【TypeScript错误处理终极指南】:掌握5种高效异常捕获策略,提升代码健壮性

第一章:TypeScript错误处理的核心理念

TypeScript 作为 JavaScript 的超集,不仅提供了静态类型系统,还强化了开发阶段的错误预防机制。其错误处理理念强调“在编译时捕获尽可能多的问题”,从而减少运行时异常的发生。

静态类型检查与编译期错误预防

TypeScript 的核心优势在于通过类型注解提前发现潜在错误。例如,为函数参数指定类型可防止传入不兼容的数据:

function divide(a: number, b: number): number {
  if (b === 0) {
    throw new Error("除数不能为零");
  }
  return a / b;
}

// 编译器会报错:Argument of type 'string' is not assignable to parameter of type 'number'
divide(10, "0");
上述代码中,类型系统在编译阶段即阻止了非法调用,避免了运行时出现难以追踪的 NaN 或异常。

异常处理的合理使用

尽管 TypeScript 能捕获多数类型错误,但运行时异常仍需通过 try/catch 处理。应仅将异常用于非预期状态,而非控制流程:
  1. 在可能出错的操作中使用 try/catch,如 JSON 解析或网络请求
  2. 抛出具有语义的错误对象,便于调试
  3. 避免捕获后忽略错误(空 catch 块)

自定义错误类型提升可维护性

通过继承 Error 类创建领域特定异常,使错误语义更清晰:

class ValidationError extends Error {
  constructor(public details: string[]) {
    super("验证失败");
    this.name = "ValidationError";
  }
}
错误处理方式适用场景优点
类型系统检查参数类型错误编译期拦截,零运行时开销
throw + try/catch运行时逻辑异常精确控制异常流程
返回 Result 模式函数式编程风格避免异常开销,显式处理结果

第二章:基础异常捕获与try-catch最佳实践

2.1 理解JavaScript/TypeScript运行时异常机制

JavaScript和TypeScript在执行过程中可能因语法错误、引用不存在的对象或类型不匹配等问题触发运行时异常。异常会中断正常执行流,若未妥善处理,将导致程序崩溃。
异常的产生与捕获
使用 try...catch 语句可捕获同步异常:
try {
  const result = riskyFunction(); // 可能抛出错误
} catch (error) {
  console.error("捕获到异常:", error.message);
}
上述代码中,riskyFunction() 若抛出异常,控制权立即转移至 catch 块,error 对象通常包含 message、name 和 stack 属性,用于定位问题根源。
异步异常处理
对于 Promise 异常,需使用 .catch() 或 async/await 配合 try...catch:
async function fetchData() {
  try {
    const res = await fetch('/api/data');
    return await res.json();
  } catch (error) {
    console.error("请求失败:", error);
  }
}
该结构确保网络请求等异步操作的异常也能被有效捕获与处理。

2.2 使用try-catch进行同步错误捕获的典型场景

在JavaScript中,try-catch语句用于捕获同步代码中的运行时异常,防止程序中断。
常见应用场景
  • 解析JSON字符串时防止格式错误
  • 调用可能存在异常的函数或API
  • 执行用户输入相关的操作
try {
  const data = JSON.parse(userInput); // 可能抛出SyntaxError
  console.log(data.name);
} catch (error) {
  if (error instanceof SyntaxError) {
    console.error("JSON格式无效:", error.message);
  } else {
    console.error("未知错误:", error);
  }
}
上述代码中,JSON.parse()在输入非法时会抛出SyntaxError。通过try-catch结构可捕获该异常并安全处理,避免程序崩溃。捕获后可通过instanceof判断错误类型,实现精细化错误响应。

2.3 异步代码中Promise.reject与catch的正确用法

在异步编程中,`Promise.reject()` 用于主动创建一个被拒绝的 Promise,常用于错误传递。配合 `.catch()` 方法,可集中处理链式调用中的异常。
错误抛出与捕获
使用 `Promise.reject()` 可模拟异步错误:

