org.springframework.beans.factory.BeanCurrentlyInCreationException Bean当前正在创建中错误的解决方法,已解决,亲测有效,嘿嘿嘿

正确解决org.springframework.beans.factory.BeanCurrentlyInCreationException Bean当前正在创建中异常的有效解决方法 阅读详情
AI摘要

本文详细分析了Spring容器中出现org.springframework.beans.factory.BeanCurrentlyInCreationException的原因,主要涉及循环依赖,重点介绍了如何通过重构代码、使用setter注入、@Lazy注解以及调整作用域来解决这一问题。


org.springframework.beans.factory.BeanCurrentlyInCreationException 异常通常表明 Spring 容器在尝试注入一个依赖时,发现这个依赖的 Bean 还在创建过程中,导致了一个循环依赖问题。这种异常经常与 BeanDefinitionValidationException 一起出现,特别是在处理构造器注入的循环依赖时。

问题分析

当 Spring 容器尝试实例化一个 Bean 时,它可能会发现该 Bean 依赖于另一个尚未完成的 Bean(也就是说,另一个 Bean 也在实例化过程中)。在单例 Bean 的情况下,Spring 默认允许通过字段注入来解决基于 setter 的循环依赖,但是构造器注入和原型(prototype)Bean 的循环依赖则不会被解决,因为它们需要在实例化过程中就完成依赖注入。

报错原因

报错原因主要是循环依赖,即两个或多个 Bean 相互依赖对方,并且这种依赖关系是在实例化过程中就需要的(如构造器注入)。

解决思路

  1. 识别循环依赖:通过异常堆栈跟踪和 Spring 配置文件或注解来识别哪些 Bean 之间存在循环依赖。
  2. 重构代码:尝试重构代码以消除循环依赖。这通常意味着将共享的功能提取到一个新的 Bean 中,或者改变 Bean 之间的依赖关系。
  3. 使用 setter 注入:如果可能,将构造器注入更改为基于 setter 的注入。这样,Spring 容器可以在实例化 Bean 后注入依赖项。
  4. 使用 @Lazy 注解:在某些情况下,你可以使用 @Lazy 注解来延迟依赖项的初始化,但这通常不是首选方法,因为它可能会引入其他复杂性。
  5. 考虑使用不同的作用域:如果你的 Bean 是原型(prototype)作用域的,并且存在循环依赖,那么你可能需要重新考虑它们的作用域。

解决方法

1. 重构代码以消除循环依赖

假设我们有两个相互依赖的 Bean:BeanA 和 BeanB。

@Component
public class BeanA {

    private final BeanB beanB;

    @Autowired
    public BeanA(BeanB beanB) {
        this.beanB = beanB;
    }

    // ... 其他方法 ...
}

@Component
public class BeanB {

    private final BeanA beanA;

    @Autowired
    public BeanB(BeanA beanA) {
        this.beanA = beanA;
    }

    // ... 其他方法 ...
}

重构后的代码可能如下所示,提取共享功能到一个新的 Bean SharedService:

@Component
public class SharedService {
    // ... 共享的方法或属性 ...
}

@Component
public class BeanA {

    private final SharedService sharedService;

    @Autowired
    public BeanA(SharedService sharedService) {
        this.sharedService = sharedService;
    }

    // ... 其他方法 ...
}

@Component
public class BeanB {

    private final SharedService sharedService;

    @Autowired
    public BeanB(SharedService sharedService) {
        this.sharedService = sharedService;
    }

    // ... 其他方法 ...
}
2. 使用 setter 注入(如果可能)

下滑查看解决方法

@Component
public class BeanA {

    private BeanB beanB;

    @Autowired
    public void setBeanB(BeanB beanB) {
        this.beanB = beanB;
    }

    // ... 其他方法 ...
}

// BeanB 的设置类似
3. 使用 @Lazy 注解(谨慎使用)
@Component
public class BeanA {

    private final BeanB beanB;

    @Autowired
    public BeanA(@Lazy BeanB beanB) {
        this.beanB = beanB;
    }

