tomcat配置文件server.xml详解

Tomcat server.xml配置文件详解 Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解Tomcat server.xml配置文件详解 立即下载

Tomcat是Apache 软件基金会(Apache Software Foundation)的Jakarta 项目中的一个核心项目,由Apache、Sun 和其他一些公司及个人共同开发而成。由于有了Sun 的参与和支持,最新的Servlet 和JSP 规范总是能在Tomcat 中得到体现。因为Tomcat 技术先进、性能稳定,而且免费,因而深受Java 爱好者的喜爱并得到了部分软件开发商的认可,成为目前比较流行的Web 应用服务器。


博客内容首发地址


server.xml文件所在的位置

~/Tomcat的安装目录/conf/server.xml

server.xml文件注释

<!-- Server中的port监听关闭tomcat的请求,shutdown指定向端口发送的命令串-->  
<Server port="8005" shutdown="SHUTDOWN" debug="0">  

   <Listener className="org.apache.catalina.mbeans.ServerLifecycleListener"  
             debug="0"/>  
   <Listener className="org.apache.catalina.mbeans.GlobalResourcesLifecycleListener"  
             debug="0"/>  

   <GlobalNamingResources>  
     <Environment name="simpleValue" type="<a href="http://lib.youkuaiyun.com/base/javase" class='replace_word' title="Java SE知识库" target='_blank' style='color:#df3434; font-weight:bold;'>Java</a>.lang.Integer" value="30"/>  
     <Resource name="UserDatabase" auth="<a href="http://lib.youkuaiyun.com/base/docker" class='replace_word' title="Docker知识库" target='_blank' style='color:#df3434; font-weight:bold;'>Container</a>"  
               type="org.apache.catalina.UserDatabase"  
        description="User database that can be updated and saved">  
     </Resource>  
     <ResourceParams name="UserDatabase">  
       <parameter>  
         <name>factory</name>  
   <!--value与Logger差不多prefix和suffix解释一样,className指定value使用的类名如:org.apache.catalina.values.AccessLogValve类可以记录应用程序的访问信息,directory指定log 文件存放位置,pattern有两值,common方式记录远程主机名或ip地址,用户名,日期,第一行请求的字符串,HTTP响应代码,发送的字节数。 combined方式比common记录更多-->  
         <value>org.apache.catalina.users.MemoryUserDatabaseFactory</value>  
       </parameter>  
       <parameter>  
         <name>pathname</name>  
         <value>conf/tomcat-users.xml</value>  
       </parameter>  
     </ResourceParams>  
   </GlobalNamingResources>  

   <Service name="Catalina">  

     <!-- Connector中的port创建服务器端的端口号,此端口监听用户端的请求  
maxThreads最大可以创建请求的线程数  
minSpareThreads服务启动时创建的处理请求的进程数  
enableLookups如果为true,则可以通过调用request.getRemoteHost()进行DNS查询来得到远程客户端的实际主机名,若为false则不进行DNS查询,而是返回其ip地址  
redirectPort指定服务器正在处理http请求时收到一个SSL传输请求后重定向的端口号  
acceptCount指定当处理请求线程都被使用时,可以放入处理队列的数目,超出将不进行处理  
connectionTimeout指定超时的时间数(毫秒)-->  
 <Executor name="tomcatThreadPool" namePrefix="catalina-exec-" maxThreads="150" minSpareThreads="4"/>

     <Connector port="8080"  
                maxThreads="150" minSpareThreads="25" maxSpareThreads="75"  
                enableLookups="false" redirectPort="8443" acceptCount="100"  
                debug="0" connectionTimeout="20000"  
                disableUploadTimeout="true" />  