Promise.reject(new Error("网络请求失败"))
  .catch(err => console.error(err.message)); // 输出:网络请求失败
该代码立即进入拒绝状态,并由 `.catch` 捕获。注意:若未添加 `.catch`,将导致未处理的 Promise 拒绝警告。
链式传递中的错误处理
在 Promise 链中,任意一步调用 `Promise.reject()` 或抛出异常,都会跳转至最近的 `.catch()`:

fetch('/api/data')
  .then(res => Promise.reject(new Error('解析失败')))
  .then(data => console.log(data))
  .catch(err => console.error(err.message)); // 正确捕获
此模式确保错误不会静默丢失,提升程序健壮性。推荐始终在链的末尾添加 `.catch()`。

2.4 捕获错误类型细化:instanceof与自定义守卫的应用

在现代异常处理机制中,精确识别错误类型是构建健壮系统的关键。仅使用通用 `catch` 语句容易导致误判,而 `instanceof` 提供了类型判断的基础能力。
利用 instanceof 区分错误种类

try {
  // 可能抛出不同错误的逻辑
} catch (error) {
  if (error instanceof TypeError) {
    console.log("类型错误,检查参数传递");
  } else if (error instanceof ReferenceError) {
    console.log("引用不存在的变量");
  } else {
    console.log("未知错误", error);
  }
}
该代码块通过 `instanceof` 判断错误实例的具体构造函数,实现对原生错误类型的精准分流,提升调试效率。
自定义类型守卫增强可维护性
当处理复杂自定义错误时,可封装类型守卫函数:

function isApiError(error: unknown): error is { statusCode: number } {
  return !!error && typeof (error as any).statusCode === 'number';
}
此守卫函数返回类型谓词 `error is { statusCode: number }`,在后续条件分支中自动推断错误结构,增强类型安全与代码可读性。

2.5 避免常见陷阱:吞掉错误、过度捕获与性能影响

在异常处理中,最常见的陷阱之一是“吞掉错误”——即捕获异常后不做任何处理。这会导致问题难以追踪,掩盖了系统真实故障。
避免沉默的失败
err := doSomething()
if err != nil {
    log.Error("操作失败: ", err)
    return err
}
上述代码确保错误被记录并传递,避免静默失败。日志输出帮助定位上下文,返回错误供上层决策。
防止过度捕获
使用具体异常类型而非通用 catch,可减少误捕风险。例如:
  • 仅捕获预期异常,如 FileNotFoundError
  • 避免使用裸 except: 或 catch(Exception e)
  • 让未预期的错误中断执行,便于及时发现缺陷
性能考量
异常处理机制本身开销较大,频繁抛出异常会影响性能。应避免将异常用于流程控制,如用返回值代替抛出异常来表示正常业务分支。

第三章:异步操作中的错误处理策略

3.1 async/await中统一错误处理模式设计

在现代异步编程中,async/await 提供了更清晰的控制流,但分散的错误捕获会降低可维护性。为提升健壮性,应设计统一的错误处理机制。
集中式错误处理结构
通过高阶函数封装 try/catch,将异常捕获逻辑抽象复用:
function withErrorHandling(asyncFn) {
  return async function (...args) {
    try {
      return await asyncFn(...args);
    } catch (error) {
      console.error('Unified error:', error.message);
      throw { code: 'INTERNAL_ERROR', detail: error.message };
    }
  };
}
该函数接收异步函数作为参数,返回一个具备错误拦截能力的新函数,所有异常均被标准化并重新抛出,便于上层中间件统一响应。
注册与调用示例
  • 将业务函数通过 withErrorHandling 包装
  • 在路由或服务入口处注册,实现零散 try/catch 的消除

3.2 Promise链式调用中的错误传播与拦截技巧

在Promise链式调用中,错误会沿链条向后传播,直到遇到 .catch() 拦截器。若任意环节抛出异常或返回被拒绝的Promise,后续的 .then() 将被跳过,控制权交由最近的错误处理函数。
错误传播机制
Promise链中的错误无需每步处理,系统会自动传递,简化了异步错误管理。
拦截技巧示例
Promise.resolve()
  .then(() => {
    throw new Error("网络请求失败");
  })
  .then(() => console.log("不会执行"))
  .catch(err => {
    console.warn("捕获错误:", err.message); // 输出: 网络请求失败
    return "默认数据";
  })
  .then(data => console.log("恢复流程:", data)); // 输出: 恢复流程: 默认数据
上述代码展示了如何通过 .catch() 拦截错误并恢复执行流。catch 回调接收错误对象,处理后可返回新值继续后续 then,实现容错机制。
  • 未被捕获的Promise错误会触发全局 unhandledrejection 事件
  • 建议链尾始终添加 .catch() 防止静默失败

