SpringBoot｜第一章：第一个SpringBoot 应用

普通网友 普通网友 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 200+累计阅读 240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8年
关注
原创 最新推荐文章于 2026-05-18 21:01:44 发布 240 阅读 AI 写同款· GEO 优化 ›
Spring Boot 整合 Groovy 脚本，实现动态编程 Groovy 是增强 Java 平台的唯一的脚本语言。它提供了类似于 Java 的语法，内置映射（Map）、列表（List）、方法、类、闭包（closure）以及生成器。脚本语言不会替代系统编程语言，两者是相互补充的。大名鼎鼎的 Gradle，背后是 Groovy。Spring 的未来越来越多的使用 Groovy，甚至在用 Jira 跟踪项目时，背后也有 Groovy。实际上，就应用场景而言，Java 开发已经有越来越多的 Groovy 出现在后台了。 阅读详情

springboot简单介绍

概述

随着动态语言的流行（Ruby、Groovy、Scala、Node.js），Java的开发显得格外的笨重：繁多的配置、低下的开发效率、复杂的部署流程以及第三方技术集成难度大。

在上述环境下，Springboot应运而生。它使用”习惯优于配置”（项目中存在大量的配置，此外还内置一个习惯性的配置，让你无须手动进行配置）的理念让你的项目快速运行起来。使用springboot很容易创建一个独立运行（运行jar，内嵌servlet容器）、准生产级别的基于Spring框架的项目，使用springboot你可以不用或者只需要很少的Spring配置。

Spring Boot 的核心功能

独立运行的Spring项目

Spring Boot可以以jar包的形式独立运行，运行一个Spring Boot项目只需要通过java -jar xx.jar。

内置Servlet容器

Spring Boot可选择内嵌Tomcat、Jetty或者Undertow，这样无须以war包形式部署。

提供starter简化maven配置

Spring提供了一系列的starter pom来简化maven依赖加载，例如：当你使用了spring-boot-starter-web时，会自动加入相关依赖，无需你手动一个一个的添加坐标依赖。

自动配置Spring

Spring Boot会根据在类路径中的jar包、类，为jar包里的类自动配置Bean，这样会极大地减少我们要使用的配置。当然，Spring Boot只是考虑了大多数的开发场景，并不是所有场景，若在实际开发中，我们需要自动配置bean，而Spring Boot没有提供支持，则可以自定义自动配置。

无代码生成和xml配置

Spring Boot的神奇的不是借助于代码生成来实现的，而是通过条件注解来实现的，这是Spring 4.x提供的新特性，Spring 4.x提倡使用java配置和注解配置相结合，而Spring Boot不需要任何xml配置即可实现Sping Boot的所有配置。

优缺点

优点

快速构建项目：省略了繁琐且重复的xml配置，分分钟构建一个web工程；

对主流开发框架的无配置集成：提供了很多Starter 依赖包，开箱即用，无需多余配置；

项目可独立运行：无需外部依赖Servlet容器；

极大地提供了开发、部署效率；

监控简单：提供了actuator包，可以使用它来对你的应用进行监控。

缺点

依赖太多：一个简单的SpringBoot应用都有好几十M只有；

缺少监控集成方案、安全管理方案：只提供基础监控，要实现生产级别的监控，监控方案需要自己动手解决；(后期讲解soringCloud时，会结合pinpoint和skywalking分布式链路工具进行应用监控)

工程搭建

使用的工具为：Spring Tool Suite(3.9.3.RELEASE) SpringBoot：1.5.14.RELEASE

Spring Tool Suite 下载地址：https://spring.io/tools/sts/all

创建项目

利用**Spring Initializr**进行快速创建项目

选择Dashboard–>CREATE SPRING STARTER PROJECT进行创建项目，或者可以选择file–>new–>Spring Starter Project，打开创建面板

第一种方式：

13467292-0be03bd9851b9372

第二种方式：

13467292-125099afc1fbdbe7

出现创建面板，填写项目信息

这里url建议直接填写:https://start.spring.io(默认是http方式)