    // ... 其他方法 ...
}

// 注意:BeanB 仍然需要被重构以避免循环依赖,或者也使用 @Lazy

请注意,虽然 @Lazy 可以解决一些循环依赖问题,但它也可能导致性能下降,因为它会延迟 Bean 的初始化,并且在每次需要该 Bean 时都可能需要重新检查它是否已经被初始化。因此,应该谨慎使用它。

在重构代码时,始终确保理解你的应用程序的依赖关系,并考虑未来的可维护性和可扩展性。

4. 不同的作用域

当涉及到原型(prototype)作用域的 Bean 时,循环依赖的问题可能会更加复杂,因为原型 Bean 在每次请求时都会创建一个新的实例。如果两个或多个原型 Bean 之间存在循环依赖,并且每个 Bean 在实例化时都需要另一个 Bean 的新实例,那么这将会导致无限递归的创建过程。

在 Spring 中,原型 Bean 的循环依赖通常不是直接支持的,因为每次请求都会尝试创建新的实例,而没有一个“中心”实例可以用来解决依赖关系。解决此问题的通常策略是重新设计这些 Bean 之间的关系,或者至少更改它们的作用域。

下面是一个可能导致循环依赖问题的原型 Bean 示例:

@Component
@Scope(value = ConfigurableBeanFactory.SCOPE_PROTOTYPE)
public class PrototypeBeanA {

    private final PrototypeBeanB beanB;

    @Autowired
    public PrototypeBeanA(ApplicationContext context) {
        // 使用 ApplicationContext 手动获取 BeanB 的新实例,这可能导致问题
        this.beanB = context.getBean(PrototypeBeanB.class);
    }

    // ... 其他方法 ...
}

@Component
@Scope(value = ConfigurableBeanFactory.SCOPE_PROTOTYPE)
public class PrototypeBeanB {

    private final PrototypeBeanA beanA;

    @Autowired
    public PrototypeBeanB(ApplicationContext context) {
        // 使用 ApplicationContext 手动获取 BeanA 的新实例,这会导致循环依赖问题
        this.beanA = context.getBean(PrototypeBeanA.class);
    }

    // ... 其他方法 ...
}

上面的示例展示了如何在构造函数中使用 ApplicationContext 手动获取原型 Bean,这会导致循环依赖。当 Spring 尝试实例化 PrototypeBeanA 时,它会尝试获取一个新的 PrototypeBeanB 实例,而 PrototypeBeanB 又试图获取一个新的 PrototypeBeanA 实例,依此类推。

解决这个问题的策略可能包括:

  1. 重构代码:将共享的功能或状态提取到另一个单例 Bean 中,该 Bean 可以被原型 Bean 共享和访问。

  2. 使用工厂方法:使用工厂方法代替构造函数注入,这样可以在需要时控制 Bean 的创建过程,避免直接的循环依赖。

  3. 使用代理或事件:如果可能,可以使用代理或事件机制来解耦 Bean 之间的直接依赖关系。

  4. 避免在原型 Bean 之间进行循环依赖:重新设计你的应用程序,避免在原型 Bean 之间建立直接的循环依赖。这可能意味着改变 Bean 的职责或交互方式。

  5. 使用不同的作用域:如果可能,将其中一个或两个原型 Bean 更改为单例(singleton)或请求(request)作用域。但是,请注意,这可能会改变你的应用程序的行为和状态管理。

在大多数情况下,最佳的做法是避免在原型 Bean 之间创建循环依赖,并通过重构代码或改变 Bean 的交互方式来消除它们。

Diffusion Model进阶解析:从SDE到概率流ODE的连续化生成建模 本文深入解析了Diffusion Model的连续化生成建模,从离散DDPM和SGM模型引入,阐述了采用随机微分方程(SDE)统一视角的必要性与优势。文章详细拆解了SDE的构成,揭示了其如何统一描述扩散过程,并重点介绍了逆向SDE与确定性的概率流ODE,后者为高效、确定的图像生成提供了理论基础。最后,文章对比了朗之万动力学、数值SDE求解器和数值ODE求解器(如DPM-Solver)等主流采样方法的实战应用与选择策略。 阅读详情

