七牛上传文件(JS实现)

七牛云前端(客户端)方式上传上传示例 1.前端请求后端获取上传凭证Token2.客户端携带Token直接上传文件到七牛云3.接收返回的url。 阅读详情
写在前面: 本人是个新人,很多说法或者写法不正确不严谨,请见谅!
未写前的迷茫: 在七牛官网实例中可以很正常的使用上传功能,但是将文件以及资源下载到本地就不能上传了,报“格式错误”、“媒体类型错误”等,也不知道是什么原因导致的。后来看了uptoken比较重要,自认为是那里的原因,但是具体是怎么回事还没弄明白。后经过师父指点,需要服务器提供uptoken,加之在七牛文档中心查阅了相关的上传设置,才知道uptoken是业务服务器返回到客户端以供上传文件到七牛的上传凭证。uptoken主要是通过七牛SDK构造。并且也学习到uptoken的构造需要由AccessKey、SecretKey、bucketName,而且这些是需要自己在官网去注册申请,在之前这些都不知道,导致没办法进行下去。

七牛上传简介:官方文档地址:http://developer.qiniu.com/docs/v6/sdk/JavaScript-sdk.html

功能包括:

上传
  • html5模式大于4M时可分块上传,小于4M时直传
  • Flash、html4模式直接上传
  • 继承了Plupload的功能,可筛选文件上传、拖曳上传等
  • 下载(公开资源)
数据处理(图片)
  • imageView2(缩略图)
  • imageMogr2(高级处理,包含缩放、裁剪、旋转等)
  • imageInfo (获取基本信息)
  • exif (获取图片EXIF信息)
  • watermark (文字、图片水印)
  • pipeline (管道,可对imageView2、imageMogr2、watermark进行链式处理)

业务流程:

一般  客户端(终端用户) => 业务服务器 => 云存储服务

缺点:

  1. 多了一次中转的上传过程,同数据存放在用户的业务服务器中相比,会相对慢一些;
  2. 增加了用户业务服务器的负载,消耗了带宽,占用了磁盘,降低了服务能力;
  3. 增加了用户的流量消耗,来自终端用户的上传数据进入业务服务器,然后再次上传至云存储服务,净增一倍流量。

更改  客户端(终端用户) => 七牛 => 业务服务器
优点:
客户端(终端用户)直接上传到七牛的服务器。通过DNS智能解析,七牛会选择到离终端用户最近的ISP服务商节点,速度会相比数据存放在用户自己的业务服务器上的方式更快。而且,七牛云存储可以在用户文件上传成功以后,替用户的客户端向用户的业务服务器发送反馈信息,减少用户的客户端同业务服务器之间的交互。

实现步骤:
1 环境准备
添加maven依赖
[html]  view plain  copy
 print ?
  1. <!--qiniu begin-->  
  2. <dependency>  
  3.     <groupId>com.qiniu</groupId>  
  4.     <artifactId>sdk</artifactId>  
  5.     <version>6.1.7</version>  
  6. </dependency>  
  7. <!--qiniu end-->  

2 初始化

要接入七牛云存储,您需要拥有一对有效的 Access Key 和 Secret Key 用来进行签名认证。

2.1注册七牛开发者账号,查看AccessKey和SecretKey


2.2 新建一个空间,取一个自己空间的名称niu8


2.3在controller中添加一个方法用来生成uptoken,uptoken可简单理解为七牛上传的凭证,JS在设置的时候需要这个。

[java]  view plain  copy
 print ?
  1. @RequestMapping(value = "uptoken", method = RequestMethod.GET)  
  2. @ResponseBody  
  3. public ResponseEntity<Object> makeToken() {  
  4.     //todo  
  5.     // 需要修改AK、SK、bucketName  
  6.     Config.ACCESS_KEY = "FhR6piyeRd07vhonfdIePWPgeIrTXmOXyeZx8gKm";  
  7.     Config.SECRET_KEY = "goerw3ZniGNmrpVbUuyhI_-u2VFEzUKYY6OZ5lRj";  
  8.     Mac mac = new Mac(Config.ACCESS_KEY, Config.SECRET_KEY);  
  9.     String bucketName = "niu8";  
  10.     PutPolicy putPolicy = new PutPolicy(bucketName);  
  11.     try {  
  12.         String uptoken = putPolicy.token(mac);  
  13.         JSONObject jsonObject=new JSONObject();  
  14.         jsonObject.put("uptoken",uptoken);  
  15.         return new ResponseEntity(jsonObject, HttpStatus.OK);  
  16.     } catch (AuthException e) {  
  17.         e.printStackTrace();  
  18.         return new ResponseEntity(null, HttpStatus.BAD_REQUEST);  
  19.     } catch (JSONException e) {  
  20.         e.printStackTrace();  
  21.         return new ResponseEntity(null, HttpStatus.BAD_REQUEST);  
  22.     }  
  23. }  
说明:

  1. 这里的controller的请求映射为/container,请求的方法的映射为uptoken,因此页面请求的路径为$(ctx)/container/uptoken
    [java]  view plain  copy
     print ?
    1. <span style="font-family:Microsoft YaHei;font-size:12px;">@RequestMapping(value = "/container")</span>  
  2. 代码里面主要设置AK、SK、bucketName,然后通过七牛SDK API构造一个uptoken,并将其封装为JSON格式。

3 导入七牛JS上传例子需要的css和js

[html]  view plain  copy
 print ?
  1. <link rel="stylesheet" href="${ctx}/static/qiniu/css/main.css"/>  
  2. <link rel="stylesheet" href="${ctx}/static/qiniu/css/highlight.css"/>  

[html]  view plain  copy
 print ?
  1. <script type="text/javascript" src="${ctx}/static/qiniu/js/plupload.full.min.js"></script>  
  2. <script type="text/javascript" src="${ctx}/static/qiniu/js/zh_CN.js"></script>  
  3. <script type="text/javascript" src="${ctx}/static/qiniu/js/ui.js"></script>  
  4. <script type="text/javascript" src="${ctx}/static/qiniu/js/qiniu.js"></script>  
  5. <script type="text/javascript" src="${ctx}/static/qiniu/js/main.js"></script>  
  6. <script type="text/javascript" src="${ctx}/static/qiniu/js/jquery.min.js"></script>  

4 页面主要代码

[html]  view plain  copy
 print ?
  1. <span style="white-space:pre">        </span><%--start新增七牛上传--%>  
  2.                     <div class="">  
  3.                         <div class="text-left col-md-12 wrapper">  
  4.                             <input type="hidden" id="domain" value="http://niu8.qiniudn.com/">  
  5.                             <input type="hidden" id="uptoken_url" value="${ctx}/container/uptoken">  
  6.                         </div>  
  7.                         <div class="body">  
  8.                             <div>  
  9.                                 <div id="container">  
  10.                                     <a class="btn btn-default btn-md " id="pickfiles">  
  11.                                         <i class="glyphicon glyphicon-plus"></i>  
  12.                                         <sapn>上传版本文件</sapn>  
  13.                                     </a>  
  14.   
  15.                                     <div id="html5_197igj75aami1c13vhi9rf1n9v3_container"  
  16.                                          class="moxie-shim moxie-shim-html5"  
  17.                                          style="position: absolute; top: 0px; left: 0px; width: 167px; height: 45px; overflow: hidden; z-index: 0;">  
  18.                                         <input id="html5_197igj75aami1c13vhi9rf1n9v3" type="file"  
  19.                                                style="font-size: 999px; opacity: 0; position: absolute; top: 0px; left: 0px; width: 100%; height: 100%;"  
  20.                                                multiple="" accept="">  
  21.                                     </div>  
  22.                                 </div>  
  23.                             </div>  
  24.   
  25.                             <div style="display:none" id="success" class="col-md-12">  
  26.                                 <div class="alert-success">  
  27.                                     队列全部文件处理完毕  
  28.                                 </div>  
  29.                             </div>  
  30.                             <div class="col-md-12 ">  
  31.                                 <table class="table table-striped table-hover text-left"  
  32.                                        style="margin-top:40px;display:none">  
  33.                                     <thead>  
  34.                                     <tr>  
  35.                                         <th class="col-md-4">文件名</th>  
  36.                                         <th class="col-md-2">大小</th>  
  37.                                         <th class="col-md-6">详情</th>  
  38.                                     </tr>  
  39.                                     </thead>  
  40.                                     <tbody id="fsUploadProgress">  
  41.                                     </tbody>  
  42.                                 </table>  
  43.                             </div>  
  44.                         </div>  
  45.                     </div>  
  46. <span style="white-space:pre">        </span><%--end--%>  


4 修改页面代码的两个value值,第一个是新建空间的域名,第二个就是刚刚新建的controller,用于获取uptoken,这里主要是赋值给main.js中的
domain:$("#domain").val();

uptoken$("#uptoken").val();

