在Servlet中使用JDBC访问数据库

JDBC数据库访问与Servlet实现简单登录界面 一、JDBC访问技术 JDBC访问数据库一共分为7个步骤 1.加载驱动 首先需要将MySQL的包mysql-connector-java-5.1.37.jar放在项目的lib文件下,由于本项目用servelet实现登录界面,故还有jstl-1.2.jar包且都将其web的lib文件下,且将其Add as library 加载驱动就一行代码 Class.forName("com.mysql.jdbc.Driver"); 以下是剩余六步 //2.获取数据库连接对象 Connection conn = Dri 阅读详情
(1) 新建用户注册表单页 index.jsp
<%@ page language="java" import="java.util.*" pageEncoding="UTF-8"%>
<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN">
<html>
  <head>
  </head>

  <body>
    <form action="login" method="post" id="myform">
        <table align="center">
            <tr>
                <td>用户名:</td>
                <td><input type="text" name="name" title="用户名"/></td>
            </tr>
            <tr>
                <td>密码:</td>
                <td><input type="password" name="pwd" title="密码" /></td>
            </tr>
            <tr>
                <td>性别:</td>
                <td>
                    <input type="radio" name="sex" value="男" title="性别"/>男
                    <input type="radio" name="sex" value="女" title="性别"/>女
                </td>
            </tr>
            <tr>
                <td>年龄:</td>
                <td><input type="text" name="age" title="年龄" /></td>
            </tr>
            <tr>
                <td>Email:</td>
                <td><input type="text" name="email" title="Email" /></td>
            </tr>
            <tr>
                <td colspan="2" align="center">
                    <input type="button" value="注 册" onclick="check()"/>
                    <input type="reset" value="重 置" />
                </td>
            </tr>
        </table>
    </form>
  </body>
  <script type="text/javascript">
  // 检查表单元素的值是否为空
    function check(){
        var myform = document.getElementById("myform");
        for(var i=0; i<myform.length; i++ ){
            if(myform.elements[i].value == ""){
                alert(myform.elements[i].title + "不能为空");
                myform.elements[i].focus();
                return;
            }
        }
    myform.submit();    // 表单中最后input提交标签用的是button类型,首先不提交表单,在js判断表单项都不为空时 再提交表单。
    }
  </script>
</html>
(2) 新建名为UserInfo的JavaBean类,用于封装用户的注册信息。
package com.user;

/**
 * UerInfo的JavaBean类,该类用于封装用户的注册信息
 * 
 * @author yilong
 * 
 */
public class UserInfo {
    private String userName;
    private String userPwd;
    private String userSex;
    private int userAge;
    private String email;

    public UserInfo() {
    }

    public String getUserName() {
        return userName;
    }

    public void setUserName(String userName) {
        this.userName = userName;
    }

    public String getUserPwd() {
        return userPwd;
    }

    public void setUserPwd(String userPwd) {
        this.userPwd = userPwd;
    }

    public String getUserSex() {
        return userSex;
    }

    public void setUserSex(String userSex) {
        this.userSex = userSex;
    }

    public int getUserAge() {
        return userAge;
    }

    public void setUserAge(int userAge) {
        this.userAge = userAge;
    }

    public String getEmail() {
        return email;
    }

    public void setEmail(String email) {
        this.email = email;
    }

}

(3) 在servlet中使用JDBC访问数据库。可以将数据库连接的代码单独写成一个类,这样在其他的功能模块中可以实现代码的重用。新建名为MySQLDBCon的类,该类主要包含一个建立数据库连接的方法
package com.dbCon;

import java.sql.Connection;
import java.sql.DriverManager;

public class MySQLDBCon {
    private static Connection conn = null;

    public static Connection getCon() {
        try {
            Class.forName("com.mysql.jdbc.Driver");
            String user = "root";
            String pwd = "123456";
            String url = "jdbc:mysql://localhost:3306/login_user";
            conn = DriverManager.getConnection(url, user, pwd);
        } catch (Exception e) {
            e.printStackTrace();
        }
        return conn;
    }
}
(4) 新建名为LoginDao的类,该类中包含一个保存用户注册信息到数据库的方法和一个获得本实例的静态方法
package com.dao;

import java.sql.Connection;
import java.sql.PreparedStatement;
import java.sql.SQLException;

import com.dbCon.MySQLDBCon;
import com.user.UserInfo;

public class LoginDao {
    private static LoginDao instance = null;

    public static LoginDao getInstance() {
        if (instance == null) {
            instance = new LoginDao();
        }
        return instance;
    }