相关推荐

NVIDIA NCCL 安装和测试实战教程

ibrary)是用于深度学习应用的高性能通信库,可加速多GPU通信和同步。它能够在多个GPU之间进行高效的数据传输和集体操作,显著提高了分布式GPU系统上深度学习训练和推理的性能。NVIDIA NCCL是加速多GPU系统上深度学习应用的必不可少的工具。其高效的通信原语和集体操作显著提高了分布式训练和推理的性能,使其成为现代深度学习基础架构的关键组成部分。

weixin_39818775的博客 4429

【Spring框架系列】Spring循环依赖问题如何解决?Caused by: org.springframework.beans.factory.BeanCurrentlyInCreationExc

目录 1.序言 2.什么是循环依赖? 3.如何解决循环依赖? 4.解决循环依赖的方式的底层原理是什么? 1.序言 针对本篇博文的主题,咱们先来个无情拷问三连!!! 什么是循环依赖? 怎么解决循环依赖? 解决方式的原理是什么? 一波三连,脑瓜子嗡嗡的吧。。。。。莫方,既来之,则安之。接着往下看! 2.什么是循环依赖? 上一段最直观的代码吧!!!看不懂的人,出门靠墙站10分钟再回来看!! public class A { public A() {new B();} } .

Yangy的博客 6519

【自然语言处理(NLP)实战】LSTM网络实现中文文本情感分析(手把手与教学超详细)

在当今数字化时代,人们在社交媒体、评论平台以及各类在线交流中产生了海量的文本数据。这些数据蕴含着丰富的情感信息,从而成为了深入理解用户态度、市场趋势,甚至社会情绪的宝贵资源。自然语言处理(NLP)的发展为我们提供了强大的工具,使得对文本情感进行分析成为可能。在这个领域中,长短时记忆网络(LSTM)凭借其能够捕捉文本序列中长距离依赖关系的能力,成为了情感分析任务中的一项重要技术。通过详细的步骤和示例代码,深入了解如何处理中文文本数据、构建LSTM模型、进行训练和评估。

halo的博客 2万+

SpringMVC的Service互相循环调用错误: org.springframework.beans.factory.BeanCurrentlyInCreationException

以下是报错的内容,我的项目这种错误的导致原因:是我在SpringMVC的Service中的两个Service进行了互相调用,即servce1中注解了service2,又在service2中注解了service1,并且调用了方法,这里就会产生错误,大概是循环调用的原因,类似于数据库表的自关联循环产生的错误,即自己调用的方法里还有自己,造成无限循环。解决办法:比较简单的对数据库的操作直接注解Model层

Phoenix_smf的博客 8393

Win11+Ubuntu18.04+Ubuntu20.04三系统安装与卸载

以下情况均为个人情况:1.插入启动 U 盘后,登录时可以按F12(拯救者Y7000,不同电脑不同)进入BIOS,选择从启动盘启动。2.。3.5.在win基础上,安装第一个Ubuntu系统后,系统启动界面类似如下第一张图,Ubuntu不显示版本号。安装第二个Ubuntu系统后,系统启动界面如下第二张图,如果想更改启动项的名称,可自行查阅相关资料。

weixin_61686291的博客 2539

量化回测系统实战指南:从VectorBT到自研框架的深度解析

本文深入解析量化回测系统实战,从VectorBT和Backtesting.py的对比到自研框架miniQuant的设计与优化。探讨如何平衡速度与灵活性,解决实盘适配性问题,并提供性能调优技巧和可视化分析工具,帮助开发者构建高效可靠的量化交易系统。

weixin_28308325的博客 277

Spring| BeanCurrentlyInCreationException: Error creating bean with name ‘‘xxx“

错误信息: Caused by: org.springframework.beans.factory.UnsatisfiedDependencyException: Error creating bean with name 'commonDAOConfiguration': Unsatisfied dependency expressed through field 'configUtility'; nested exception is org.springframework.beans.fact