[html]  view plain  copy
 print ?
  1. <input type="hidden" id="domain" value="http://niu8.qiniudn.com/">  
  2. <input type="hidden" id="uptoken_url" value="${ctx}/container/uptoken">  

5 其他文件可以不做修改。

6 实现效果


7总结
 可以上传100M以内的文件,文件上限是自己设定的,分块大小也是自己设定的。支持断点续传等,图片文件支持缩略图,支持上传完成添加水印,改变角度等。本文主要是为了记录,可能很多不对或者不科学的说法,请大婶们见谅!
七牛云web端上传js及代码 通过web端直接上传文件给七牛云,无需通过服务器。大大减少服务器的压力。 立即下载

相关推荐

recorder-wav-mp3:重构 recorderjs 和 recordermp3js 的尝试

#Recorder-wav-mp3.js 使用 HTML5 Web Audio API,访问用户的麦克风,录制,然后提供预览播放器并导出 WAV 和 MP3 ##运行演示的步骤 克隆仓库 cd recorder-wav-mp3 运行gulp serve (假设你已经安装了 gulp) ##主要改进摘要 重构以更好地分离关注点 返回 WAV 和 MP3 修复了通过以死空气结尾MP3 输出长度加倍的问题 在用户点击记录之前不再要求麦克风访问 显示保存到 Firebase 的示例 ##去做 录制时添加可视化工具 仅当 cfg.debug = true 时将调试数据记录到控制台 允许用户用图标替换下载文本 修改导出功能,使其仅导出 WAV(更快),跳过 MP3(更慢) 自定义播放器(可能是 jPlayer) 通过源代码库拉取请求和樱桃挑选 ##Attribution 和 Depend

七牛云 vue 图片上传简单解说,js 上传文件图片

首次使用七牛云存储进行项目的图片存储,整了一上午才整明白,这些官方的教程把明白人也给说糊涂了,文档很不规范。七牛云有免费的使用额度,上传是不算流量的,只有资源被访问的时候才产生流量,很合理。对于个人小项目使用来说,很方便,文件系统本身就应该跟业务系统分离。

学习笔记 3852

前端JS 上传文件到七牛云

通过JS直接上传文件到七牛云,只要配置 JS里面的domain 和 uptoken_url即可, domian是 bucket 域名弱为测试域名记得加上 http:// uptoken_url Ajax请求upToken的Url,是有服务器端提的接口,主要获取uptoken 需要配置的JS 我已经注释的很明确, html页面也非常简单明了

JavaScript如何上传文件到七牛云(上传视频显示进度条)

背景 之前在后端上传视频到七牛云上,发现上传速度很慢,后来尝试直接在前端上传视频到七牛云上,最后实测发现快了很多。采用前端上传也减轻了服务器压力。 参考 七牛云存储示例:http://jssdk.demo.qiniu.io/ 官方SDK:https://developer.qiniu.com/kodo/sdk/1283/javascript swf文件下载SDK里面有 下载地址:htt...

Captain_JC的博客 6430

Zemax光学设计——单透镜设计

(1)在镜头数据编辑器中面2那一栏中的“曲率半径”栏右侧的方格中单击,弹出“在面2上的曲率解”对话框(2)将对话框中的求解类型设为“F数”(3)将“F/#”设置为10设置完成后,其中的一些数据会发生变化在初始结构中,透镜的曲率半径和厚度未知,,这些参数需要软件自动优化得到,但可以使用透镜后表面上边缘厚度解得到近轴焦平面的位置在透镜后表面的厚度上单击鼠标右键,选择边缘光线求解类型,它表示近轴边缘光线会自动在下一个表面上聚焦并确定距离值。

yangSHU21的博客 2万+

LightTools中VBA宏的编写入门

LightTools和VBA联动

bestgamer的博客 2349

七牛云 js前端上传文件

最近项目重构开发,延续之前的版本使用七牛云存储文件;       那么就需要把文件上传到七牛云,之前所有的上传是各个端(IOS、android、web)先上传到服务器,再由服务器上传到七牛云上,服务程序使用的java上传,比较简单,就不说了。       现在这个版本考虑到需要上传的文件较多,其中很多视频文件,再走服务器上传的话效率太低,还占用服务器带宽,所以直接由各个端直接上传到七牛上去;

缥缈之扁舟 1万+

伺服电机开发实战指南

伺服电机作为工业自动化的核心部件,正经历前所未有的技术革新。本文从基础原理出发,详细介绍了伺服电机的分类、工作原理和特性,分析了伺服电机系统组成与核心部件,探讨了企业级开发技术,包括控制算法、通信协议和故障诊断等高级功能,并提供了实战案例分析,从行业应用到具体开发步骤,展示了伺服电机的工程实现。通过深入理解伺服电机的原理、掌握开发技术、学习应用案例,可以实现伺服系统的高性能开发与应用。