13467292-b6e3e289b60eb22f

maven相关命名说明

Group：一般为逆向域名格式，如本博客域名为lqdev.cn，则group一般以cn.lqdev开头

Artifact：唯一标识，一般为项目名称。 具体maven相关信息，可自行搜索,这里只简单阐述

选择依赖包和版本

13467292-8cdc29b3f20a52e6

除此下载包时，可能会比较慢，建议替换成阿里云的maven镜像

项目结构

- src

-main

-java

-cn.lqdev.learning.springboot.chapter1

#主函数，启动类，运行它如果运行了 Tomcat、Jetty、Undertow 等容器

-Chapter1Application

-resouces

#存放静态资源 js/css/images 等

- statics

#存放 html 模板文件

- templates

#主要的配置文件，SpringBoot启动时候会自动加载application.properties/bootstrap.properties

- application.properties

#测试文件存放目录

-test

# pom.xml 文件是Maven构建的基础，里面包含了我们所依赖JAR和Plugin的信息

- pom

13467292-064827c755f7b462

pom依赖

由于使用了Spring Initializr直接创建项目，相关依赖自动添加好了。


xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">

4.0.0

cn.lqdev.learning

springboot-chapter1

0.0.1-SNAPSHOT

jar

chapter-1

Spring Boot | 第一章：第一个Springboot应用


org.springframework.boot

spring-boot-starter-parent

1.5.14.RELEASE

UTF-8

UTF-8

1.8


org.springframework.boot

spring-boot-starter-web


org.springframework.boot

spring-boot-starter-test

test

org.springframework.boot

spring-boot-maven-plugin

主入口

/**

* 启动类

* @author oKong

*

*/

@SpringBootApplication

public class Chapter1Application {

public static void main(String[] args) {

SpringApplication.run(Chapter1Application.class, args);

}

}

编写controller

/**

* 第一个springboot应用

* @author oKong

*

*/

//@RestController = @Controller + @ResponseBody 默认直接返回json

@RestController

public class DemoController {

@RequestMapping(value = "/demo", method = RequestMethod.GET)

public String demo() {

return "hello,SpringBoot!";

}

}

启动应用

直接Chapter1Application,右键 run as –> Spring Boot App 即可。

看见以下提示，说明启动成功：

1

2018-07-11 22:47:38.170 INFO 15396 --- [ main] s.b.c.e.t.TomcatEmbeddedServletContainer : Tomcat started on port(s): 8080 (http)

简单说明

springboot 默认的端口号为：8080，此时浏览器访问：127.0.0.1:8080/demo即可查看。

需要修改默认端口号时及上下文路径时，只需要在application.properties设置以下属性：

# 端口号

server.port=8888

# 应用上下文路径

server.context-path=/chapter1

访问：http://127.0.0.1:8888/chapter1/demo

13467292-604582eccc8bd90b

自此，一个简单的SpringBoot就开发完成了。比起原来的springmvc时的开发效率，简直是一个质的飞跃，无需再烦扰烦人的xml配置文件了。终于可以快乐的撸代码了~

总结

目前互联网上很多大佬都有springboot系列教程，如有雷同，请多多包涵了。

如果你现在在JAVA这条路上挣扎，也想在IT行业拿高薪，可以参加我们的训练营课程，选择最适合自己的课程学习，技术大牛亲授，7个月后，进入名企拿高薪。我们的课程内容有：Java工程化、高性能及分布式、高性能、深入浅出。高架构。性能调优、Spring，MyBatis，Netty源码分析和大数据等多个知识点。如果你想拿高薪的，想学习的，想就业前景好的，想跟别人竞争能取得优势的，想进阿里面试但担心面试不过的，你都可以来，q群号为：835638062