3.3 并发请求(Promise.all、Promise.allSettled)的容错方案

在处理多个并发请求时,Promise.all 和 Promise.allSettled 提供了不同的容错策略。前者在任意请求失败时即整体拒绝,适用于强依赖所有请求成功的场景;后者则等待所有请求完成,无论成功或失败。
错误传播与隔离
  • Promise.all:任一 Promise 被 reject,立即中断并抛出错误;
  • Promise.allSettled:返回包含每个请求状态的结果数组,便于后续统一处理。
const requests = [
  fetch('/api/user'),
  fetch('/api/order').catch(err => err), // 主动捕获异常
  fetch('/api/profile')
];

Promise.allSettled(requests)
  .then(results => {
    results.forEach((result, index) => {
      if (result.status === 'fulfilled') {
        console.log(`请求 ${index} 成功:`, result.value);
      } else {
        console.warn(`请求 ${index} 失败:`, result.reason);
      }
    });
  });
上述代码中,通过 catch 捕获部分异常并返回错误对象,结合 allSettled 实现细粒度控制,确保关键数据仍可获取。

第四章:高级错误管理与架构级解决方案

4.1 创建可复用的错误中间件与全局异常处理器

在构建高可用的后端服务时,统一的错误处理机制至关重要。通过中间件捕获运行时异常,能够有效避免服务崩溃并提升用户体验。
中间件设计原则
可复用的错误中间件应具备低耦合、高内聚特性,独立于具体业务逻辑,集中处理 panic、HTTP 状态码映射及日志记录。
核心实现代码

func ErrorMiddleware(next http.Handler) http.Handler {
    return http.HandlerFunc(func(w http.ResponseWriter, r *http.Request) {
        defer func() {
            if err := recover(); err != nil {
                log.Printf("Panic: %v", err)
                http.Error(w, "Internal Server Error", http.StatusInternalServerError)
            }
        }()
        next.ServeHTTP(w, r)
    })
}
该中间件通过 defer 和 recover 捕获协程中的 panic,防止程序中断,并返回标准化的 500 响应。
异常分类处理
  • 系统级错误:如数据库连接失败、内存溢出
  • 请求级错误:如参数校验失败、资源未找到
  • 第三方服务错误:如调用外部 API 超时
不同类别应返回对应的状态码与提示信息,便于前端精准处理。

4.2 利用装饰器实现自动错误日志与监控埋点

在现代服务开发中,异常追踪与性能监控是保障系统稳定性的关键。Python 装饰器提供了一种优雅的方式,在不侵入业务逻辑的前提下,自动植入日志记录与监控代码。
基础装饰器结构

import functools
import logging

def log_errors_and_monitor(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        try:
            result = func(*args, **kwargs)
            logging.info(f"Function {func.__name__} executed successfully")
            return result
        except Exception as e:
            logging.error(f"Exception in {func.__name__}: {str(e)}", exc_info=True)
            raise
    return wrapper
该装饰器封装目标函数,捕获运行时异常并输出结构化日志,exc_info=True确保堆栈信息被记录。
增强版监控埋点
可进一步集成计时功能,用于性能分析:
  • 记录函数执行耗时
  • 上报指标至监控系统(如Prometheus)
  • 支持自定义标签分类统计

4.3 自定义错误类体系设计:业务错误与系统错误分离

在构建高可用服务时,清晰的错误分类有助于快速定位问题。将错误划分为业务错误与系统错误是关键一步。
错误类型划分原则
  • 业务错误:用户操作不当或规则校验失败,如参数无效、余额不足
  • 系统错误:服务内部异常,如数据库连接失败、RPC调用超时
Go语言实现示例
type AppError struct {
    Code    int    `json:"code"`
    Message string `json:"message"`
    Cause   error  `json:"-"`
}

func (e *AppError) Error() string {
    return e.Message
}
该结构体通过Code字段区分错误类型(如1xx为业务错误,5xx为系统错误),Cause保留底层错误用于日志追踪。
错误响应对照表
错误类型HTTP状态码可恢复性
业务错误400是
系统错误500否

