【工具与中间件】Windows Java 基础开发环境配置

CoderSharry CoderSharry 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 500+累计阅读 593平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄4年
关注
原创 最新推荐文章于 2026-08-29 01:42:37 发布 593 阅读 AI 写同款· GEO 优化 ›
从零开始：Windows Java开发环境完整搭建指南 本文详细介绍了在Windows系统上配置Java开发环境的完整流程。主要内容包括：JDK下载与安装（推荐使用Adoptium OpenJDK 17 LTS版本）、环境变量配置（JAVA_HOME、PATH和CLASSPATH设置）、IntelliJ IDEA集成开发环境的安装与配置。文章提供了详细的步骤说明、常见问题解决方案和最佳实践建议，确保读者能够成功搭建Java开发环境并验证其可用性。特别强调了避免中文路径、正确配置环境变量等关键注意事项，适合Java初学者和开发者参考。 阅读详情

文章目录

0. 前言 Preface

当程序猿入职领设备，或者换计算机时，第一反应或许是：又要配开发环境了！这不，我最近就入手了台新设备，作为JAVA程序猿，我又重新配了次开发环境，顺便写下了这次记录。本文记录的是 Windows OS 的基础开发环境，至于Mac 或 Linux，日后有机会再介绍吧！下面开始！

Windows OS 下 JAVA基础开发环境配置。

场景:

  1. 新环境，新设备，需要重新搭建开发环境。
  2. 初学或回顾，一次配置，长期使用。

目标: 参考本文及其他文档，实现基础开发环境配置

  1. JDK
  2. 集成开发工具 IDE
  3. 项目管理工具 Maven
  4. 数据库
  5. 版本管理工具

注意，本文涉及的一些工具破解，仅供学习使用。经济允许的，请多支持正版！

1. Windows基础开发环境

截止至最近一次本文更新，本文适用参考的Windows版本为 Win10 、Win11，
Win 10 以下的软件下载版本与环境配置会略有不同，酌情参考。

1.1 JAVA开发工具 JDK

1.1.1 JDK下载与安装

目前国内常用JDK：JAVA 8 、 JAVA 11 、 JAVA 17 等。
根据自己或公司所需，下载相应版本即可，连接与地址在下方：

下载地址
oracle官网
https://www.oracle.com/java/technologies/downloads/

安装
如果是安装版本，一直下一步即可。

推荐使用免安装绿色版，高版本的 JDK 一般都有免安装绿色版。

如果是JAVA 8 ，官网目前没有提供Windows的JAVA 8 的免安装版本，此时，可以自行提取绿色版。
参考文章：
自提取免安装版本-参考博客
https://www.52gh.top/code/java_jdk.html

1.1.2 环境变量

环境变量配置的目的是让Windows系统能够通过环境变量所指向的文件路径找到JDK，方便开发者在不同的工具中开发并保持版本统一。同时，多JDK的情况下，我们可以通过环境变量来切换本地开发环境的JDK版本。

参考配置方式：
此电脑 -> 高级系统设置 -> 系统变量 -> 创建 “JAVA_HOME” 变量，变量值是JDK安装路径 -> Path变量，加上 " %JAVA_HOME%\bin "

例如:
1.JDK

Environment

配置结果测试
Test

1.2 集成工具 IDE

目前，集成工具推荐使用 免费的 VSCode 和 付费的 IDEA 。老牌免费Eclipse可以用于备选工具。

1.2.1 VSCode

微软提供的工具，通过不同的插件可以实现不同语言、前后端的开发。
VSCode下载地址
https://code.visualstudio.com/download

安装完成后，插件下载、程序运行测试参考文章:
腾讯云社区-VSCode配置JAVA环境参考文章

安装插件

如图所示，安装JAVA Extension包 以及 Code Runner

ExJava

Runner

测试
参考上面提过的教程链接，新建工程，输出 Hello world:

HelloWorld

1.2.2 IDEA

用的最多的集成工具之一。有免费社区版和付费旗舰版。
个人选择的是功能更健全的付费旗舰版。

JetBrans中国站-IDEA下载地址
https://www.jetbrains.com/zh-cn/idea/

异常教程-破解教程链接
https://www.exception.site/
注意，破解版仅供个人学习使用！请勿用于商用！

经济实力允许的话，强烈推荐支持正版！
学生的话，可以上JetBrans官网申请学生教育版许可证；开源作者也可以申请开源许可证，这样就可以免费使用。

正版的好处：

  1. 不用再担心自己的机器码被官方识别，然后引发一系列的问题；
  2. 不用再到处找破解码、破解方式；
  3. 无限试用截止至本文更新日期，网上容易找到的方式仅适用老版本IDEA，正版可跟上时代的步伐；
  4. 不用担心自己找的破解包存在后门的风险；
  5. 自己的设备更新换代时，就算是换了操作系统，正版依然可以平滑过渡！

1.2.3 Eclipse

老牌免费工具。如果将开发工具和汽车作类比，那么IDEA、VSCode、MyEclipse等是自动挡，Elipse则是手动挡。目前，我个人将 Eclipse 作为备用工具。

下载地址
Eclipse官网
https://www.eclipse.org/downloads/

注意，目前，新版Eclipse不再支持较老版本JDK（包括JAVA 8在内），具体支持范围请查看官网。如果读者也要安装一个Eclipse作为备用工具，建议下载Eclipse2019版本（支持JAVA 8）。
不过，相对于其他开发工具，Eclipse的一个好处就是，一台计算机可以配置多个Eclipse，也可以通过插件以及不同版本的Eclipse支持不同语言的开发，也可以同时下载新旧版本Eclipse以应对不同的JDK兼容。这也是Eclipse的一个优点，读者可酌情配置。

1.3 项目管理工具 Maven

Maven 是常用的项目管理工具，主要用于下载并管理项目所需的依赖包、项目打包、构建等。简单来说就是我们做项目的时候要用到很多不同的依赖（即别人写的代码我们直接拿过来用），那么下载、存放这些依赖以及项目打包放进服务器去运行的打包操作，都交给这个工具去管理，平时一般情况我们不需要去怎么管，专心撸代码。

下载地址:
Maven官方下载地址
http://maven.apache.org/download.cgi

参考文章链接：
腾讯云社区-全栈君-Maven下载配置参考文章
https://cloud.tencent.com/developer/article/2083063

参考配置步骤：

  1. 下载并解压

  2. 配置 settings.xml 本地路径与国内镜像
    Maven

    参考配置：

    <!--阿里云镜像-->
     <mirror>
      <id>alimaven</id>
      <name>aliyun maven</name>
      <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
      <mirrorOf>central</mirrorOf>
    </mirror>
<!--本地仓库-->
  <localRepository>
  	E:\Tools\Apache-Maven\Maven3.9.0\apache-maven-3.9.0-repository
  </localRepository>

    将上述参考配置键入settings.xml

Setting

mirror

  1. 配置系统环境变量并测试

    类似于JDK的环境变量配置
    mavenEnv

MavenPath
mvn

注意，如果是用公司的 settings.xml （私有Maven），一般该文件会设置为只读，即一般情况下不能更改，这时候我们直接复制粘贴替换掉Maven原有的 settings.xml 即可。有时，这种 settings.xml 不会指定本地Maven仓库路径，这时候我们可能需要使用IDE的绑定功能绑定本地仓库路径，以支持本地开发。

1.4 数据库 Database

本小节的数据库安装配置以目前使用较多的 Mysql 8 为例。

1.4.1 本地数据库

下载链接
Mysql官网下载连接
https://dev.mysql.com/downloads/mysql/

参考教程链接
编程宝库-Mysql8.0.28参考教程
http://www.codebaoku.com/it-mysql/it-mysql-245146.html