    // 保存用户注册信息
    public boolean saveUser(UserInfo user) {
        Connection conn = null;
        try {
            conn = MySQLDBCon.getCon(); // 建立数据库连接
            String sql = "insert into userinfo(userName,userPwd,userSex,userAge,email) values(?,?,?,?,?)"; // insert
                                                                                                            // SQL语句=
            PreparedStatement pstmt = conn.prepareStatement(sql); // 创建用户操作执行SQL语句的PreparedStatement对象
            pstmt.setString(1, user.getUserName());
            pstmt.setString(2, user.getUserPwd());
            pstmt.setString(3, user.getUserSex());
            pstmt.setInt(4, user.getUserAge());
            pstmt.setString(5, user.getEmail());
            pstmt.executeUpdate(); // 编译执行insert语句
            return true;
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                conn.close();
            } catch (SQLException e) {
                e.printStackTrace();
            }
        }
        return false;
    }
}
(5) 新建名为LoginServlet的Servlet类,在该类的doPost()方法中获得表单提交的用户注册信息,并将这些信息封装到用户信息类UserInfo中,然后调用LoginDao中的方法将注册信息保存到数据库中
package com.servlet.login;

import java.io.IOException;

import javax.servlet.ServletException;
import javax.servlet.http.HttpServlet;
import javax.servlet.http.HttpServletRequest;
import javax.servlet.http.HttpServletResponse;

import com.dao.LoginDao;
import com.user.UserInfo;

public class LoginServlet extends HttpServlet {

    private static final long serialVersionUID = 1L;

    public void doPost(HttpServletRequest request, HttpServletResponse response)
            throws ServletException, IOException {

        response.setContentType("text/html");
        request.setCharacterEncoding("UTF-8"); // 设置请求的字符编码格式,与JSP登陆界面的字符编码保持一致

        /** 以下是获得表单提交过来的值 **/
        String name = request.getParameter("name");
        String pwd = request.getParameter("pwd");
        String sex = request.getParameter("sex");
        String age = request.getParameter("age");
        int userAge = 0;
        if (age != null && !age.equals("")) {
            userAge = Integer.parseInt(age);
        }
        String email = request.getParameter("email");

        /** 以下代码将获得的表单值封装到用户信息对象中 **/
        UserInfo user = new UserInfo();
        user.setUserName(name);
        user.setUserPwd(pwd);
        user.setUserSex(sex);
        user.setUserAge(userAge);
        user.setEmail(email);
        boolean flag = LoginDao.getInstance().saveUser(user); // 将用户注册信息保存到数据库
        // [request.getRequestDispatcher]和[response.sendRedirect]两种请求转发的区别:
        // 前者转发时,URL地址不会改变,而后者转发时URL会发生变化。其次,前者的请求响应为同一个,而后者是重新创建新的请求与响应对象。
        if(flag){       // 当注册成功时,转发到success.jsp页面
            request.getSession().setAttribute("userName", user.getUserName());
            request.getRequestDispatcher("success.jsp").forward(request, response);
        }else{      // 否则,转发到errorpage.jsp页面,显示错误信息!
            response.sendRedirect("errorpage.jsp");
        }
    }

}
(6) 新建错误页面errorpage.jsp,显示出错信息。
<%@ page language="java" contentType="text/html; charset=UTF-8"
    pageEncoding="UTF-8"%>
<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=UTF-8">
<title>登陆失败</title>
</head>
<body>
    <h2>登陆失败,请重新登陆!</h2>
    <!-- 保留原页面信息的脚本回退方式 -->
    <a href="javascript:history.back()">返回</a>

