Spring笔记一

Spring 框架

1. 建立web工程,导入jar包 (最基本的jar包,版本spring-framework-4.2.4)

这里写图片描述

2. 创建对象,书写配置注册对象到容器

位置任意(建议放到src下)
配置文件名任意(建议applicationContext.xml)
这里写图片描述

3. 导入约束

这里写图片描述

编写applicationContext.xml ,添加beans 标签

    <?xml version="1.0" encoding="UTF-8"?>
    <beans></beans>

切换到design视图 选中【beans】标签,右键选择 【Edit Namespaces】 导入xsi
这里写图片描述

导入xsi完成后,再点击【add】 选择
步骤1:

这里写图片描述

步骤2:
这里写图片描述
导入成功后
这里写图片描述

ApplicationContext 类

这里写图片描述

bean对象
三种对象创建方式
这里写图片描述

scope属性

这里写图片描述

init-method destroy-method

这里写图片描述

模块化配置

这里写图片描述

spring属性注入

**set方法注入

这里写图片描述

**构造函数注入:

这里写图片描述

p名称空间注入(了解)
导入p名称空间

xmlns:p ="http://www.springframework.org/schema/p" 

这里写图片描述

SPEL注入(了解)
这里写图片描述

复杂类型注入

array类型 和 list 类型 (同array)

这里写图片描述

map类型注入:

这里写图片描述

Properties类型注入

这里写图片描述

使用注解配置Spring
1. 为主配置文件引入新的命名空间(约束)

这里写图片描述

这里写图片描述

2. 开启使用注解代理配置文件

这里写图片描述

这里写图片描述

这里写图片描述

spring 整合junit测试

这里写图片描述

内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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