参考步骤
个人有强迫症，采用免安装解压，手动配置数据库路径的方式进行安装，这种方式比官方提供的 Installer 安装方式要麻烦，但胜在可以自定义很多东西。以下步骤参考自上面提供的参考教程链接。

  1. 下载免安装压缩包并解压
    release

  2. 创建my.ini 文件

[mysqld] 
# 设置 3306 端口 
port=3306 
# 设置 mysql 的安装目录 
basedir=E:\Tools\Mysql\mysql-8.0.28-winx64
# 设置 mysql 数据库的数据的存放目录
datadir=E:\Tools\Mysql\mysql-8.0.28-winx64\\data 
# 允许最大连接数 
max_connections=200 
# 允许连接失败的次数。这是为了防止有人从该主机试图攻击数据库系统 
max_connect_errors=50 
# 服务端使用的字符集默认为 UTF8 
character-set-server=utf8 
# 创建新表时将使用的默认存储引擎 
default-storage-engine=INNODB 
# 默认使用“mysql_native_password”插件认证 
default_authentication_plugin=mysql_native_password 
[mysql] 
# 设置 mysql 客户端默认字符集 
default-character-set=utf8 
[client] 
# 设置 mysql 客户端连接服务端时默认使用的端口 
port=3306 
default-character-set=utf8

config

  1. 设置环境变量
    类似于 JAVA 的 环境变量：
    dbEnv

dbEnv

  1. 配置Mysql
    参考上面参考教程链接，管理员运行CMD，依次键入如下命令，十分注意涉及路径的要改成自己实际的路径：
mysqld --initialize-insecure

mysqld --defaults-file=E:\Tools\Mysql\mysql-8.0.28-winx64\my.ini --initialize –console

mysqld install

mysqld --initialize-insecure --user=mysql

net start mysql

mysqladmin -u root -p password root

mysql -uroot -proot

  1. 配置完成
    效果如图：
    dbOK

  2. 注意事项
    这种方式配置本地数据库之后，由于是免安装版本，且初始化数据库时在管理员权限下完成，因此日后本地启动数据库也要用管理员权限启动。

1.4.2 数据库连接工具

如果有远程库，咱们可以通过数据库连接工具连接远程库来进行一些SQL操作。
目前市面上常用的数据库连接工具有很多：Navicat、SQLyog等，此处附一个Navicat 参考链接：
简书-Navicat15配置参考连接
https://www.jianshu.com/p/523c132006aa

Navicat 也是付费软件，若经济允许，请支持正版！

连接测试：
我们来连一下上面配置好的Mysql
catTest

1.5 版本管理工具 Git

Git 下载地址

Git官网
https://git-scm.com/download/win

为了方便随处可用 git bash,我个人选择安装版本的 Git ，并参考以下文章:

优快云-Git下载安装参考文章
https://blog.youkuaiyun.com/mukes/article/details/115693833

当然，喜欢免安装绿色版，并喜欢自己配置的同学，可下载免安装版本，具体版本截图如下：
gitChoose

配置
安装过程请参考上面提到的文章，非常详细。按照上面参考文章安装完毕后，我们需要配置自己的git，用户名账号SSH key等

详细可参考如下：

  1. 配置远程仓库账号信息

打开CMD 或 PowerShell（Win11），参考下列命令配置信息

# 配置用户名
git config --global user.name "username" 
# 配置邮箱
git config --global user.email "username@email.com"   
# 查看配置信息
git config --global --list