Harry的博客 2141

SDFCOM_SWC警告深度剖析:从assign短路到时序标注失效的链路追踪

本文深入剖析了SDFCOM_SWC警告的根源,从assign短路到时序标注失效的全链路追踪。通过分析RTL设计中的assign语句陷阱、综合阶段的优化变形以及PrimeTime生成SDF文件的视角,提出了重构RTL设计、警告抑制和SDF生成优化等解决方案,帮助工程师有效避免时序标注问题。

weixin_42519985的博客 363

org.springframework.beans.factory.BeanCurrentlyInCreationException Bean当前正在创建中异常的解决方案

org.springframework.beans.factory.BeanCurrentlyInCreationException 是 Spring 框架中的一个异常,表示在尝试依赖注入时,发现了一个正在创建的循环依赖(circular dependency),即一个或多个 bean 依赖于彼此,且它们的创建过程相互依赖,形成了一个闭环。这会导致 Spring 容器无法完成这些 bean 的创建和初始化。

2301_79779756的博客 2038

uniapp:实现扫描二维码+自定义扫描框+扫一扫功能,支持扫码识别二维码、条形码(条码)、微信/支付宝等二维码功能,自定义扫码页面可添加按钮或文字展示布局(移动端H5网页/小程序/安卓苹果APP端)

UNI-APP实现扫描二维码,uniapp扫描条形码,uniapp实现扫一扫功能,扫码成功后跳转页面,uniApp扫描条码,uniApp-H5 使用摄像头扫码功能(扫一扫),实现手机扫描二维码并跳转全过程示例代码,用户扫码后自动跳转到链接,uniapp怎么调用扫一扫功能,uniapp实现扫一扫功能,uniapp请求相机使用权限,扫一扫权限申请,uniapp调用摄像头扫码,uniapp实现调用相机扫码,UniApp 实现扫描二维码,uniapp APP安卓苹果ios实现扫码扫一扫,Uniapp微信小程序扫描二

✅ 精选推荐文章 4708

在blender中安装vtk插件

Blender 是一个开源的、功能强大的3D计算机图形软件,广泛用于创建动画片、视觉效果、艺术作品、3D打印模型、互动3D应用程序和视频游戏。Blender 是由 Blender 基金会开发和维护的,具有丰富的功能和灵活的扩展性。在github上下载zip插件。

如果想成为中心,那么就到中心去吧。 294

【Java】已解决:org.springframework.beans.factory.BeanCurrentlyInCreationException Bean当前正在创建中异常

这通常发生在Spring容器初始化Bean时,检测到Bean之间存在循环依赖,导致某个Bean在创建过程中需要依赖另一个正在创建的Bean。在上述代码中,类A和类B互相依赖,导致Spring在创建Bean A时需要Bean B,而Bean B又依赖于Bean A,从而引发。场景:在一个Spring Boot项目中,开发者定义了两个互相依赖的Bean,导致Spring容器无法完成Bean的初始化。异常,确保Spring容器能够正确初始化Bean。通过上述代码,我们可以避免循环依赖,从而解决。

屿小夏.的知识博客 2242

全网最详细的 Ubuntu 18.04 安装Livox mid-360驱动,测试 fast_lio2

Livox mid-360需要使用Livox-SDK2,而非Livox-SDK,以及对应的。并需要修改FAST_LIO中部分代码。Faster—LIO;Faster-LIO:快速激光IMU里程计。Faster-LIO:快速激光IMU里程计PDF。大部分Lidar SLAM都是基于loam进行改造的,基本上是通过线特征edge和面特征(面点)分割进行配准得到里程计的,而fast-lio2是通过一个迭代扩展卡尔曼滤波器去优化帧内位姿,然后通过输入点云与地图进行配准得到里程计,精度和鲁棒性都不错。

努力努力努力 6238

【Java报错已解决】org.springframework.beans.factory.BeanCurrentlyInCreationException: Bean with name ‘beanN

在Java开发过程中,报错信息常常让人头疼不已。就像标题中的“org.springframework.beans.factory.BeanCurrentlyInCreationException: Bean with name 'beanName' is currently in creation”这个报错,很多开发者在配置Spring框架相关的环境或者进行依赖注入的时候可能会遇到。它就像一个拦路虎,阻碍了项目的顺利进行。今天我们就来深入探讨一下这个报错是如何产生的,以及如何去解决它。