     <Connector port="8009"  
                enableLookups="false" redirectPort="8443" debug="0"  
                protocol="AJP/1.3" />  
<!--Engine指定缺省的处理请求主机名,需要有一个与host元素的name属性一致-->  
     <Engine name="Catalina" defaultHost="localhost" debug="0">  
       <!--logger中表示日志信息className为指定logger使用的类名此类必须实现 org.apache.catalina.Logger接口prefix指定log文件的前缀,suffix指定后缀,timestamp如果为true 则log文件名中加入时间-->  
       <Logger className="org.apache.catalina.logger.FileLogger"  
               prefix="catalina_log." suffix=".txt"  
               timestamp="true"/>  
    <!--Realm存放用户名密码及role<a href="http://lib.youkuaiyun.com/base/mysql" class='replace_word' title="MySQL知识库" target='_blank' style='color:#df3434; font-weight:bold;'>数据库</a>,className指定Realm使用的类名必须实现org.apache.catalina.Realm接口-->  
       <Realm className="org.apache.catalina.realm.UserDatabaseRealm"  
                  debug="0" resourceName="UserDatabase"/>  
        <!--host中name是指定的主机名或ip,appBase应用程序目录,unpackWARs如果为true则会自动解压war文件直接运行否则不解压-->  
   <Host name="192.168.4.247" debug="0" appBase="D:/project/hbgs_dddu/webapps"  
        unpackWARs="true" autoDeploy="true"  
        xmlValidation="false" xmlNamespaceAware="false">  
   <!--logger中表示日志信息className为指定logger使用的类名此类必须实现 org.apache.catalina.Logger接口prefix指定log文件的前缀,suffix指定后缀,timestamp如果为true 则log文件名中加入时间-->  
         <Logger className="org.apache.catalina.logger.FileLogger"  
                  directory="logs"   prefix="localhost_log.zx" suffix=".txt"  
             timestamp="true"/>  
   <!--Context一个web应用程序通常为war文件,关于war的具体信息见servlet规范,docBase应用程序的路径或者war 文件的存放路径,path表示此web程序的url前缀,reloadable如果为true,Tomcat会自动检测应用程序的变化,自动装载新的应用程序,那么改变代码将不用再次重新启动tomcat-->  
   <Context path="" docBase="D:/project/hbgs_dddu/webapps" debug="0" reloadable="true"/>  
   </Host>  
     </Engine>  
   </Service>  
</Server>  

文件中单独节点的含义以及相关属性

Server元素:

是整个配置文件的根元素。表示整个Catalina容器。

属性:

className:实现了org.apache.catalina.Server接口的类名,标准实现类是org.apache.catalina.core.StandardServer类。

Port:监听用于关闭Tomcat服务器命令的端口号。

Shutdown:发送到端口上用于关闭Tomcat服务器的命令。

如:

<Serverport=”8005” shutdown=”SHUTDOWN”>

Connector元素

连接器,负责接收客户的请求,以及向客户端回送响应的消息。

HTTP连接器:

属性:

protocol:值必须为HTTP1.1,如果使用AJP处理器,该值必须为AJP/1.3。

proxyName:如这个连接器正在一个代理配置中被使用,指定这个属性,在request.getServerName()时返回。

redirectPort: 如连接器不支持SSL请求,如收到SSL请求,Catalina容器将会自动重定向指定的端口号,让其进行处理。

scheme:设置协议的名字,在request.getScheme()时返回,SSL连接器设为”https”,默认为”http”。

secure:在SSL连接器可将其设置为true,默认为false。
URIEncoding:用于解码URL的字符编码,没有指定默认值为ISO-8859-1。

acceptCount:当所有的可能处理的线程都正在使用时,在队列中排队请求的最大数目。当队列已满,任何接收到的请求都会被拒绝,默认值为10。

bufferSize:设由连接器创建输入流缓冲区的大小,以字节为单位。默认情况下,缓存区大的大小为2048字节。

compressableMimeType:MIME的列表,默认以逗号分隔。默认值是text/html,text/xml,text/plain。

compression:指定是否对响应的数据进行压缩。off:表示禁止压缩、on:表示允许压缩(文本将被压缩)、force:表示所有情况下都进行压缩,默认值为off。

connectionTimeout:设置连接的超时值,以毫秒为单位。默认值为60000=60秒。

maxHttpHeaderSize:HTTP请求和响应头的最大量,以字节为单位,默认值为4096字节。

maxKeepAliveRequest:服务器关闭之前,客户端发送的流水线最大数目,默认值为100。

maxSpareThreads:允许存在空闲线程的最大数目,默认值为50。

minSpareThreads:设当连接器第一次启协创建线程的数目,确保至少有这么多的空闲线程可用。默认值为4。

port:服务端套接字监听的TCP端口号,默认值为8080(必须)。
socketBuffer:设Socket输出缓冲区的大小(以字节为单位),-1表示禁止缓冲,默认值为9000字节。

如:

<Connector 
port="8080" maxHttpHeaderSize="8192" maxThreads="150" minSpareThreads="25" maxSpareThreads="75" enableLookups="false" 
redirectPort="8443" acceptCount="100" connectionTimeout="20000" disableUploadTimeout="true" />

AJP连接器

用于将Apache与Tomcat集成在一起,当Apache接收到动态内容请求时,通过在配置中指定的端口号将请求发送给在此端口号上监听的AJP连接器组件。

属性:

backlog:当所有可能的请求处理线程都在使用时,队列中排队的请求最大数目。默认为10,当队列已满,任何请求都将被拒绝。

maxSpareThread:允许存在空闲线程的最大数目,默认值为50。

maxThread:最大线程数,默认值为200。

minSpareThreads:设当连接器第一次启动时创建线程的数目,确保至少有这么多的空闲线程可用,默认值为4。

port:服务端套接字的TCP端口号,默认值为8089(必须)。

topNoDelay:为true时,可以提高性能,默认值为true。

soTimeout:超时值。
如:

<!—Define an AJP1.3 Connector on port 8089-->
<Connector port=”8089” enableLookups=”false” redirectPort=”8443” protocol=”AJP/1.3” />

Engin元素

为特定的Service处理所有的请示。每个Service只能包含一个Engine元素,它负责接收和处理此Service所有的连接器收到的请求,向连接发回响应,并最终显示在客户端。至少有一个元素,必须至少有一个属性的名字与defaultHost指定的名字相匹配。

属性:

className:实现org.apache.catalina.Engine接口,默认实现类为org.apache.catalina.core.StandardEngine类。

defaultHost:默认主机名,值必须与的name值相匹配。这里写代码片

name:指定Engine的逻辑名字(必须)。

jvmRoute:在负载匀衡中使用的标识符,必须唯一。

如:

<Engine name=”Cataline” defaultHost=”localhst”>

 Host元素:

表示一个虚拟主机,为特定的虚拟主机处理所有请求

属性:
appBase:设定应用程序的基目录,绝对路径或相对于%CATALINA_HOME%的路径名。

autoDeploy:指示Tomcat运行时,如有新的WEB程序加开appBase指定的目录下,是否为自动布署,默认值为true。

className:实现了org.apache.catalina.Host接口的类,标准实现类为org.apache.catalina.core.StandardHost类。

deployOnStartup:Tomcat启动时,是否自动部署appBase属性指定目录下所有的WEB应用程序,默认值为true。

name:虚拟主机的网络名(必须)。

标准Host实现类org.apahce.catalina.core.StandardHost支持的附加属性:

deployXML:为false将不会解析WEB应用程序内部的context.xml,默认值为true

unPackWARs:虚拟主机指定临时读写使用的目录的路径名,不设,Tomcat会在%CATALINA_HOME%/work目录下提供一个合适的目录。

如:

<Host name=”localhst” appBase=”webapps” unpackWARs=”true” autoDeploy=”true” xmlValidation=”false” xmlNamespaceAware=”false”>

配置虚拟主机:

<Host name=”xxx” appBase=”c:/test”>
    <Contentpath=”” docBase=”e:/abe”/>
</Host>

context元素:

一个WEB应用程序,处理当前WEB应用程序的所有请求,每一个Context必须使用唯一的上下文路径。

属性:
className:实现了org.apache.catalina.Context接口的类,标准实现类org.apache.catalina.core.StandardContext类。

cookies:是否将Cookie应用于Session,默认值为true。

crossContext:是否允许跨域访问,为true时,在程序内调用ServletContext.getContext()方法将返回一个虚拟主机上其它web程序的请求调度器。默认值为false,调 径用getContext()返回为null。

docBase:绝对路径或相对于Host的appBase 属性的相对路径。

privileged:为true,允许Web应用程序使用容器的Servlet。

path:指定上下文路径。一个虚拟主机中,上下文路径必须唯一。

reloadable:为true,Tomcat运行时,如果WEB-INF/classes和WEB-INF/lib目录中有改变,Tomcat会自动重新加载该WEB应用程序。虽方便,但开销也大,默认值为false,我们在项目开发时可以打开,项目发布后再关闭。

cacheMaxSize:静态资源缓存最大值,以KB为单位,默认值为10240KB。

cachingAllowed:是否允许静态资源缓存,默认为true。

caseSensitive:默认为true,资源文件名大小写敏感,如果为false大小写不敏感。

unpackWAR:默认为true,自动解压war包。

workDir:为WEB应用程序内部的Servlet指定临时读写的目录路径名。如没有设置,则Tomcat会在%CATALINA_HOME%/work目录下提供一个合适的目录。