测试
在这里插入图片描述

  1. 获取SSH key
    在任意位置 鼠标右键打开 git bash，执行以下命令，一路回车:

    ssh-keygen -t rsa

    生成的SSH key 具体路径在 C:\用户\用户名.ssh 文件夹，参考如下：
    ssh

    记事本打开，复制粘贴进远程仓库 SSH key 配置区域即可。

2. 总结与补充

一些补充建议仅供参考。

2.1 支持正版

重要的事情再强调：本文涉及的付费软件，经济能力允许的同学，强烈建议支持正版！

使用破解版仅用于个人学习，请勿用于商业！

3.2 数据库配置相关

参考建议
如果这不是你的唯一一台开发机，且日常工作/学习绝大部分均处于联网状态，那么可以考虑只安装数据库连接工具，日常连接远程库进行工作和学习，减轻操作本地数据库产生的额外开销（Mysql默认在C盘存储数据、产生进程，线程等）。

3.3 IDEA插件

推荐包括但不限于以下的IDEA插件，提高开发效率:

  1. MybtaisX
    对应Mybatis Plus , 提高持久层开发效率
  2. Alibaba Java Coding Guidelines
    阿里规约，自动检测代码规范
  3. LeetCode
    力扣插件，方便刷题
  4. Lombok
    自动生成getter/setter
  5. Bito
    无需魔法，即可使用GPT！

3.4 总结

JAVA开发工具包+集成工具IDE+数据库+项目管理工具+版本控制工具，下载、配置完上述工具，我们最基础的开发环境就基本配置完成了，可以完成简单的CRUD 以及 远程协助工作。如果是初学的同学阅读本文，也可以尝试跟着操作

本文仅供参考，许多工具并不是唯一，例如数据库可以是Oracle、MongoDB，项目管理工具可以是Gradle, 版本控制可以是SVN，这些工具的配置就要参考其他文章或者等本文更新。

至于更多的中间件，例如Nacos，Sentinel等，需要在后续根据个人需求与实际情况进行下载、配置、整合到咱们项目里。

收录于
工具与中间件

当前文章被收录于：

工具与中间件
14 篇文章 2 人学习
订阅专栏 查看详情
标签
#java #windows #中间件
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
Java 开发环境配置 我们将为大家介绍如何搭建Java开发环境。window系统安装java、Linux 上安装开发环境、Java IDE 介绍 阅读详情

相关推荐

Windows系统下的Java开发环境配置全攻略

Java开发者工具包（JDK）是进行Java应用开发的核心组件，提供了编译Java源代码、运行Java应用程序、文档生成工具以及调试器等重要功能。JDK包含Java运行时环境（JRE）和Java虚拟机（JVM），为开发者提供了从编码到应用部署的全面支持。正确配置JDK是确保开发流程顺利进行的关键步骤。

weixin_42174098的博客 710

Windows下Java环境配置教程

😽这篇博客介绍Java环境的配置，主要是安装JDK，以及path、JAVA_hOME、CLASSPAT的配置，还会介绍配置这些的原因。

trong_ 的烂笔头 6万+

el-table通过上下左右键移动光标

在Element Plus的el-table中包含el-input和el-select组件，要实现上下左右键控制光标位置，需要通过focus和blur跟踪判断当前是哪个el-input或el-select有焦点，当按键按下时，通过监听，计算下一个获取焦点元素的索引，通过focus方法将焦点切换至改元素。

秋思的博客 1350

Java系统环境配置（Windows环境）

在“系统变量”栏，“新建”，“变量名”为“CLASSPATH”，“变量值”为".;%JAVA_HOME%\lib\tools.jar"在”系统变量“中找到”Path“，选中”Path“点击”编辑“选项，选择右边的“新建”，将"%JAVA_HOME%\bin%;"复制到新建的条目中。在“系统变量”下面的”新建“选项，在”变量名“处填上”JAVA_HOME“，”变量值“为JDK安装路径。

“种一棵树最好的时间是十年前，其次就是现在。” 4119

浮点数运算的陷阱与启示：FP16加法器/乘法器开发中的常见误区

本文深入探讨FP16加法器和乘法器开发中的常见误区，包括FP16格式解析、阶码对齐陷阱、尾数运算风险及规格化处理。通过Verilog实战代码展示防御性编程技巧，帮助开发者避免边界条件处理和异常状态管理中的错误，提升硬件设计的可靠性和效率。

dell8的博客 251

通用定时器脉冲计数实验（STM32CubeMx配置）

通用定时器脉冲计数实验

a1169511636的博客 5510

【JAVA】Java 开发环境配置(WIndows篇)

