Maven的总结1

解决的问题
1,jar包不用放到工程中,而是引用
2,提供了一个jar的统一下载地点。方便
3,jar下载过程中,相关的依赖也会自动的下载过来,帮我们记住了依赖关系。

maven 是什么
1,服务java的自动化构建工具。

构建:
以我们写的java 代码 ,配置文件,html css jsp 等文件作为原材料。生产处可以运行的一个整体。

制作的过程:
1,编译 ,其实就是jdk做的事
2,部署 编译后,还要打包 ,放到容器的具体问题

运行时环境:就是那些jre的jar 和自己maven中的jar

编译问题。
动态的web工程,其实就是将webcontent下边的东西都放在 项目下,和classes同级别。
目录只是为了编译做准备。

maven的整体过程
1,清理:是将之前编译的问题删除。
2,编译:
3,测试:自动化的测试,调用junit。
4,报告:就是测试的结果。
5,打包:web工程就是war包, 如果是java工程就是jar
6,安装:Maven的特定概念。将打包的文件复制到本地仓库的具体位置
7,部署:将war包复制到Servlet容器的指定位置。

因为maven是java写的,运行也是需要jdk

maven的目录结构:为了自动化的构建,主要是编译。
项目名
src
pom.xml

src
main
test

main
java
resource

maven 命令的执行
必须在pom.xml所在的目录执行编译等命令

常用命令 在命令行的执行
mvn clean
mvn compile

关于联网的问题

因为在编译的时候,需要maven的许多插件来进行工作。核心程序中并不包含这些,所以需要下载。

没有的化,第一部会在本地仓库看看有没有,如果没有再联网下载。l如果无法联网,则构建失败。
本地仓库的默认地址就是用户的家目录。.m2\repository
可以修改默认地址

命令解析
mvn compile
mvn test-compile 就是贱test目录的编译
mvn package 会生成jar 还有测试报告。 只打包main的代码

mvn clean 将target 文件夹删除。

训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是一种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用一组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这一过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同一滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在一起。随着网络深度增加,每一层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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