4.4 结合Sentry/Bugsnag等工具实现生产环境错误追踪

在现代Web应用部署中,实时监控和错误追踪是保障系统稳定性的关键环节。集成Sentry或Bugsnag等第三方服务,可自动捕获前端与后端的异常信息,并提供堆栈跟踪、用户上下文及版本定位功能。
快速接入Sentry示例

// 初始化Sentry客户端
import * as Sentry from '@sentry/browser';

Sentry.init({
  dsn: 'https://examplePublicKey@o123456.ingest.sentry.io/1234567',
  environment: 'production',
  release: 'app@1.0.0'
});
上述代码通过dsn指定数据上传地址,environment区分运行环境,release绑定版本号,便于精准定位问题来源。
异常上下文增强
  • 用户标识:附加用户ID、角色等信息
  • 标签(Tags):自定义业务维度标签,如页面路径、设备类型
  • 额外数据(Extras):携带请求参数或状态快照
这些元数据极大提升了错误排查效率,使团队能够按需筛选和聚合异常事件。

第五章:构建健壮应用的错误处理终极建议

统一错误响应结构
为提升前后端协作效率,应定义一致的错误响应格式。以下是一个通用的 JSON 错误结构:
{
  "error": {
    "code": "VALIDATION_FAILED",
    "message": "输入数据验证失败",
    "details": [
      {
        "field": "email",
        "issue": "invalid format"
      }
    ],
    "timestamp": "2023-10-05T12:34:56Z"
  }
}
使用中间件集中处理异常
在 Go 或 Node.js 等服务中,通过中间件捕获未处理的异常,避免服务崩溃。例如,在 Express 中:
app.use((err, req, res, next) => {
  console.error(err.stack);
  res.status(500).json({
    error: {
      code: "INTERNAL_ERROR",
      message: "服务器内部错误"
    }
  });
});
关键操作重试机制
网络请求或数据库操作可能因临时故障失败,应实现指数退避重试策略。推荐配置:
  • 最大重试次数:3 次
  • 初始延迟:100ms
  • 退避因子:2(每次延迟翻倍)
  • 加入随机抖动避免雪崩
监控与告警集成
将错误日志接入集中式监控系统(如 Sentry、Prometheus)。下表列出关键指标:
指标名称采集方式告警阈值
HTTP 5xx 错误率APM 工具统计>5% 持续 5 分钟
数据库连接超时日志关键词匹配每分钟 ≥3 次
优雅降级策略
当核心服务不可用时,启用备用逻辑。例如用户头像服务宕机时,返回默认图像 URL 而非报错,保障主流程可用。
入门篇六 Nuxt4错误处理:给应用装个安全气囊 本文介绍了Nuxt框架的错误处理机制,主要包含以下内容:1)通过error.vue创建全局错误页面;2)针对不同错误码显示差异化内容;3)捕获异步请求错误;4)手动创建业务错误;5)使用onErrorCaptured捕获组件级错误;6)配置全局错误处理器;7)API路由的错误处理;8)开发与生产环境的错误显示差异。文章提供了完整的代码示例,强调错误处理对应用健壮性的重要性,并建议为所有可能的错误准备兜底方案,避免用户看到白屏或报错弹窗。 阅读详情

相关推荐

LabVIEW工程密码保护机制与移除技术详解

LabVIEW作为工业自动化领域广泛使用的图形化编程工具,其密码保护机制涉及文件加密与权限控制等核心技术。从技术实现来看,现代版本采用AES-128加密结合SHA-256哈希校验,而经典版本使用XOR加密配合Base64编码。理解这些加密原理对于工程维护、灾难恢复等合法场景至关重要。在实际应用中,密码移除工具需要处理不同版本的文件结构差异,包括解析XML描述区的Protection标签、动态识别版本并应用对应解密策略。这类技术在工业设备维护、教学研究等场景具有重要价值,但必须注意遵守法律边界,确保拥有合法的

weixin_34161083的博客 392

TypeScript中try-catch

JS中六种错误类型 TS中的try-catch 对象的类型为 "unknown"。ts(2571) 无法指定错误类型 默认的any或unknown引发的问题 解决办法:类型断言 as 解决办法:any 默认any或unknow的原因