对于很多初学者来说，很多人都会遇到JDK环境变量的配置问题。很多的人出现配置不成功的问题。所以今天在这里分享一下windows系统下安装JDK的教程，希望对Java初学者能有所帮助。

weixin_73602725的博客 3149

sentinel——SLC数据下载、DEM数据下载拼接、精密轨道数据下载方法

Sentinel——SLC数据下载、DEM数据下载、精密轨道数据下载方法 SLC数据下载 网址：https://search.asf.alaska.edu DEM数据下载 1 手动下载 http://srtm.csi.cgiar.org/srtmdata/ 3.在SARscape中使用下载好的DEM 将下载好的DEM放在软件默认下载DEM路径下(默认路径是C:\Users<用户名&g...

u011322358的博客 2万+

Windows系统安装Java开发环境配置

Windows系统下 JDK安装、环境变量配置、常用的Java开发工具推荐

林思少的博客 710

载波同步技术（一）：BPSK的Costas Loop 载波同步

Author：McCrocodile 2010/11/04          载波的提取在相干解调中往往比较重要，根据信号中是否包含载频分量，载波同步一般也可以分为两种方法。包含载频分量的可以采用窄带滤波或者基本的锁相环环路来实现，不包含的则比较麻烦需要采用特殊的环路实现载波的同步。这里介绍的BPSK的载波恢复就属于后面一种。 对于不包含载频分量的信号载波同步一般有：同相-正交环（就是常说的Costas环）、判决反馈环（几乎可以适用所有调制方式）、同相-正交环衍生环（QPSK松尾环、N相同相-正交环）。

McCrocodile Blog 1万+

高数15种常见特殊曲线：星形线、心形线、摆线、对数螺线、双曲螺线、阿基米德螺线、伯努利双纽线、三叶玫瑰线、四叶玫瑰线、六叶玫瑰线、三次抛物线、半立方抛物线、箕舌线、蔓叶线、笛卡儿叶形线、概率曲线

4.1 对数螺线（等角螺线、生长螺线）三叶玫瑰线、四叶玫瑰线、六叶玫瑰线。​7.2 半立方抛物线（尼尔曲线）10.笛卡儿叶形线（茉莉花瓣曲线）常考选择题、填空题，大题也涉及。​4.2 双曲螺线（倒数螺线）11.阿基米德螺线（等速螺线）3.摆线（圆滚线、旋轮线）5.双纽线（伯努利双纽线）1.星形线（四尖瓣线）2.心形线（心脏线）..................

刘鑫磊 1万+

FlyEnv：把 Java 开发环境，从“配置两小时“变成“点击三下“

一款运行在 macOS / Windows / Linux 上的本地开发环境管理工具。不用 Docker、不用虚拟机、不用到处找的教程。官网：https://flyenv.com/zh/ ｜ 开源仓库：https://github.com/xpf0000/FlyEnv ｜ 社区版永久免费。

zbsxcc的博客 253

纳米尺度仿真软件：GROMACS_（3）.分子动力学模拟原理

分子动力学（MD）模拟是一种强大的计算方法，通过数值积分牛顿运动方程，追踪粒子在时间上的位置和速度变化，提供关于体系动力学行为的详细信息。选择合适的力场、设置初始条件、应用边界条件、控制温度和压力、选择合适的时间步长、计算能量和力，是 MD 模拟的关键步骤。通过这些步骤，可以对各种化学、生物和材料体系进行模拟和分析，揭示其结构、动力学和热力学性质。高级应用如反应路径模拟和蛋白质折叠研究，进一步扩展了 MD 模拟的应用范围。

kkchenjj的博客 1100

Windows 上配置 Java 开发环境

Windows 上配置 Java 开发环境

业余幻想家的博客 3882

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面，电脑运行连游戏界面都一样大小，很怀旧，很真实，（英文版）强烈推荐，很小的文件，很难才找到的。

