getCurrenIndex 获取当前索引 cursor.default (1)DefaultCurcor mybatis 的 Cursor 接口的默认实现 这个实现不是线程安全 datasource (1)DataSourceException 数据源异常封装类...

时光钟摆 578

Mybatis3源码分析(3)流程走向

分析源码我们还是从编程式demo入手 我们通过建造者模式创建一个工厂类,配置文件的解析就是在这一步完成的,包括 mybatis-config.xml 和 Mapper 适配器文件。 首先进入build 进入XMLconfigBuilder–这里就是配置文件创建的地方 可以看到这里有很多解析文件的类 解析节点–这里可以看出文件只解析了一次。 解析文件还是比较简单的,基本上就是读取文...

yakax的博客 220

【mybatis3】MyBatis源码分析

MyBatis源码分析

wufaqidong1的博客 328

【mybatis源码】3、插件源码分析

请先看: mybatis源码分析:https://blog.youkuaiyun.com/hancoder/article/details/110152732 Mybatis允许我们在四大对象执行的过程中对其指定方法进行拦截,这样就可以很方便了进行功能的增强,这个功能跟Spring的切面编程非常类似。 文章目录helloworld预热jdbcmybatis四大对象插件原理插件的代理来源代理执行器①getSignatureMap(interceptor)②getAllInterfaces③Proxy.newProxyIn

努力充实,远方可期 455

MyBatis源码分析(3)

解析select\insert\ update\delete标签中的SQL语句,最终将解析到的SqlNode封装到MixedSqlNode中的List集合中。SimpleExecutor:简单执行器,每执行一条 sql,都会打开一个 Statement,执行完成后关闭;BaseExecutor:基础执行器,封装了子类的公共方法,包括一级缓存、延迟加载、回滚、关闭等功能;功能,并且在当前 sql 和上一条 sql 完全一样的时候,重用 Statement,在调用。问题:sql占位符如何进行的替换?

u010156553的博客 146

Mybatis3源码分析(12)-Sql解析执行-MetaObject

MetaObject MetaObject类相当于一个工具类,Mybatis在sql参数设置和结果集映射里经常使用到这个对象。下面来详细分析一下这类。 这个类有四个属性,其中两个基本不用看。 //原始的对象 private Object originalObject; //对原始对象的一个包装 private ObjectWrapper objectWrapper;

ashan 4400
上一篇: Java动态代理实现
下一篇: 给定一个值S,在有序数组中找出两个元素A和B,使 A+B = S.
七郎
博客等级 码龄14年 31粉丝 44原创
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