注：加群要求

1、具有1-5工作经验的，面对目前流行的技术不知从何下手，需要突破技术瓶颈的可以加。

2、在公司待久了，过得很安逸，但跳槽时面试碰壁。需要在短时间内进修、跳槽拿高薪的可以加。

3、如果没有工作经验，但基础非常扎实，对java工作机制，常用设计思想，常用java开发框架掌握熟练的，可以加。

4、觉得自己很牛B，一般需求都能搞定。但是所学的知识点没有系统化，很难在技术领域继续突破的可以加。

5.阿里Java高级大牛直播讲解知识点，分享知识，多年工作经验的梳理和总结，带着大家全面、科学地建立自己的技术体系和技术认知！

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。
Spring boot创建第一个项目 8080端口通常用于部署Web应用程序，特别是在开发和测试阶段。在Tomcat中，默认情况下，Web应用程序会使用8080端口来监听HTTP请求。这意味着当您启动Tomcat服务器时，您可以通过访问http://localhost:8080来访问部署在Tomcat上的Web应用程序。 阅读详情

相关推荐

【SpringBoot】1、创建第一个SpringBoot项目

创建SpringBoot项目可以通过两种方式，1、通过访问：https://start.spring.io/，SpringBoot的官方网站进行创建SpringBoot项目；2、通过工具（例如：Idea）创建SpringBoot项目。本次使用开发工具：Idea创建我的第一个SpringBoot项目。 首先，打开我们的Idea开发工具 选择Create New Poject（创建一个新的项目） ...

JACKAL 21万+

SpringBoot | 第一章：第一个 SpringBoot 应用

来源：oKong ， my.oschina.net/xiedeshou/blog/1853320   springboot简单介绍   概述   随着动态语言的流行（Ruby、Groovy、Scala、Node.js），Java的开发显得格外的笨重：繁多的配置、低下的开发效率、复杂的部署流程以及第三方技术集成难度大。 在上述环境下，Springboot应运而生。它使用”习惯优于...

sunzhenhua0608的专栏 659

springboot_groovy

springboot_groovy

基于springboot+vue的(高考)志愿录取系统(前后端分离)

本系统为前后端分离，适用于毕业设计、课程设计或者学习等，适合选题：前后端分离、志愿录取、高考志愿、志愿分析等，系统采用springboot+vue整合开发，前端主要使用了elementUI框架、项目后端主要使用了springboot等一系列框架，数据层采用mybatis。下面是功能详情，具体功能实现建议看下方的演示视频，以演示视频为准。 功能详情： 登陆功能 首页展示系统状态 最初需要先导将招生计划和学生信息的excel数据导入到数据库 导入后可以在招生计划和学生信息中查看 完成导入后系统状态会对应变化

QQ188083800的博客 7543

人大金仓数据库Kingbase FlySync同步程序安装

Kingbase FlySync同步程序（以下简称 KFS）是面向异地容灾、数据集中共享的场景推出的具备在异构数据平台间实现实时、增量数据同步的工具类产品，主要采用了物理日志解析技术，帮助用户解决不同数据平台的数据间可实现任意方向实时移动流转的问题，并保证此过程中数据不丢失，状态可监控，流转数据量可统计。KFS 需要安装的主要组件有 2 个，分别是后端同步程序和管理控制平台，另外KFS的部署方式也有2种，为分离部署何集中部署•集中部署：KFS与数据库部署在同一机器上。

weixin_44312518的博客 1180

MTK Linux DRM分析（八）- KMS drm_crtc.c

CRTC 在 Linux DRM 子系统中是显示控制的核心，负责时序生成、模式设置和管线的调度。理解其工作原理和 API 对于进行底层图形开发、调试显示问题或 simply understanding how your graphics stack works 都至关重要。

iTom1900 1350

SpringBoot整合Groovy脚本，实现动态编程

也就是在方法的最后调用一次clearCache方法，这样可以清除掉GroovyShell、Script等实例，但是还是不够。导致OOM的原因并不止GroovyShell、Script等实例过多，经过查阅资料得知，如果脚本中的Java代码也创建了对象或者new了实例，即使销毁了GroovyShell也不会销毁脚本中的对象。例如下面这个脚本，会创建一个ArrayList对象。这个对象不会随着GroovyShell、Script等实例的消失而消失，所以还是会有问题。groovy复制代码。