鸽芷咕的博客 891

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

org.springframework.beans.factory.BeanCurrentlyInCreationException错误

spring boot 项目启动报错 6:55:24.573 ERROR org.springframework.boot.SpringApplication 837 reportFailure - Application run failed org.springframework.beans.factory.UnsatisfiedDependencyException: Error creating bean with name 'consumer': Unsatisfied dependency ex

weixin_44378493的博客 3457

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")

出现 org.springframework.beans.factory.BeanCreationException 异常的原因及解决方法

1 异常描述 在从 SVN 检出项目并配置完成后,启动 Tomcat 服务器,报出如下错误: 2 异常原因 通过观察上图中被标记出来的异常信息,咱们可以知道 org.springframework.beans.factory.BeanCreationException: Error creating bean with name 'XXX' 此异常,为:注入bean失败异常。 ...

小爽哒哒哒的博客 1万+

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

BeanCurrentlyInCreationException: Error creating bean

启动项目提示错误创建bean问题 项目启动的时候出现了如下的问题: org.springframework.beans.factory.BeanCurrentlyInCreationException: Error creating bean with name ‘workerServiceImpl’: Requested bean is currently in creation: Is there an unresolvable circular reference? 翻译过来就是 org.sp

ljl52099的博客 3586

nested exception is org.springframework.beans.factory.BeanCurrentlyInCreationException(Spring循环依赖问题)

nested exception is org.springframework.beans.factory.BeanCurrentlyInCreationException: Error creating bean with name 'stockReceiptManager': Bean with name 'stockReceiptManager' has been injected

小泽 6807

Spring—nested exception is org.springframework.beans.factory.BeanCurrentlyInCreationException

启动tomcat报错:Unable to instantiate Action, docBorrowAction,  defined for informationcue in namespace /docborrowError creating bean with name docBorrowAction defined in ServletContext resource [/WE

每天=生命的最后一天 1万+

BeanCurrentlyInCreationException+circular reference

原因:@Async注解导致。

userid23823的博客 204

org.springframework.beans.factory.BeanCreationException

错误日志: Error creating bean with name factwishPage: Injection of resource fields failed; nested exception is org.springframework.beans.factory.BeanCreationException: Error creating bean with name f

JAVA 5896

BeanCurrentlyInCreationException: Error creating bean(循环依赖@Lazy)

org.springframework.beans.factory.BeanCurrentlyIncrementationException:创建名为“workerServiceImpl”的bean时出错:请求的bean当前正在创建中:是否存在无法解析的循环引用?根据错误提示已经知道是自己创建bean的时候出现了循环引用,在使用@Autowired的自动注入的时候出现了,比如:A类引用了B类,B类引用了A类。出现这种代码就会出现以上问题的循环引用错误。

qq_50523945的博客 1041

org.springframework.beans.factory.BeanCreationException: Error creating bean wit

Entity.hbm.xml文件dtd验证错误引起的问题   下午无事,自己动手使用ssh实现注册登录的小功能,结果出现让我纠结两小时的问题!贴出来大家共勉!!!   User.java实体类   package com.lr.pojo; public class User { public int id; public String name; public ...

liu578182160的专栏 479

Spring Boot 的循环依赖问题处理(BeanCurrentlyInCreationException)

org.springframework.beans.factory.BeanCurrentlyInCreationException: Error creating bean with name 问题解决

qq_39657114的博客 653

org.springframework.beans.factory.BeanCreationException异常

可以加入依赖 <dependency> <groupId>com.alibaba</groupId> <artifactId>druid-spring-boot-starter</artifactId> <version>1.1.9</version> </dependency>

Mr_WangHeng的博客 259
上一篇: com.netflix.client.ClientException Eureka客户端异常的解决方法,亲测有效,已解决嘿嘿嘿
下一篇: org.springframework.jdbc.InvalidResultSetAccessException无效的结果集访问错误的解决方法,已解决,嘿嘿,亲测有效
代码无疆
博客等级 码龄3年 4万+粉丝 305原创
评论 1
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