努力的小白马 8675

Fluent UDF实战:除了速度入口,你的DEFINE_PROFILE宏还能搞定这些边界条件(温度、组分、壁面接触角全解析)

本文深入解析Fluent UDF中DEFINE_PROFILE宏在复杂边界条件中的高阶应用,涵盖温度场、组分浓度和壁面接触角等关键场景。通过实战代码示例,展示如何实现空间梯度温度场、动态组分控制和接触角动态调整,助力CFD工程师突破标准界面限制,提升仿真精度和效率。

weixin_28688385的博客 453

异常的捕获与处理

*几种常见的异常:算术异常(arithmeticException) 空指针异常(NullPointerException) * 文件未找到异常(FileNotFoundException) 数组下标越界异常(ArrayIndexOutOfBoundException) * 内存不足异常(OutOfMemoryException) * 异常处理:try{} cache(){} final

wangws506的博客 830

Zemax操作41--公差分析(一)

zemax公差

lzy750750的博客 5975

相位相关匹配法的opencv C++实现

这一段就是PCIAM算法的核心了,计算两幅图像的峰值相关矩阵,也是完全按照matlab移植过来的,但是后面几行,是为了筛选一些不可能存在的情况,比如边缘处的完全重合,或者只有一行,或者一列重合等等情况,由于PCIAM算法在边缘处的响应值高,所以在一些场景下可能是一种干扰,所以进行了剔除,当然可以不剔除,就是对后期的峰值选取会有影响。头文件,以及各类函数,还有主函数,第一次独立的写这种分文件类型的项目,写的拉跨还请包涵,以及当然可以转成类的形式,但感觉有点小麻烦,后期再修改吧。

qq_43616651的博客 4268

利用TypeScript在编译时捕获运行时错误

在当今的编程领域,捕获运行时错误是一项至关重要的任务。它不仅能提高代码的稳定性,还能减少调试时间。而TypeScript作为一种强类型的JavaScript超集,为我们提供了在编译时捕获运行时错误的有效手段。

m0_74337424的博客 930

RV1106的ISP配置实战:MIPI与LVDS接口的硬件连接与设备树优化

本文详细解析了RV1106芯片的ISP配置实战,重点对比了MIPI CSI-2与LVDS两种主流接口的硬件连接方案与数据流差异。通过手把手的设备树代码示例,深入讲解了单路MIPI与双路LVDS摄像头的配置要点、关键属性设置及常见避坑指南,并提供了从驱动加载检查到Media Controller工具使用的系统化调试方法,帮助开发者快速打通图像采集与处理全链路。

terraform7cloud的博客 474

异常捕获与抛出

文章主要介绍了Java中的异常处理机制。首先,JVM默认处理异常的方式是将异常信息打印在控制台并停止程序运行。其次,通过try-catch结构可以捕获并处理异常,允许多个catch块,且父类异常应放在子类异常之后。异常可以合并处理,程序在捕获异常后仍可继续执行。文章还详细介绍了异常处理的常见方法,如getMessage、toString和printStackTrace,并解释了它们的功能。此外,抛出异常通常写在方法上,以告知调用者异常情况,而捕获异常则写在可能出错的代码上,以确保程序继续运行。最后,文章提到

weixin_52182264的博客 266

道闸不自动落杆故障排查:从传感器原理到控制器调试全解析

在工业自动化和物联网系统中,传感器与控制器构成的闭环控制是保障设备可靠运行的核心。其基本原理是通过传感器采集环境状态,控制器依据预设逻辑做出决策并驱动执行器动作。这一技术价值在于实现了无人值守下的安全、高效自动化,广泛应用于智能交通、安防和智能楼宇等领域。以停车场道闸系统为例,其自动落杆功能高度依赖地感线圈与防砸雷达的协同。地感线圈作为触发单元,负责感知车辆接近;而防砸雷达则作为持续监测的安全单元,通过微波探测防砸区域内是否有障碍物,其信号是控制器执行落杆决策的关键依据。当系统出现车辆通过后闸杆不落的典型故

