数据库API连接方式比较:WebSocket与RESTful API的性能与应用场景分析

COT Buck和普通Buck的区别 传统的电流模控制的调制原理,由时钟脉冲信号 clk 的上升沿触发开始一个新的开关周期,d 由低变高,主开关闭合,流过它的电流和电感电流相等,并以固定斜率逐渐增大,直至 iL *Ri 与斜坡补偿信号 se 的和等于控制信号 vc;此时,比较器的输出电平由低变高,导通时间产生器被触发,其输出 d 由低变高,并产生一个固定的导通时间 Ton;然后 PWM 比较器的输出由低变高,导通时间产生器被触发,主开关闭合,电感电流逐渐增大,直到导通时间产生器计满固定的时间 Ton,d 变为低电平,主开关断开,周期结束。 阅读详情

摘要

随着Web应用对实时性要求的不断提高,数据库API的连接方式选择变得至关重要。本报告将从连接速度、客户端人数、稳定性等维度,对WebSocket和RESTful API这两种主流的数据库API连接方式进行深入比较,为开发者选择适合自身应用场景的API连接方式提供参考。

基本概念对比

RESTful API概述

RESTful API(Representational State Transfer)是一种基于HTTP协议的应用程序接口设计风格。它遵循客户端-服务器模型,通过使用不同的HTTP动词(GET、POST、PUT、DELETE)来实现对资源的操作。RESTful API采用请求/响应模型,客户端发起请求,服务器处理后返回响应[5]。

RESTful API的主要特点包括:

  • 基于HTTP请求:使用标准HTTP方法进行数据交互
  • 无状态:每个请求都是独立的,服务器不维护客户端状态
  • 短连接:请求-响应后,连接就会断开
  • 缓存支持:可以使用HTTP缓存机制减少重复请求[35]

WebSocket概述

WebSocket是一种在单个TCP连接上进行全双工通信的协议。它允许客户端和服务器之间进行实时的双向数据传输。与传统的HTTP请求不同,WebSocket允许在单个TCP连接上进行双向通信[4]。

WebSocket的主要特点包括:

  • 长连接:客户端和服务器建立持久连接,无需每次请求都重新建立TCP连接
  • 双向通信:服务器可以主动向客户端发送数据,而不需要客户端轮询请求
  • 低延迟:适用于实时交互场景[35]

连接速度比较

建立连接时间

RESTful API和WebSocket在建立连接方面存在显著差异,这直接影响了连接速度:

  1. RESTful API:每次请求都需要建立新的连接,这增加了每次请求的开销。根据研究,每次HTTP连接建立需要经过三次握手,这会增加连接建立时间[34]。

  2. WebSocket:通过在HTTP协议基础上进行握手,一旦握手成功,就建立了一个持久的连接。这种"连接一次,持续使用"的模式大大减少了连接建立的开销。一旦连接建立,客户端和服务器之间可以在任何时刻主动发送消息给对方,无需额外的握手过程[34]。

在实际应用中,对于需要频繁交互的应用场景,WebSocket的连接建立时间优势会更加明显,因为它减少了重复建立连接的开销。

数据传输延迟

数据传输延迟是指从服务器发送数据到客户端接收数据之间所经过的时间。较低的延迟可以提供更好的实时性和用户体验[67]。

  1. RESTful API:由于每次请求都需要建立新的连接,数据传输延迟通常较高。此外,RESTful API的无状态特性要求每个请求都携带完整信息,这增加了数据传输量,进一步增加了延迟。

  2. WebSocket:一旦连接建立,数据可以在客户端和服务器之间实时传输,延迟较低。WebSocket通过减少协议控制数据包头部的大小,降低了传输开销[4]。

在实际应用中,对于需要实时数据传输的场景,如股票行情、在线游戏等,WebSocket的低延迟特性提供了显著优势。

客户端人数比较

并发连接处理能力

在处理大规模并发访问方面,两种协议的表现存在差异:

  1. RESTful API:由于每次请求都需要建立新的连接,当并发用户数增加时,服务器需要处理大量并发连接,这会增加服务器资源消耗。传统Web服务器设计通常可以处理数千个并发连接,但大量RESTful API请求会消耗更多资源。

  2. WebSocket:通过持久连接,WebSocket允许服务器同时与大量客户端保持连接。一些高性能的WebSocket服务器可以处理数万个并发连接。根据搜索结果,一些流行的WebSocket库如uWebSockets、WebSocket++和Boost.Beast在处理大量并发连接时表现出色[32]。

在实际应用中,对于需要支持大量并发用户的实时应用,WebSocket通常能提供更好的性能。

客户端连接数测试

在进行性能测试时,客户端连接数是一个重要指标,表示同时与服务器建立连接的客户端数量。对于支持大规模并发访问的应用,能够同时处理大量客户端连接是一个重要的指标[67]。

使用JMeter等工具可以模拟大量客户端同时连接到服务器,测试服务器的连接处理能力。对于RESTful API,这涉及同时发起大量HTTP请求;而对于WebSocket,则需要建立大量持久连接。

在实际应用中,对于需要支持大规模并发连接的场景,如在线直播、实时协作工具等,WebSocket通常能提供更好的性能。

稳定性比较

连接稳定性

连接稳定性是指在长时间运行的情况下,连接是否能保持稳定。需要测试在高负载、长时间运行等场景下,连接是否会出现异常断开或延迟增加的情况[67]。

  1. RESTful API:由于每次请求都是独立的,连接稳定性主要取决于网络质量和服务器状态。对于需要持续连接的应用,RESTful API可能需要频繁重连,增加了系统复杂性。

  2. WebSocket:一旦连接建立,WebSocket提供了持久的连接。现代WebSocket实现通常包含心跳检测和断线重连机制,可以有效地保持连接的稳定性和可靠性。在需要长时间保持连接的场景下,WebSocket通常表现出更好的稳定性[33]。

错误处理和恢复能力

在实际应用中,网络波动、服务器故障等问题可能导致连接中断。两种协议在错误处理和恢复能力方面存在差异:

  1. RESTful API:由于每次请求都是独立的,错误处理相对简单。如果请求失败,可以简单地重试或返回错误信息。但这种机制对于需要持续连接的应用可能不够高效。

  2. WebSocket:现代WebSocket实现通常包含心跳检测和自动重连机制,可以在网络波动或连接中断时自动尝试重新建立连接。这提高了应用的稳定性和可靠性,特别是在网络环境不稳定的情况下。

在实际应用中,对于需要高稳定性的场景,如金融交易系统、实时监控系统等,WebSocket的连接稳定性和错误恢复机制提供了显著优势。

适用场景分析

RESTful API适用场景

RESTful API适用于以下场景:

  1. 按需请求资源:适用于需要获取数据库中特定数据的场景,如用户信息查询、产品详情查询等[60]。

  2. 非实时交互:适用于新闻阅读、电商查询、社交媒体内容浏览等不需要实时数据更新的场景[35]。

  3. 传统Web API开发:RESTful API简单、可伸缩、可移植,适用于传统Web API开发[39]。

  4. 无状态操作:适用于不需要服务器记住先前请求状态的场景[5]。

WebSocket适用场景

WebSocket适用于以下场景:

  1. 实时数据更新:适用于需要实时推送数据的场景,如股票行情、社交媒体动态更新等[51]。

  2. 在线聊天:需要实时双向通信的场景,如即时通讯应用、在线客服系统等[35]。

  3. 物联网数据传输:适用于需要持续数据传输的物联网系统[57]。

  4. 实时监控系统:需要持续监控和更新的场景,如设备监控、系统状态监控等[51]。

性能测试方法

为了全面评估数据库API连接方式的性能,需要进行以下性能测试:

连接时间测试

连接时间测试用于评估建立连接所需的时间。对于实时性要求较高的应用,较短的连接建立时间是一个重要指标[67]。

测试方法:

  1. 记录客户端发起连接请求的时间
  2. 记录服务器确认连接建立的时间
  3. 计算两者之间的时间差作为连接建立时间

数据传输延迟测试

数据传输延迟测试用于评估从服务器发送数据到客户端接收数据之间所经过的时间[67]。

测试方法:

  1. 服务器发送测试数据包
  2. 客户端接收数据包后记录接收时间
  3. 计算数据传输时间

吞吐量测试

吞吐量测试用于评估单位时间内传输的数据量。对于高并发场景下的应用,较高的吞吐量可以提供更好的性能[67]。

测试方法:

  1. 在固定时间内发送大量数据
  2. 记录成功传输的数据量
  3. 计算吞吐量(通常以MB/s或GB/s为单位)

客户端连接瓶颈测试

客户端连接瓶颈测试用于评估系统能够同时处理的最大客户端连接数[67]。

测试方法:

  1. 逐步增加客户端连接数
  2. 记录系统性能变化
  3. 找到性能开始下降的临界点

性能测试工具

在进行数据库API连接方式的性能测试时,可以使用以下工具:

JMeter

JMeter是一个功能强大的开源性能测试工具,可以用于对RESTful API和WebSocket进行性能测试[65]。

使用JMeter进行WebSocket性能测试的步骤:

  1. 添加线程组
  2. 配置参数
  3. 添加监听器,查看结果树
  4. 模拟并发量,模拟接口请求和获取[65]

Gatling

Gatling是另一个常用的性能测试工具,可以用于模拟高并发场景,适合对RESTful API和WebSocket进行压力测试[40]。

IDE内置调试器

IDE内置调试器(如IntelliJ IDEA/Eclipse调试器)可以方便地在本地进行断点调试,查看变量状态、堆栈信息等,有助于在开发阶段发现性能问题[40]。

综合比较与选择建议

技术特点比较

特性RESTful APIWebSocket
连接方式每次请求新建连接单个持久连接
通信模式单向通信全双工通信
实时性较低,依赖客户端轮询高,服务器可主动推送
协议复杂性高,需要处理底层细节低,简化了通信过程
性能控制开销较大控制开销较小
缓存支持支持HTTP缓存机制无内置缓存机制

场景选择建议

选择数据库API连接方式时,应考虑以下因素:

  1. 应用需求:如果需要实时数据更新和双向通信,选择WebSocket;如果只需要按需获取数据,选择RESTful API。

  2. 系统复杂性:RESTful API基于标准的HTTP协议,更容易实现和维护;而WebSocket需要额外的服务器支持和客户端实现。

  3. 性能要求:对于需要低延迟、高实时性的场景,选择WebSocket;对于对并发连接数要求不高的场景,RESTful API可能足够。

  4. 开发资源:如果团队熟悉HTTP协议和RESTful API设计,可以选择RESTful API;如果团队有实时通信经验,可以选择WebSocket。

结论

通过对WebSocket和RESTful API的全面比较,我们可以得出以下结论:

  1. 连接速度:在建立连接时间方面,RESTful API每次请求都需要新建连接,而WebSocket建立一次持久连接即可,因此在需要频繁交互的场景下,WebSocket具有优势。在数据传输延迟方面,WebSocket的低延迟特性使其更适合实时应用场景。

  2. 客户端人数:在处理大规模并发访问方面,WebSocket通过持久连接可以更高效地处理大量并发用户,而RESTful API在高并发场景下可能面临更大的服务器资源消耗。

  3. 稳定性:在连接稳定性方面,WebSocket提供了持久连接并通常包含心跳检测和自动重连机制,使其在长时间运行的场景下表现出更好的稳定性。

根据应用需求、系统复杂性、性能要求和开发资源等因素,可以选择适合的数据库API连接方式。RESTful API和WebSocket并非互斥,而是互补的,可以根据具体需求在应用中结合使用,以获得最佳效果。