全栈 1687

【前端七牛组件】使用js 实现七牛云的上传文件操作

已将api 集成到js 中 其中的index.html 页面中需要                     链接:http://pan.baidu.com/s/1bpuVbPH 密码:uots 七牛api 采用  2016 年 31 May 版本

小马哥93的博客 6258

SAP Gateway 中事务码 /IWFND/MAINT_SERVICE 的用法介绍

本文系统梳理了SAP Gateway中/IWFND/MAINT_SERVICE事务码的核心功能与运维实践。作为OData服务管理中樞,它支持服务注册激活、ICF节点配置、系统别名绑定、批量处理等关键操作。文章详解了服务目录、ICF节点、系统别名的配置要点,提供了批量激活、缓存清理、性能监控等实用技巧,并针对常见陷阱(如传输配置、删除残留)给出解决方案。通过制造业批量激活、零售业OAuth集成等案例,展示了事务码在企业级应用中的实际价值,为SAP Gateway运维提供了一套完整的治理清单。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 314

TC8:IPv4_HEADER_01-04

IPv4_HEADER_01: Ensure that the DUT generates an IPv4 Packet with a Total Length greater than or equal to 20 目的 确保DUT生成的IPv4报文的IP头部中的Total Length字段值大于等于20 IPv4协议头部中的Total Length字段表示整个IP数据包的长度,包括IP Header和payload之和,IP首部的长度最少就有20个字节,所以Total Length值肯定大于等于20

jasonj333 3967

elementui 上传请求头_Vue + ElementUI 如何优雅的上传文件到七牛OSS

**本文的上传模式是前端直传七牛oss模式,后端只负责提供token,避免泄露accessKey**1.开通七牛OSS,创建bucket,并且实名认证,详细步骤自己看官网。传送门2.引入七牛Java SDKcom.qiniuqiniu-java-sdk[7.2.0, 7.2.99]3.引入七牛Java SDK ,提供前端获取token APIpublic void getToken(){Strin...

weixin_33716865的博客 405

Pytorch CIFAR10图像分类 EfficientNet v1篇

EfficientNet源自Google Brain的论文EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks. 从标题也可以看出,这篇论文最主要的创新点是. 论文提出了,混合缩放,把网络缩放的三种方式:深度、宽度、分辨率,组合起来按照一定规则缩放,从而提高网络的效果。EfficientNet在网络变大时效果提升明显,把精度上限进一步提升,成为了当前最强网络。

风信子的猫Redamancy的快乐星球 1852

nodejs android sdk,GitHub - nodejs-team/js-sdk: 基于七牛 API 开发的前端 JavaScript SDK

Qiniu-JavaScript-SDK基于七牛 API 及 Plupload 开发的前端 JavaScript SDK快速导航概述Qiniu-JavaScript-SDK (下文简称为 JS-SDK)适用于 IE8+、Chrome、Firefox、Safari 等浏览器,基于七牛云存储官方 API 构建,其中上传功能基于 Plupload 插件封装。开发者基于 JS-SDK 可以方便的从浏览器端...

weixin_39831242的博客 389

【第一章】基于Simulink的控制器开发教程——目录

摘要:本文系统介绍了基于Simulink的控制器开发方法,涵盖PID、状态反馈、模型预测(MPC)、模糊控制、自适应控制等8类主流控制器。针对每种控制器,详细阐述了其基本原理、适用场景,并通过Simulink建模与仿真测试进行实践验证。文章采用"理论+实践"的结构,从算法设计到硬件实现全流程展开,为汽车、航空航天、工业控制等领域的控制器开发提供完整解决方案,最后通过应用对比与学习总结帮助读者掌握不同控制器的核心特性和应用场景。(149字)

熟悉MATLAB/fpga/RK3588/LABVIEW/protus/单片机/dsp/Multisim 395

eNSP常见故障处理

eNSP无法启动设备一直停在#井号的问题的解决方案?

lvshiliang123的博客 2万+

七牛js文件上传java_七牛js-sdk上传文件到服务器

七牛js-sdk上传文件到服务器发布时间:2020-06-16 09:15:08来源:51CTO阅读:2224作者:北京看看不能直接用form提交的形式上传到七牛的某个服务器,比如:$.ajax({url:"https://up-z0.qiniu.com/",type:"post",data:form,processData:false,contentType:false,success:func...