    <!-- 保留原页面信息的脚本回退方式 -->
    <!-- <a href="index.jsp">返回</a> -->
</body>
</html>

将获取数据库连接的代码、表单数据以及数据库的操作都封装在独立的类中,而Servlet只是负责调用这些类,这样便充分地体现了Servlet作为控制器(Controller)角色的作用。

关于android访问servlet 获取数据库数据的一般步骤 第一节jdbc连接数据库 关于android访问servlet 获取数据库数据的一般步骤 第一节 ** android端通过服务器访问数据库并获得数据一般分为三个步骤。 ** 1、第一步,服务端即servlet,通过jdbc连接数据库,获得表中部分或全部数据。 2、servlet将数据(一般为List数据集合)处理之后发送给android端。 3、android端获得数据后,解析成自己所需要的数据。 ** 一、servl... 阅读详情

相关推荐

8、Java Servlet与JDBC数据库访问技术详解

本文详细介绍了Java Servlet中的包含与转发操作,以及JDBC数据库访问技术。通过示例代码讲解了Servlet之间的请求包含和转发控制的实现方式,并深入解析了JDBC的核心API、访问数据库的四个步骤以及相关的代码实践。文章旨在帮助开发者更好地理解Servlet和JDBC技术,以提升Java Web应用程序的性能与安全性。

play7的博客 68

jsp+servlet+jdbc实现学生表的CRUD

1.技术使用 jsp+Servlet+jdbc idea 2020.3 Mysql 5.8 tomcat 8.5 sqlYog 8.7 2.准备工具 jdbc 驱动下载: 针对于5.8以上的mysql驱动要专门的升级驱动 传送门: mysql-connector-java-8.0.13.jar/.keep · xuge/java - Gitee.com 3.框架搭建 3.1建立学生信息表 CREATE TABLE studentbase ( id INT UNSIGNED NOT

yang6094837867的博客 2022

[原创]Linux 802.11n CSI tool Monitor模式

Linux 802.11n CSI tool Monitor模式 使用AP模式的缺陷在于ping 命令速度比较慢,且不能精确控制发送的参数,比如接收的包数量是不可控的。Monitor模式可以调制发送速率、发包数量、发送天线个数、HT模式、short/long guard interval等等,因此调通Monitor模式是必须的。期间参考了博主沃一德的CSI Tool安装使用讲解,对他的工作表示感...

u014645508的博客 1万+

使用Servlet做一个单表的CRUD

使用Servlet做一个单表的CRUD

欢迎阅读我的博客 490

最新测算源码PHP算命源码-风水八字-八字起名-塔罗牌占卜

未来,随着技术的发展和用户需求的变化,我们可以继续对系统进行升级和优化,以满足更多用户的需求和期望。数据库设计:创建一个名为bazi的数据库表,包含以下字段:id(自增ID)、name(姓名)、sex(性别)、birth_date(出生日期)、birth_time(出生时间)、bazi(八字结果)。数据库设计:创建一个包含塔罗牌信息的数据库表,如tarot_cards,包含字段:id(塔罗牌ID)、name(塔罗牌名称)、meaning(塔罗牌含义)等。根据操作系统的不同,PHP的安装方法会有所不同。

shanbeizi的博客 2421

基于ROS的机械臂手眼标定-Aruco使用与相机标定

基于ROS的机械臂手眼标定-Aruco使用与相机标定 折腾了一段时间的机械臂的手眼标定,相关资料挺多的,但使用起来都比较复杂,新手一般比较难搞懂。于是想做一个比较简单易懂易用的手眼标定程序。 程序都是Copy的开源代码,所以也开源出来: 开源地址:https://gitee.com/ohhuo/handeye-calib 作为手眼标定中的重要一环,相机中标定板位姿关系获取直接影响标定精度,我们使用aruco这个开源程序来实现坐标的获取。 #mermaid-svg-WkFpFkV4QqzXMvJ4 .labe

生活不止眼前的苟且 1万+

JDBC+Servlet实现CRUD操作(实例)

相信使惯了MyEclipse的童鞋,突然在eclipse下做类似JDBC+SERVLET,STRUTS,HIBERNATE,SSH项目肯定遇到很多问题(同感的赞一个),话不多说,直接开始实战演练: 数据库表:TB(BID,BNAME,BSEX,BAGE) 1.在eclipse中新建项目(Dynamic Web Project)名字就叫JDBCDemo; 2.创建package,c...