参考文献

[4] http://blog.youkuaiyun.com/btqszl/article/details/62895328?locationNum=15&fps=1

[5] https://www.cnblogs.com/DQ-MINE/p/17995210

[32] https://www.yisu.com/jc/875791.html

[33] https://www.yisu.com/jc/874889.html

[34] https://www.yisu.com/jc/913001.html

[35] https://blog.youkuaiyun.com/weixin_43817898/article/details/145574689

[39] https://www.toutiao.com/article/7308244992189956623/

[40] https://blog.youkuaiyun.com/2301_79306982/article/details/145656824

[51] https://weibo.com/7935064010/OCN9aEj1W

[57] http://websocket-test.com/

[60] https://www.yisu.com/jc/887845.html

[65] https://www.cnblogs.com/fireblackman/p/18254657

[67] https://blog.youkuaiyun.com/QINJIEEE/article/details/135990454

华为OD机试 新系统真题 【数字系统转换器】 华为OD机试 新系统真题【数字系统转换器】,提供C语言、Java、C++、Python、Go、JavaScript源码实现,并提供完整思路讲解,以及在线OJ模拟做题。华为OD机试真题【数字系统转换器】多语言题解。 阅读详情

相关推荐

VPS环境搭建及配置

VPS(Virtual Private Server)是一种虚拟化技术,可以将一台物理服务器分成多个虚拟服务器,每个虚拟服务器都有独立的操作系统和资源,相互之间互不影响。VPS可以提供类似于独立服务器的功能,但价格更便宜,适合中小企业和个人用户使用。VPS可以用于网站托管、应用程序部署、游戏服务器、数据备份等各种场景。

YJ_12340的博客 1万+

网络协议(十四):WebSocket、WebService、RESTful、IPv6、网络爬虫、HTTP缓存

缓存 - 请求头。

从基础到源码解析的学习记录 3562

告别AT串口线!用STM32F407的USB FS口直连EC800M进行物联网通信

本文介绍了一种创新的物联网通信方案,利用STM32F407的USB FS接口直连EC800M模块,替代传统的AT串口线连接。通过详细的硬件对比、STM32CubeMX配置和USB驱动调试步骤,展示了如何实现更高效的AT指令通信,同时降低硬件复杂度和功耗。

weixin_29189987的博客 707

socket、websocket、rpc、restful、tcp、udp、tcp/ip、osi七层协议

socket、websocket、rpc、restful、tcp、udp、tcp/ip、osi七层协议 对于以上这些名词,你是否感到熟悉呢?他们都是干什么有的,有哪些异同呢? 需要弄清这些东西,要先从七层网络协议开始说起。 1.网络七层协议 osi是一个开放性的通信系统互连参考模型。 为使不同计算机厂家的计算机能够互相通信,以便在更大的范围内建立计算机网络,有必要建立一个国际范围的网络体系结构标准。国际标准化组织ISO 于1981年正式推荐了一个网络系统结构----七层参考模型,叫做开放系统互连模型(Ope

wangfan741的博客 2626

数据基础设施建设任务中的技术名词解析

近日,国家数据局确定了18个数据基础设施建设任务(先行先试)承担地区,建设任务内容为:数场、数据空间、数据原件、隐私计算、数联网、区块链。这些概念都有什么样的内涵,他们的相互关系是怎样的?

五角大寨 5311

FDTD Solutions-入射波长模式

经常在文献中看到仿真光源使用TM/TE模式,这个确定是十分必要的,决定了仿真结果。 但是也不能局限于选择TM/TE,因为不同领域、不同软件之间的使用习惯和命名可能不同。并且在现代光波导器件中,几乎全部 都是混合模式,或者称之为quasi-TE(准TE模式)和quasi-TM(准TM模式),多数情况下都简称为TE模式和TM模式。要知道 到底是TE模式还是TM模式,需要查看其电场的主分量(即振幅...

