使用契约优于配置的方式开发Struts2的MVC程序(一)

本文详细介绍了如何使用契约优于配置的方式在Struts2框架中进行环境配置,包括添加jar文件、配置struts.xml文件以及编写jsp页面进行调试。重点展示了配置过程中的关键步骤,并提供了启动和测试应用程序的方法。

Struts2是一个优秀的MVC框架,已经成业界共识,因此互联网上关于Struts2的教程也是不胜枚举。所以这里只是演示使用契约优于配置的方式开发struts应用程序,本例是第一讲-----环境配置。

         使用契约优于配置的方式开发struts2应用程序除了需要额外添加一个struts2-convention-plugin插件之外,其他都是和开发普通struts2应用程序完全相同,因此在这里简单介绍struts2的环境配置,重点介绍不同点。

         第一:配置sturts2的开发环境

1、  添加struts2的jar文件到你自己应用程序的WEB-INF/lib文件夹下

2、  准备struts2的配置文件----struts.xml到你自己项目的src路径下(部署该应用程序的时候会自动添加到WEB-INF/classes目录中)

3、  修改struts.xml中的内容-----主要是配置常量(constant)和包(package),具体如下(该步骤可以省略,如果省略代表使用默认配置):

<constant name="struts.convention.action.suffix"value="Controller" />

<constant name="struts.convention.action.mapAllMatches"value="true" />

<constantname="struts.convention.default.parent.package"

           value="convention-default"/>

           <package name="default" namespace="/"extends="convention-default">

 

                            </package>

其它保持不变。

4、  编写jsp页面调试环境是否配置成功------在WEB-INF/content目录中创建hello.jsp页面,

<styletype="text/css">

           #detail{

                    display:none;

           }

</style>

<script type="text/javascript">

           function showDetail(elId){

                    document.getElementById(elId).style.display="block";

           }

</script>

  </head>

 

  <body>

        <h1>hello</h1>

        <ahref="javascript:void(0)"onclick="showDetail('detail')">详情</a>

        <divid="detail">

                 本例通过一个简单的jsp页面告诉我们怎么使用struts2搭建一个基于契约优于配置的应用程序。

                 <p>启动web应用程序,在浏览器访问以下url:http://yourip:yourpot/yourapp/hello,其中yourip是指你自己机器上的IP地址可以使用localhost代替;

                 yourport:指的是你应用服务器的端口号,例如tomcat默认端口号:8080;yourapp:指你的应用程序名称,如本例s2conversion;

                 hello就是关键,他正是使用契约优于配置的机制被映射到/WEB-INF/content/hello.jsp这个页面中,至于将content放在其他自定义的文件夹下是否可行,答案是肯定,但是需要在struts.xml中单独配置,以后给大家补上,这里再展示。</p>

        </div>

5、  启动浏览器测试网页内容

         补充:如果jsp文件是存储在content的子目录中,可以使用该子目录的名字作为请求的url。例如manager.jsp位于content目录中admin目录中,所以在浏览器中请求就可以http://localhost:8080/s2conversion01/admin/manager

如下图所示:

Content子目录中保存jsp文件

请求子文件夹(子目录)中的jsp

训练数据保存为deep_convnet_params.pkl,UI使用wxPython编写。卷积神经网络(CNN)是种专门针对图像、视频等结构化数据设计的深度学习模型,在计算机视觉、语音识别、自然语言处理等多个领域有广泛应用。其核心设计理念源于对生物视觉系统的模拟,主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。 **1. 局部感知与卷积操作** 卷积层是CNN的基本构建块,使用组可学习的滤波器对输入图像进行扫描。每个滤波器在图像上滑动,以局部区域内的像素值与滤波器权重进行逐元素乘法后求和,生成输出值。这过程能够捕获图像中的边缘、纹理等局部特征。 **2. 权重共享** 同滤波器在整个输入图像上保持相同的权重。这显著减少了模型参数数量,增强了泛化能力,并体现了对图像平移不变性的内在假设。 **3. 池化操作** 池化层通常紧随卷积层之后,用于降低数据维度并引入空间不变性。常见方法有最大池化和平均池化,它们可以减少模型对微小位置变化的敏感度,同时保留重要特征。 **4. 多层级抽象** CNN通常包含多个卷积和池化层堆叠在起。随着网络深度增加,每层逐渐提取更复杂、更抽象的特征,从底层识别边缘、角点,到高层识别整个对象或场景,使得CNN能够从原始像素数据中自动学习到丰富的表示。 **5. 激活函数与正则化** CNN中使用非线性激活函数来引入非线性表达能力。为防止过拟合,常采用正则化技术,如L2正则化和Dropout,以增强模型的泛化性能。 **6. 应用场景** CNN在诸多领域展现出强大应用价值,包括图像分类、目标检测、语义分割、人脸识别、图像生成、医学影像分析以及自然语言处理等任务。 **7. 发展与演变** CNN的概念起源于20世纪80年代,其影响力在硬件加速和大规模数据集出现后真正显现。经典模型如LeNet-5用于手写数字识别,而AlexNet、VGG、GoogLeNet、ResNet等现代架构推动了CNN技术的快速发展。如今,CNN已成为深度学习图像处理领域的基石,并持续创新。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
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