很多时候犯错都是在不知情的情况下发生的 1119

vasp计算练习1-Si

si的vasp训练流程

qq_41074165的博客 3302

Groovy系列三 Java SpringBoot 整合 Groovy

添加Groovy的依赖到Java项目中。 在Java代码中使用Groovy的类和脚本。Groovy代码可以直接在Java中执行，可以调用Groovy类的方法、访问其属性等。可以使用GroovyShell或GroovyClassLoader来执行Groovy脚本。

lly576403061的博客 8481

避坑指南：SAP成本中心分割结构配置常见错误及解决（含KA06/KL01前置步骤）

本文深入解析了SAP成本中心会计中分割结构配置的关键步骤与常见错误。重点强调了配置前必须通过KA06创建次级成本要素（类别42）和通过KL01创建活动类型这两个核心前置步骤，并详细剖析了在OKES中定义分割规则及版本时的高频报错原因与解决方案，帮助顾问和运维人员有效规避配置陷阱，确保成本分摊的准确性。

pear55的博客 865

[RK3588-Android12] 深入解析USB Type-C PD充电功能的DTS配置与内核驱动修改

本文深入探讨了在RK3588 Android12平台上禁用USB Type-C PD充电功能的实现方法。通过分析设备树（DTS）配置与内核驱动（TCPM框架）的联动修改，详细解读了如何通过添加`pd-disable`属性及修改`tcpm.c`驱动代码，使Type-C端口绕过PD协议协商，仅工作在传统电源模式，以满足工控等特定场景对供电稳定性和成本控制的需求。

9o8p7i6u5y的博客 994

springboot maven_SpringBoot｜第一章：第一个 SpringBoot 应用

springboot简单介绍概述随着动态语言的流行(Ruby、Groovy、Scala、Node.js)，Java的开发显得格外的笨重：繁多的配置、低下的开发效率、复杂的部署流程以及第三方技术集成难度大。在上述环境下，Springboot应运而生。它使用”习惯优于配置”(项目中存在大量的配置，此外还内置一个习惯性的配置，让你无须手动进行配置)的理念让你的项目快速运行起来。使用springboot很...

weixin_39902608的博客 104

ubuntu通过qemu安装银河麒麟V10_Arm_v8 (kylin_v10_飞腾/鲲鹏版)

一、windows下安装vmware虚拟机 二、ubuntu下载地址 https://mirrors.tuna.tsinghua.edu.cn/ubuntu-releases/20.04/ubuntu-20.04.3-live-server-amd64.iso 三、vmware中新建虚拟机，并使用ubuntu-20.04.3-live-server-amd64.iso作为启用盘 。。。在虚拟机中安装ubuntu(略) 四、配置ssh（如果ssh登录不上时配置） 修改openssh的配置 vi /etc/s

u010533742的博客 8706

聊聊SpringBoot | 第一章:快速搭建SpringBoot第一个应用

快速搭建SpringBoot第一个应用 1.简介 本章仅介绍如何快速搭建第一个SpringBoot应用，细节内容下一章再做讲解，如果有需要，各位可以直接到Spring官网去了解。 从 Spring Boot 项目名称中的 Boot 可以看出来，Spring Boot 的作用在于创建和启动新的基于 Spring 框架的项目。它的目的是帮助开发人员很容易的创建出独立运行和产品级别的基于

Eshare分享 2771

012、乘累加单元（MAC）：NPU中最基本的计算单元

本文深入剖析了神经网络处理器（NPU）中的核心计算单元——乘累加单元（MAC）。作者通过实际调试案例揭示了MAC单元设计中的关键问题：定点数格式对齐、累加器位宽陷阱、流水线优化和多MAC同步方案。重点讨论了INT8量化中的边界条件处理、偏置项截断风险以及零值检测等实战经验，并提供了三点实用建议：建立精确的C模型、参考RISC-V P扩展指令集、仔细审查芯片规格书。文章强调硬件加速的实际瓶颈往往在于数据搬运而非计算单元本身，为NPU开发者提供了宝贵的工程实践参考。

m0_50546716的博客 299

汽车UDS诊断之诊断会话控制服务（0x10）深度剖析

DiagnosticSessionControl就是诊断会话控制。 请求消息定义 A_Data类型 参数名称 Cvt 字节值 助记符 #1 诊断会话控制请求SID M 0x10 DSC #2 子功能=[诊断会话类型] M 0x00-0xFF LEV_DS_ ...

