jBPM环境搭建

      经过近一天的折腾,终于把jBPM环境搭建成功,现在把这一天来的学习经验拿出来和大家分享一下。

系统环境:xp、JDK1.6、jBPM-4.0

安装相关软件:

1、JDK1.6

   安装并配置,这里不再重述。

2、Eclipse3.5

   jBPM4.0好像需要Eclipse3.5版本的.

3、安装Ant

   Ant 是一个编译工具,使用 jBPM 时必须用它来编译文件, jBPM 中的很多操作都要用到 Ant ,安装方法如下:

   (1)先下载:到官方网站下载

   (2) 解压到 D:/apache-ant-1.7.1(当然其他目录也可以);

   (3) 设置环境变量:ANT_HOME= D:/apache-ant-1.7.1;(注意这里在结束时不需要加“;“,如若加上会不识别ant命令) 

   (4)把 %ANT_HOME%/bin 加入到环境变量 PATH 中。

CMD中键入ant -version 如果看到:Apache Ant version 1.7.1 compiled on June 27 2008那说明你的PATH环境已经设置好了。)

4、安装jBPM4.0

  下载并安装jbpm-4.0  (注意Eclipse的版本要最新的,否则会安装失败,在这一步浪费了我太多时间,望后来者不要重蹈覆辙)

在Eclipse3.5安装的步骤:

 (1)  打开Eclipse选择菜单“Help->”install New SoftWare;

 (2)弹出窗口中点击“Add>”;如图 

 

 (3) 然后点击Archive

 

 (4) 找到下载下来的iBPM-4.0中gpd文件夹

 

 (5) 确定之后,选中JBPM JPDL4.0 

 (6) 选择同意条款,接提示步骤安装就可以了。

 

 现在测试搭建的环境是否成功:

       在Eclipse中新建一个JavaProject,将下载的jbpm-4.0中jbpm-4.0/examples/src下的

五个配置文件复制到新建的工程下,

然后再建一个xml文件:

然后在画:Start、state、end

然后再写一个测试类:

 

package testjbpm;


import junit.framework.TestCase;

import org.jbpm.api.Configuration;
import org.jbpm.api.ExecutionService;
import org.jbpm.api.ProcessEngine;
import org.jbpm.api.ProcessInstance;
import org.jbpm.api.RepositoryService;
import org.junit.After;
import org.junit.Before;

public class TestJbpm  extends TestCase{
   
 ProcessEngine processEngine = null;
 String deployId = null;
 RepositoryService repositoryService = null;
 ExecutionService executionService = null;
 
 @Before
 public void setUp() throws Exception {
  processEngine = new Configuration().buildProcessEngine();
  repositoryService = processEngine.getRepositoryService();
  executionService = processEngine.getExecutionService();
  deployId = repositoryService.createDeployment().addResourceFromClasspath("hello.jpdl.xml").deploy();
  
 }

 

 @After
 public void tearDown() throws Exception {
  repositoryService.deleteDeploymentCascade(deployId);
 }
   
 public void testEndHelloWord(){
  ProcessInstance processInstance = executionService.startProcessInstanceByKey("Hello");
  assertTrue(processInstance.isActive("state1"));
  String pid = processInstance.getId();
  processInstance = executionService.signalExecutionById(pid);
  assertTrue(processInstance.isEnded());
 }
}
 

附上xml的文件:

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

<process name="Hello" xmlns="http://jbpm.org/4.0/jpdl">
   <start name="start1" g="4,18,48,48">
      <transition name="to state1" to="state1" g="-68,-18"/>
   </start>
   <end name="end1" g="351,340,48,48"/>
   <state name="state1" g="174,197,92,52">
      <transition name="to end1" to="end1" g="-54,-18"/>
   </state>
</process>

 

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实现一键化建模的方法。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/高光谱影像的单一类别特征提取。; 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