沧海一小粟 910

PLCopen运动控制避坑指南:单轴功能块常见报错排查(基于SM3_Basic函数库)

本文深入解析PLCopen运动控制中单轴功能块的常见报错问题,基于SM3_Basic函数库提供实用排查指南。从功能块逻辑错误与硬件报错的甄别技巧到高频报错场景的解决方案,帮助工程师快速定位并解决运动控制系统中的稳定性问题,提升工业自动化设备的运行效率。

weixin_33686714的博客 318

JSP Servlet JDBC MySQL 创建读取更新删除 (CRUD) 示例

在本 Java 教程中,我们将帮助您了解编写基本 Java Web 应用程序的过程,该应用程序管理具有基本功能的书籍集合:列表、插入、更新、删除(或 CURD 操作 - 创建、更新、读取和删除)。该应用程序看起来像这样: 您将学习如何使用以下技术构建此应用程序: Java Servlet 和 Java 服务器页面 (JSP) JSP 标准标签库 (JSTL) Java 数据库连接 (JDBC) MySQL数据库 Apache Tomcat 服务器 我们使用 Eclipse IDE

allway2的博客 1801

优化相机姿态和三维点云的Bundle Adjustment算法及其编程实现

重投影误差是指将优化后的相机姿态和三维点云投影到图像平面上,与对应的图像特征点之间的距离。Bundle Adjustment(捆绑调整)是一种用于同时优化相机姿态和三维点云的算法,它可以提高三维重建和相机定位的精度。下面是一个简单的Python示例代码,演示了如何使用Bundle Adjustment算法优化相机姿态和三维点云的参数。通过以上步骤,Bundle Adjustment算法可以不断地优化相机姿态和三维点云的参数,从而提高重建和定位的精度。Bundle Adjustment算法的编程实现。

CyberXZ的博客 741

LPDDR6来了!带你一文看懂它和LPDDR5/5X的差距 + 技术演进逻辑全解析

🧠从速率到架构,从总线宽度到协议设计,LPDDR6 每一个改动都不是拍脑袋做的,它针对的是AI / HPC / 云计算 / 下一代笔记本平台的真实需求。作为工程师的我们,不仅要“用得上”,更要“测得准”,因为没有测试验证,就没有量产落地!🎯LPDDR6不是未来,而是现在进行时!

weixin_43199439的博客 2177

JDBC数据库的访问

JDBC(Java Database Connectivity)是 Java 用于连接和操作数据库的标准 API。

m0_74268441的博客 1235

Q3D提取PCB走线RLCG参数

介绍一种提取PCB走线寄生电容和寄生电感的方法

sinat_15150363的博客 2927

jdbc 访问数据库和Servlet

jdbc 访问数据库和Servlet 步骤: JDBC编程有6步,分别是: 1.加载sql驱动 2.使用DriverManager获取数据库连接 3.使用Connecttion来创建一个Statement对象 Statement对象用来执行SQL语句 4.执行SQL语句 5.操作结果>- ###### 6.回收数据库资源。 public class dem...

qq_45393105的博客 307

YOLOv4目标检测算法——通俗易懂的解析

YOLOv4目标检测算法——通俗易懂的解析

chase 7136

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

java服务器端开发-servlet:3、Servlet使用jdbc访问数据库、mysql的简单使用、重定向

目录 一、前言 二、Servlet使用jdbc访问数据库、重定向 1、使用jdbc访问数据库 step1,添加驱动 step2,要注意异常的处理 2、mysql的简单使用 (1)登录mysql (2)查看当前有哪些数据库 (3)创建一个新的数据库 (4)使用某个数据库 (5)查看当前数据库有哪些表 (6)建表 (7)查询表 3、重定向 (1)什么是重定向? (2...