心骗小白话的博客 7421

SpringBoot | 第一章：第一个SpringBoot应用

SpringBoot | 第一章：第一个SpringBoot应用 springboot简单介绍 概述 随着动态语言的流行（Ruby、Groovy、Scala、Node.js），Java的开发显得格外的笨重：繁多的配置、低下的开发效率、复杂的部署流程以及第三方技术集成难度大。 在上述环境下，Springboot应运而生。它使用"习惯优于配置"（项目中存在大量的配置，此外还内置一个习惯性的配置，让你...

weixin_34404393的博客 99

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。

SpringBoot第一章：第一个 SpringBoot 应用

springboot简单介绍 概述 随着动态语言的流行（Ruby、Groovy、Scala、Node.js），Java的开发显得格外的笨重：繁多的配置、低下的开发效率、复杂的部署流程以及第三方技术集成难度大。 在上述环境下，Springboot应运而生。它使用”习惯优于配置”（项目中存在大量的配置，此外还内置一个习惯性的配置，让你无须手动进行配置）的理念让你的项目快速运行起来。使用springbo...

taya_a的博客 362

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

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")

Spring Boot | 第一章：第一个Spring Boot应用及Lombok插件的使用

Spring Boot | 第一章：第一个Spring Boot应用及Lombok插件的使用 项目的创建 项目目录 编写并运行项目 两点说明 Lombok的使用 项目的创建 使用IDEA创建新项目 填写相应的内容(项目名称、包名称等等) 选择对应的依赖(此处可以暂时不选，之后手动在pom文件中添加)，我们暂时只选择 Web 即可 最后选择项目位置，填写项目名称，点击 FINISH 完...

Diviner_Sun 568

蓝牙模块HM-10手册

蓝牙模块HM-10手册，该手册对蓝牙模块HM-10进行了详细的介绍和使用方法以及一些AT指令。

《springboot实战》第一章 SpringBoot起步

使用Idea初始化springboot2.7工程

Java 技术专栏，从入门到精通，熟悉企业级开发 1720

SpringBoot-1-Spring Boot实战：快速搭建你的第一个应用，以及了解原理

而我们在项目开发时，一般会偏向于选择这一套spring家族的技术，来解决对应领域的问题，那我们称这一套技术为。SpringBoot本身是为了加速Spring程序的开发的，而Spring程序运行的基础是需要创建自己的Spring容器对象（IoC容器）并将所有的对象交给Spring的容器管理，也就是一个一个的Bean。点击Spring Initializr后进入到创建SpringBoot程序的界面上，下面是输入信息的过程，和前面的一样，只是界面变了而已，根据自己的要求，在左侧选择对应信息和输入对应的信息即可。

zhoubangbang1的博客 1101

【SpringBoot】第一个Springboot项目

目录 前言 一、springboot是什么？ 二、Idea创建第一个springboot项目 1.创建一个springboot项目 2.选择依赖 4.写一个测试类 5.启动程序 6.测试 三、总结 前言 Spring Boot是由Pivotal团队提供的全新框架，其设计目的是用来简化新Spring应用的初始搭建以及开发过程。该框架使用了特定的方式来进行配置，从而使开发人员不再需要定义样板化的配置。通过这种方式，Spring Boot致力于在蓬勃发展的快速应用开...

weixin_44382688的博客 1576
上一篇： Spring Cloud配置熔断器
下一篇： SpringBoot | 第二章：lombok 介绍及简单使用
点赞 0
评论 0
书签 书签 0
普通网友
普通网友
博客等级 码龄8年 55粉丝 197原创
+ 关注
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