weixin_34513260的博客 162

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")

android七牛断点续传,七牛图片断点续传

难点分析七牛难道没有官方接口文档吗?还要我在这里写?有肯定是有的,地址:七牛断点续传文档。我之所以写这篇文章,是因为它的文档比较坑,没有具体的demo,而且上传的类型也不是我们平常用到的,导致我们总是上传不成功。根据文档我们知道,七牛的做法是将大文件分成块(block)和片(chunk)来上传的,大致如下:为什么要这么分呢?因为块和片是有不同属性的,块是可以同时上传的,但是一个块中的片是必须一个...

weixin_33800724的博客 380

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。

LinePhone3.2.7(android端最新版本) sip客户端

SIP客户端For android:LinePhone3.2.7(最新版本),官网地址:http://www.linphone.org/

七牛文件上传js和node

公司经常会用到七牛上传,用工具和网页上传总是很慢需要找对应路径和刷新cdn,看到官方有js的api就自己做了个批量上传和刷新cdn功能 获取七牛token,必须服务端,不能前端获取,所以自己用node写 先安装 cnpm i qiniu --save 获取token代码 let qiniu = require('qiniu') let config = require('./config.js') let key="img/abc.png" //文件线上的地址 比如 img/abc.pn

c347087870的博客 293

php小程序七牛上传,微信小程序批量上传图片到七牛(推荐)

一、引入七牛SDK具体查看文档二、封装上传方法upload.js/*** 上传函数*/const qiniuUploader = require("qiniuUploader");const request = require("./request.js")// 初始化七牛相关参数function initQiniu() {var options = {uploadURL: 'https://up...

weixin_39974400的博客 218

七牛切片视频php,七牛视频切片方案

使用七牛 sdk 上传视频并做分片操作。step1 生成 tokenconst qiniu = require("qiniu");var accessKey = proc.env.QINIU_ACCESS_KEY;var secretKey = proc.env.QINIU_SECRET_KEY;var mac = new qiniu.auth.digest.Mac(accessKey, secr...

weixin_31108095的博客 264

小程序获取token php七牛,微信小程序对接七牛云存储的方法

搜索热词前言:做小程序有一段时间了,总结一下做过的技术点,特此贡献给小伙伴们!项目中,有图片存储、视频存储、录音存储这三个需要云对接存储。一、图片/视频/录音上传七牛对接准备工作:a、你要有一个七牛账号,实名认证后,在七牛的个人中心,有个秘钥管理-里面有一对秘钥,是上传必须的。这对秘钥,配置在后端,配置时可以设置允许上传格式,也可以设置为任何格式都可上传,让我们的后端大哥去慢慢弄吧。另外,还需要...

weixin_35554306的博客 510

大文件上传的思路

1.文件切片:把一个大文件转换成二进制内容,然后按照一个固定的大小对二进制内容进行切割,得到多个小文件,然后循环上传所有的小文件。4.断点续传:把所有上传失败的小文件加入一个数组里面,在所有小文件都上传结束(成功和失败都算结束)之后再上传一次上传失败了的小文件,反复执行这一步,直到所有小文件都上传成功,可以通过递归实现。上面的代码实现只是一个很简单的大文件上传功能,有很多问题都没有解决,只是提供了一个实现大文件上传的思路。1.大文件上传的解决思路。

weixin_45525177的博客 116

php 回调通知 连连支付_persistentNotifyUrl 对应的接收回调通知的php方法怎么写??...

各位见笑了,本人菜鸟。我按七牛的文档,用thinkphp生成uptoken,前端用七牛的JS SDK,这样前端可以上传文件到七牛并自动转码。这个过程已成功。但前端并不知道上传的文件 何时才能转码成功。七牛的文档中写可以用persistentNotifyUrl 接收持久化处理结果通知的 URL。是不是相当于要在thinkphp中写一个 public function??不明白persistentNo...

weixin_39790686的博客 198

七牛切片视频php,php+H5 将视频上传到七牛云

首先在头部加载七牛的js然后在html页面中相应的位置添加一下视频上传控件这里需要在后端加载七牛的sdk获取下tokenuse Qiniu\Auth;use Qiniu\Storage\UploadManager;public function pushOp(){//header("Access-Control-Allow-Origin: *");$accessKey = '参数key';$sec...

weixin_28705579的博客 502
上一篇: Myeclipse10+Egit+bitbucket实现版本控制
下一篇: 使用七牛云存储生成缩略图
codepython
博客等级 码龄20年 125粉丝 6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