HECHUANWANG的博客 1万+

Restful风格与Wesocket之间的关联

RESTful 是一种基于 HTTP 协议的架构风格,它使用标准的 HTTP 方法(如 GET、POST、PUT、DELETE 等)来进行资源的操作,并倾向于无状态的、可缓存的通信。RESTful API 通常用于请求-响应模型的通信,每次操作都是无状态的,并且每个请求都包含了所有必要的信息来处理该请求。WebSocket 用于实现实时通信、长连接和低延迟的通信。总的来说,RESTful 风格和 WebSocket 并不是相互排斥的,它们可以根据不同的通信需求和场景共同使用,以实现更高效和灵活的通信机制。

舒一笑的博客 684

FPGA之串口收发字符串之(四)——串口屏USART_HMI介绍

之前对串口各模块的设计都做了相关介绍。这里介绍串口屏的相关知识。 本次项目使用的串口屏型号是陶晶驰串口屏TJC3224T024_011,这个型号的串口屏的资料在官网可以找到。本文抛转引玉,简单介绍以便在本工程中更好的应用。 下图是该串口屏的实物图: 一般地,使用单片机或者嵌入式MCU控制串口屏,都会用到串口,同样地,在FPGA中实现也是类似,不过稍微复杂,具体代码设计过程中有以下问题需要...

隔壁old余的博客 7496

RESTful API 和 WebSocket 的区别

特性WebSocket通信方式请求-响应(单向)实时双向通信连接方式短连接(每次请求创建连接)长连接(连接保持)延迟高(每次请求重新建立连接)低(保持连接,实时推送)服务器推送需要客户端轮询服务器可主动推送数据格式JSON、二进制数据适用场景非实时查询、数据提交(如 API 接口)实时聊天、股票行情、游戏同步。

我的博客 2699

31、MSP430FR2355时钟系统与低功耗模式解析

本文详细解析了MSP430FR2355的时钟系统和低功耗模式。首先介绍了时钟系统的组成,包括XT1振荡器、DCO、MODCLK、MCLK、SMCLK和ACLK的功能与配置方法。接着探讨了MSP430FR2355的五种低功耗模式及其配置要点,并分析了时钟系统与低功耗模式之间的协同关系。最后通过实际应用案例展示了如何在具体场景中优化系统功耗。文章旨在帮助开发者充分利用MSP430FR2355的时钟与低功耗特性,实现高性能、低功耗的嵌入式系统设计。

mars5的博客 198

RT-DETR升级:TGRS2026 CKConv结合RepC3 | 方向特征与跨阶段融合协同,小目标漏检率大幅下降

小目标鲁棒性提升:CKConv方向选择性抑制背景噪声,RepC3跨阶段传递保留深层微弱热信号,显著改善低对比度、低信噪比场景下的检测精度。

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 161

http、websocket;restful、rpc的区别

HTTP 是一个属于应用层的面向对象的协议,HTTP 协议一共有五大特点:1、支持客户/服务器模式;2、简单快速;3、灵活;4、无连接;5、无状态。基于HTTP协议的客户/服务器模式的信息交换过程,分四个过程:建立连接、发送请求信息、发送响应信息、关闭连接。 无连接 无连接是指限制每次连接只处理一个请求。服务器处理完客户的请求,并收到客户的应答后,即断开连接。采用这种

btqszl的博客 1万+

01-系统技术架构师必备——软件架构设计基础与核心概念

摘要 本文系统阐述了软件架构设计的核心概念与方法论,重点涵盖以下内容:1)软件架构的四大要素(构件、连接件、约束、配置)及其边界划分;2)Garlan & Shaw五大架构风格(数据流、调用/返回、独立构件、虚拟机、仓库)的典型应用场景;3)基于电商库存系统的架构选型实战案例,展示如何根据业务需求(高并发、最终一致性)选择事件驱动架构配合Saga模式;4)介绍ABSD、DSSA等主流架构方法论及ISO/IEEE标准体系。文章融合金融与互联网领域的架构实践经验,为技术架构师提供系统性的知识框架和决策参考。