鲁迷那的专栏—坚持实践后再写出来! 779

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

servlet使用JDBC访问数据库

文章目录(1)访问步骤(2)servlet使用JDBC访问数据库 (1)访问步骤 步骤一:将JDBC驱动(.jar文件)放到WEB-INF\lib下 原因:ClassLoader找到字节码文件,然后加载到JVM的方法区中,变成一个对象。Tomcat都有自己的类加载器,会去WEB-INF下面lib中找字节码文件。(jar包中的都是字节码文件.) 步骤二、编写JDBC代码,需要注意异常的处理 (2)...

匿名攻城狮 2739

计算机控制技术及应用

《计算机控制技术及应用》通过总结作者的科研成果和吸收国内外的先进理论、方法和技术,以计算机控制系统的网络化、开放化、智能化和集成化发展趋势为主线索,主要介绍计算机控制系统的基本概念和计算机控制系统的典型形式,计算机控制系统的数学描述与基本分析方法,以及数字PID控制器、最少拍控制系统、达林算法、状态变量设计法等设计方法及其各种改进算法。重点突出计算机控制系统输入输出通道接口的设计方法和典型控制系统的设计案例与实现方法等。

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")

测试开发进阶——Servlet ——Servlet通过JDBC进行数据库访问

Servlet数据库访问 本教程假定您已经了解了 JDBC 应用程序的工作方式。在您开始学习 Servlet 数据库访问之前,请访问Java MySQL 连接来设置相关驱动及配置。 注意: 你可以下载本站提供的 jar 包:mysql-connector-java-5.1.39-bin.jar 在 java 项目中,只需要在 Eclipse 中引入 mysql-connector-ja...

小白龙白龙马的博客 332

Servlet 数据库访问

是指在 Servlet 中通过 Java Database Connectivity (JDBC) API 连接和操作数据库,实现数据的增删改查(CRUD)。本教程假设您已了解 JDBC 基础,并配置好数据库驱动(如 MySQL 的 mysql-connector-java.jar)。以下以 MySQL 数据库为例,演示如何在 Servlet 中连接数据库并进行查询和插入操作。在 Servlet 中访问数据库时,中文可能出现乱码问题。:在插入中文姓名时,确保参数正确编码,即可避免乱码。防止 SQL 注入。

likuoelie的博客 888

servlet9-JDBC 数据库访问

mysql root 123456 没啥好说的 代码就是那个套路 不变的 定义好 JDBC驱动器名,数据库路径,用户名,密码 注册JDBC驱动器(确保那个jar包已经加进来并且可以用了 要放在lib目录下 再buildpath才行) 建立连接 关闭连接直接上代码// 加载必需的库 import java.io.*; import java.util.*; import javax.ser

小丸子 549

JDBC的使用

JDBC是什么? JDBC是Java访问数据库的基石,三大框架之一的Hibernate只是更好的封装了JDBC而已。它是一个独立于特定数据库管理系统、通用的SQL数据库存取和操作的公共接口(一组API)。 JDBC API 是一系列的接口,它使得应用程序能够进行数据库联接,执行SQL语句,并且得到返回结果。 基本知识 Driver接口 Java.sql.Driver 接口

u014317664的博客 264

servlet学习--数据库访问:JDBC

JDBC提供了一套访问关系型数据库的标准库,

Mountainer 1169

servlet中使用jdbc访问数据库出现 HTTP Status 500

今天在之前jdbc的基础上,想在servlet中调用jdbc。在抛开servlet的情况下,写的jdbc在测试类中运行良好, 但在servlet中页面却出现HTTP Status 500 的情况,显示空指针异常。 回到ecplise的Console,出现两个异常,分别是ClassNotFoundException与NullPointerException。原因是oracle的jar包没有放在WEB...

weixin_42005055的博客 761
上一篇: 避免客户端访问的并发问题
下一篇: Ajax之helloWorld
gamedev˚
博客等级 码龄12年 280粉丝 293原创
评论 10
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