weixin_29190651的博客 314

Halcon异常检测训练避坑指南:如何避免GPU内存溢出和样本不足问题

本文针对Halcon深度学习异常检测训练中常见的GPU内存溢出和样本不足两大难题,提供了从原理分析到实战解决方案的深度指南。通过调整批次大小、图像尺寸、使用梯度累积等技巧有效管理显存,并利用针对性数据增强与人工合成策略破解小样本困境,帮助开发者构建稳定高效的训练流程。

river的博客 217

TypeScript try-catch异常处理

主要用法: try { throw new Error('手动抛出异常'); } catch (error) { console.log(error); } finally { console.log('执行了finally语句块'); } 执行结果: PS E:\Code\TypeScript\12.TypeScript对象> node .\test03.ts Error: 手动抛出异常 at Object.<anonymous> (E:\Code\Ty

记录工作开发中遇到的技术难点,方便自己查看,也希望可以帮助到他人... 1万+

SAP BSIS:总账未清项表(Open Items)总账未清项 包含哪些业务 请给以举例说明

SAP总账未清项是指需要未来核销的会计行项目,仅适用于勾选"未清项管理"的总账科目。典型业务场景包括:供应商预付款(借方未清项)、员工备用金(借方未清项)、客户预收款(贷方未清项)和保险理赔(借方未清项)。系统通过表BSIS/BSAS跟踪未清项,支持明细追踪和账实核对。核心价值在于提供总账级别的明细管理能力,确保往来款项完整清账,简化对账流程,满足特殊业务管理需求。可通过FBL3N事务码查询和管理所有总账未清项。

金牌架构师 725

NeverThrow测试指南:如何编写可测试的错误处理代码

在JavaScript和TypeScript开发中,**错误处理测试**是确保代码健壮性的关键环节。NeverThrow库为开发者提供了类型安全的错误处理方案,让你的代码不仅更安全,也更容易测试。本文将为你揭示编写可测试错误处理代码的完整方法。 **NeverThrow**是一个专为JavaScript和TypeScript设计的类型安全错误处理库,它通过`Result`类型将失败显式编码到程序

gitblog_00857的博客 1153

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

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")

【TypeScript接口请求封装终极指南】:掌握高效API通信的5大核心技巧

掌握TypeScript接口请求封装技巧,提升前端API通信效率与类型安全。涵盖拦截器、泛型响应处理、错误统一管理等五大核心方法,适用于中大型项目架构。代码可复用性强,维护更便捷,值得收藏。

BreakVein的博客 1019

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

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

终极TypeScript代码整洁指南:提升团队协作效率的10个黄金法则

在现代软件开发中,编写可维护、可读性强的代码是每个开发者的核心目标。TypeScript作为JavaScript的超集,提供了静态类型检查等强大功能,但要充分发挥其优势,遵循代码整洁原则至关重要。clean-code-typescript项目正是将Robert C. Martin的《Clean Code》理念适配到TypeScript环境中,帮助开发者构建更优质的代码库。本文将分享10个实用法则,

gitblog_00796的博客 1083

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

揭秘TypeScript中Promise的5大陷阱:你不可不知的错误用法与最佳实践

掌握TypeScript Promise用法,避开异步编程常见陷阱。详解错误处理、类型推断、链式调用等5大痛点,提升代码健壮性与可维护性。涵盖实际应用场景与最佳实践,助你高效编写可靠异步逻辑。值得收藏,点击了解完整避坑指南。

Instrulink的博客 1000

为什么你的TypeScript项目总在生产环境出错?5步构建可靠错误监控体系

掌握TypeScript错误处理方案,有效预防生产环境异常。通过统一异常捕获、日志上报、类型安全校验等5步实践,提升项目稳定性与可维护性。适用于中大型前端应用,助力构建可靠的错误监控体系,值得收藏。

IterLoom的博客 1022

告别 Action 异常困扰:Pinia 中 $onAction 监听器的 5 个实战技巧

在 Vue 应用开发中,状态管理库 Pinia(???? Intuitive, type safe, light and flexible Store for Vue)的 Action 异常处理常常被开发者忽视,直到生产环境中出现难以追踪的错误。本文将通过 5 个实用技巧,帮助你全面掌握 `$onAction` 监听器的异常处理能力,让你的应用更健壮、调试更高效。 ## 为什么需要 Action 异...