模界 | AI工程化实践者 186

PostgREST完整指南:5分钟从PostgreSQL数据库生成RESTful API

PostgREST是一个简单高效的RESTful API服务器,能够直接从PostgreSQL数据库生成完整的REST API,无需编写任何后端代码。这个开源工具将数据库表、视图和存储过程自动转换为REST端点,让开发者能够快速构建API服务,极大提升了开发效率。无论是构建微服务、移动应用后端还是企业级API网关,PostgREST都能提供高性能的解决方案。 [![PostgREST项目logo

gitblog_00866的博客 809

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

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")

SurrealDB实时API网关架构解析:多模型数据库的RESTful接口自动化生成方案

SurrealDB作为新一代多模型数据库,不仅融合了文档、图、关系型等多种数据模型,更内置了强大的API网关功能。本文针对系统架构师和高级开发者,深入解析SurrealDB如何通过其独特的架构设计,实现RESTful接口的自动化生成,为实时Web应用提供高效的数据服务层解决方案。SurrealDB的核心价值在于将数据库、API服务和权限控制统一在单一Rust二进制文件中,显著简化了现代应用的后端架

gitblog_00930的博客 337

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

B站直播API完整集成指南:20+核心接口实战与RESTful调用详解

Bilibili-Live-API是一套全面覆盖B站直播生态的API接口集合,为开发者提供完整的直播功能集成解决方案。本项目包含20+核心RESTful接口和WebSocket协议实现,涵盖房间管理、弹幕互动、礼物系统、用户认证等关键功能模块,帮助开发者快速构建B站直播相关的应用程序。 ## 技术概览与架构设计 Bilibili-Live-API采用模块化设计,将B站直播API按功能划分为多个

gitblog_00343的博客 550

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

如何高效集成BaseX XML数据库到Java企业应用:完整指南与最佳实践 [特殊字符]

BaseX是一个轻量级、高性能的XML数据库系统,专为存储、查询和处理XML数据而设计。在企业应用中,BaseX与Java的集成能够为XML数据处理提供强大的支持。本文将为您详细介绍BaseX与Java集成的完整方案,帮助您在企业级应用中快速部署和使用这个强大的XML数据库。 ## 为什么选择BaseX作为企业XML数据库解决方案? 🤔 BaseX不仅是一个XML数据库,更是一个完整的XML

gitblog_01278的博客 830

DelphiMVCFramework:打造高性能RESTful与JSON-RPC双引擎API的终极解决方案

在当今微服务架构盛行的时代,Delphi开发者面临着构建高性能Web API的挑战。传统Delphi开发方式难以满足现代API开发的需求,而DMVCFramework(Delphi MVC Framework)应运而生,成为Delphi平台上最强大、最完整的RESTful和JSON-RPC Web API开发框架。作为GitHub上最受欢迎的Delphi RESTful框架,它为开发者提供了一站式

gitblog_00114的博客 231

高效构建RESTful API:Python-100-Days项目深度解析与实战指南

Python-100-Days项目为开发者提供了从零开始掌握RESTful API开发的最佳实践路径,通过Django REST Framework(DRF)这一强大工具,帮助开发者快速构建高效、安全、可扩展的Web API接口。本文深度解析Python-100-Days中RESTful架构的实现精髓,分享实用技巧和高效开发方法。 ## 为什么选择Python-100-Days学习RESTful

gitblog_00920的博客 245

探索PostgREST:构建现代化API的利器

探索PostgREST:构建现代化API的利器 【免费下载链接】postgrest PostgREST是一个开源的RESTful API服务器,用于将PostgreSQL数据库暴露为RESTful API。 - 功能:RESTful API服务器;PostgreSQL数据库;RESTful API。 - 特点:易...