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。

Windows 上配置基础Java开发环境

Windows 配置基础Java开发环境

u011183094的博客 685

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")

Windows平台下Java开发环境的搭建及其开发工具的安装与使用

Windows平台下Java开发环境的搭建及其开发工具的安装与使用 1. Java开发环境的搭建 1.1 jdk的下载与安装 官方链接——点击即可传送 最新版的jdk 17已经出来了 往下翻你会看到jdk 8和jdk 11 此处我以jdk 8为演示范例 现在基本都是64位操作系统 看自己电脑配置自行选择 下载后直接双击运行 jdk-8u321-windows-x64.exe 强调一哈：jdk的安装路径不要有中文，以防后续出错 此处它会先装一个jdk 再安装一个jre 建议不要更换安装路径，以防后续

weixin_46059682的博客 7134

C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正

二、Java 开发环境配置和开发工具

本文讲解了JDK的下载安装方法，配置环境变量的方法，也包含了 IDEA 和 VS Code 的下载与安装方式

fengguu的博客 1183

如何配置JAVA开发环境

选择适合你系统的版本（如 Windows x64 Installer）。现在你的 Java 环境已经配置完成，可以正常运行代码了！JDK 是 Java 开发的核心工具包，包含编译器（等工具自动运行 Java 程序。如果你不想手动编译，可以使用。命令，需要配置环境变量。

2303_77845131的博客 723

Windows10下Java Web 开发环境的配置

Windows10下Java Web 开发环境的配置由于经常性遗忘，所以整理一下 Java Web 开发环境的搭建与配置Windows下 JDK 的下载安装及配置 Windows 下 Tomcat 的下载安装及配置 Windows下 Eclipse 的配置和优化

qq_26689533的博客 6166

【Java】IDEA 配置java开发环境（windows）_idea配置java，零基础入门到精通，收藏这篇就够了

刚才需要临时运行一个java脚本，java还是2、3年前学的，都忘光了。IDEA 2021还在我电脑装着，进去却忘记了怎么配置java环境，这里复习一下。

leah126的博客 1568

【创作话题】Windows 11 开发环境配置与应用开发指南

Windows 11 是微软最新一代的操作系统，它不仅在用户界面上进行了优化，还引入了多项新特性以支持更强大的开发体验。本文将详细介绍如何在 Windows 11 上配置一个高效的开发环境，涵盖从安装必要的工具和软件到设置开发框架的全过程，并提供一些实用的应用开发技巧，帮助您充分利用 Windows 11 的潜力进行开发工作。通过上述介绍可以看出，在 Windows 11 上配置开发环境并不复杂，关键是选择合适的工具链，并遵循良好的开发习惯。

2403_86762465的博客 837

Windows下的Java开发环境配置

Windows下的Java开发环境配置前言1. 前往Oracle网站下载JDK程序并安装。2. 配置环境变量3. CMD运行如下代码，测试我们的安装和配置： 前言 Java源代码从编译到解释执行涉及两种环境，一种是编译环境，一种是运行环境。编译环境和运行环境需要安装特定的软件，这些软件与操作系统相关，在开发和运行时，要下载相应环境的版本软件。 Java SE(Standard Edition 标准...

Fatfishlikeswimming的博客 658
上一篇： 【Linux】命令手册与别名
下一篇： 【计算机基础】计算机基本组成与数值的表示
点赞 1
评论 0
书签 书签 0
CoderSharry
CoderSharry
博客等级 码龄4年 515粉丝 69原创
+ 关注 专栏目录 订阅专栏
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
 
表情包 插入表情
表情包 代码片
 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