gitblog_01175的博客 443

图吧工具箱TubaWinUi3错误处理与日志系统:如何构建健壮的桌面应用程序

图吧工具箱TubaWinUi3是一款基于WinUI3开发的PC硬件检测与系统维护工具集,它采用了先进的错误处理与日志系统来确保应用程序的稳定性和可靠性。在桌面应用程序开发中,**错误处理**和**日志系统**是构建健壮软件的关键组成部分,它们能有效预防程序崩溃、提升用户体验,并为开发者提供有价值的调试信息。本文将深入解析图吧工具箱TubaWinUi3的错误处理机制,展示如何构建一个专业的桌面应用错

gitblog_00550的博客 372

为什么大厂都在用TypeScript封装请求?这5个优势你必须知道

掌握TypeScript接口请求封装,提升项目健壮性与开发效率。本文解析大厂实践中的5大优势:类型安全、自动提示、统一错误处理、易于测试与维护。适用于中大型前端项目,助力团队协作开发。值得收藏

InstrIsle的博客 856

高级TypeScript-Action开发:自定义输入输出与错误处理最佳实践

TypeScript-Action是GitHub Actions生态中强大的自动化工具,它允许开发者使用TypeScript创建功能丰富、类型安全的CI/CD工作流组件。本文将分享如何构建专业级TypeScript Action,重点讲解自定义输入输出配置与错误处理的最佳实践,帮助你开发出更健壮、易用的自动化工具。 ## 自定义输入输出:Action的核心交互设计 ### 声明输入输出:act

gitblog_01120的博客 379

JavaScript新手必看:createInstanceContext异常完全指南

异常通常出现在JavaScript框架或库中,尤其是当你尝试创建一个实例上下文时,由于某些原因无法完成操作。简单来说,就是在创建对象实例的环境(context)时出了问题。举个例子,就像你想在一个房间里搭建一个工作台,但发现房间本身就不存在,或者房间的门被锁上了,自然就无法完成搭建工作。异常就是类似的情况,只是发生在代码层面。

SnowflakeJaguar14的博客 257

Node-Redis Lua脚本调试终极指南:5个简单有效的调试技巧

Redis作为高性能的内存数据库,其Lua脚本功能为开发者提供了强大的原子操作能力。**Node-Redis Lua脚本调试**是每个使用Redis的Node.js开发者必须掌握的技能。通过有效的调试技巧,您可以快速定位脚本问题,提升开发效率并确保数据操作的原子性。本文将为您揭示5个简单却极其有效的调试方法,帮助您轻松应对复杂的Lua脚本开发挑战。 ## 📊 为什么Lua脚本调试如此重要?

gitblog_00003的博客 630

robinhood-node错误处理与调试:解决常见交易API问题的10个技巧

在使用robinhood-node进行交易API开发时,错误处理和调试是确保应用稳定性的关键环节。本文将分享10个实用技巧,帮助开发者快速定位并解决常见问题,提升交易系统的可靠性和用户体验。 ## 一、掌握基础错误捕获机制 robinhood-node采用回调函数处理API响应,最基础的错误捕获方式是检查回调函数的error参数。在[examples/get_quote.js](https:/

gitblog_00113的博客 265

TypeScript与AI SDK:构建高效AI应用的全栈实践

类型系统是现代软件开发的核心概念,TypeScript通过静态类型检查显著提升了代码可靠性。在AI应用开发领域,类型系统与流式处理、结构化输出的结合尤为关键。Vercel推出的AI SDK基于TypeScript构建,为开发者提供了完整的类型定义和统一API抽象,大幅降低了集成不同AI模型的复杂度。该SDK特别适合需要频繁迭代的AI项目,如智能客服、内容生成系统等场景。通过React Hook等封装,开发者可以快速实现流式交互、生成式UI等高级功能。在生产环境中,配合缓存策略和错误处理机制,能有效控制AI调

weixin_30721077的博客 420
上一篇: 从浏览器到服务器:TypeScript全链路日志收集架构设计(实战篇)
下一篇: 【前端架构师亲授】:TypeScript + Pinia打造企业级状态管理方案
SimTrans
博客等级 码龄1年 158粉丝 2004原创
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  | 博主筛选后可见
 
 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