gitblog_00057的博客 678

全面解析当前最流行的六大 API 风格:从 SOAP 到 Webhook,一文带你吃透原理、优势与适用场景

主流API风格对比与选型指南 当前主流的六大API风格各有特点:SOAP作为传统协议已逐渐淘汰;RESTful凭借简单易用成为主流;GraphQL适合灵活数据查询;gRPC在微服务内部通信中表现优异;WebSocket满足实时双向通信需求;Webhook则擅长事件驱动型回调。选择API风格需考虑协议性能、开发复杂度、团队技术栈和业务场景。RESTful适合大多数Web应用,微服务架构可优先考虑gRPC,实时系统推荐WebSocket,而需要灵活数据查询的场景则适合GraphQL。

qq_46371374的博客 1490

InsForge:AI驱动后端开发的架构革新与PostgreSQL自动API终极方案

在当今快速迭代的软件开发环境中,技术决策者和架构师面临着一个核心挑战:如何在保证系统稳定性和可扩展性的同时,大幅提升开发效率?传统后端开发模式中,数据库设计与API开发之间的割裂导致大量重复性工作,每个新表都需要手动编写CRUD接口、配置路由、实现权限验证,这不仅消耗宝贵的开发时间,还引入了潜在的不一致性风险。InsForge作为一体化开源后端平台,通过PostgreSQL自动API生成技术,为这

gitblog_00609的博客 431

【亲测免费】 探索高效RESTful API开发:oatpp框架深度解析

如果你在寻找一个现代化、高性能且易于使用的C++ RESTful API开发框架,那么绝对是值得你关注的项目。本文将带你深入了解oatpp,探讨其技术特性,并展示它如何简化你的Web服务开发工作。 ## 项目简介 Oat++是一个轻量级、全异步、线程安全的C++ web后端框架。它的设计目标是提供简单易用的API,以及高效的性能,使得开发者可以快速构建复杂的服务器应用程序。oatpp支持Web

gitblog_00095的博客 1817

基于Golang与WebSocket的企业级在线客服系统解决方案

在数字化转型浪潮中,企业面临客户服务响应延迟、多平台沟通碎片化、客服成本居高不下等痛点。传统客服系统难以满足高并发实时通信需求,而商业SaaS方案又存在数据安全和定制化限制。GO-FLY在线客服系统采用Golang高性能语言与WebSocket实时通信技术,为企业提供私有化部署、高并发支持的实时聊天解决方案。 ## 核心技术架构解析 GO-FLY采用现代化的微服务架构设计,结合Gin框架与We

gitblog_00714的博客 574

DRF核心知识点与面试题解析:RESTful API开发实战

RESTful API是现代Web开发的核心技术,遵循资源导向、无状态通信等设计原则。Django REST framework(DRF)作为Python生态中最成熟的REST API开发框架,通过序列化器、视图类和认证系统等核心组件,实现了高效的后端服务开发。其模块化设计支持快速构建符合REST规范的接口,特别适合前后端分离架构下的用户认证(JWT)、权限控制和数据校验等场景。掌握DRF的认证流程、节流算法和性能优化技巧,能显著提升微服务架构下的API开发效率,是中级Python开发者向架构师进阶的关键技

weixin_33748818的博客 421

探索Spring Boot的无限可能:一站式RESTful API开发指南

探索Spring Boot的无限可能:一站式RESTful API开发指南 项目介绍 在现代软件开发中,Spring Boot已经成为构建高效、可扩展的RESTful API的首选框架。本项目旨在为开发者提供一个全面的Spring Boot教程,涵盖了从基础到高级的各种技术点,并通过丰富的代码示例和详细的注释,帮助开发者快速掌握Spring Boot的核心概念和最佳实践。 项目内容丰富,从最简单的...

gitblog_00912的博客 606
上一篇: 数据库变更实时同步到客户端的显示技术研究
下一篇: Redis vs MySQL在SSD和HDD上的性能对比研究报告
卢小林老师
博客等级 码龄10年 803粉丝 66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
 
 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