如:

<Content path=”/abc” docBase=”d:/xyz” reloadable=”true” />

server.xml文件下载地址

中文注释的server.xml文件

基于tomcat配置文件server.xml详解 1. 入门示例:虚拟主机提供web服务 该示例通过设置虚拟主机来提供web服务,因为是入门示例,所以设置极其简单,只需修改$CATALINA_HOME/conf/server.xml文件为如下内容即可。其中大部分都采用了默认设置,只是在engine容器中添加了两个Host容器。 <?xml version=1.0 encoding=UTF-8?> <Server port=8005 shutdown=SHUTDOWN> <Listener className=org.apache.catalina.startup.VersionLoggerListener> < 立即下载

相关推荐

DFX从芯片到系统:可制造性、可测试性与可靠性设计实战指南

DFX(Design for eXcellence)是一套面向产品全生命周期的设计方法论,涵盖可制造性(DFM)、可测试性(DFT)、可靠性(DFR)等维度。其核心原理是将制造、测试、维护等环节的约束前置到设计阶段,从而降低流片与量产风险。在芯片与系统硬件领域,DFX不仅是提升良率与测试效率的关键手段,更是保障车规、工控等严苛场景下长期稳定运行的基础。从芯片物理实现到PCB布局,再到系统级散热与维护设计,DFX的落地需要工具链、流程闸门与跨部门协作的体系化支撑。本文基于实际项目经验,分享DFX从设计决策到工

weixin_32349093的博客 351

Tomcat(二):tomcat配置文件server.xml详解和部署简介

1. 入门示例:虚拟主机提供web服务 该示例通过设置虚拟主机来提供web服务,因为是入门示例,所以设置极其简单,只需修改CATALINAHOME/conf/server.xml文件为如下内容即可,本文的tomcat安装在/usr/local/tomcat下,因此‘CATALINA_HOME/conf/server.xml文件为如下内容即可,本文的tomcat安装在/usr/local/tomcat下,因此`CATALINAH​OME/conf/server.xml文件为如下内容即可,本文的tomcat安装

LoveSummer 7716

RIGOL DS1102E示波器新手必看:从开机到捕获第一个波形的5分钟指南

本文为RIGOL DS1102E示波器新手提供了一份快速上手指南。内容涵盖从开机、探头校准到捕获第一个波形的完整流程,重点解析了触发设置、自动测量等核心操作,并指出了探头衰减比设置等常见误区,帮助用户快速掌握这款经典数字示波器的基本使用方法。

dream的博客 744

tomcat的server.xml详解

文章目录1 概述1.1 Server元素1.1.1 tomcat部署多应用2 server.xml文件2.1 配置`Server`元素2.2 配置Service元素2.3 配置Engine元素2.4 配置Host元素2.5 配置Context元素2.6 配置Connector元素2.6.1 HttpConnector2.6.2 JKConnector 1 概述 Tomcat服务器是由一系列可配置的...

上善若泪 1万+

ENVI学习总结(十二)——基于改进的 CASA 模型反演 NPP

基于改进的 CASA 模型反演 NPP 数据为地理空间数据云提供的 TM 影像,其具体信息如图 1 所示。该实验中所使用的 TM 数据已进行过 QUAC 快速大气校正,来消除大气和光照等因素对地物反射的影响。Landsat 主题成像仪(TM)是 Landsat4 和 Landsat5 携带的传感器,每 16 天扫描同一地区,即 16 天覆盖全球一次。 TM 影像包含 7 个波段,波段 1-5 ...

Arcgiser的博客 3万+

避坑指南:你的VASP CI-NEB计算为什么不收敛?常见错误分析与解决思路

本文深入解析VASP CI-NEB计算不收敛的常见问题,提供从结构准备到参数设置的系统解决方案。针对过渡态计算中的能量曲线异常、中间图像偏离等典型问题,详细介绍了诊断方法和实用工具,帮助研究者高效解决CI-NEB收敛难题,提升计算效率。

weixin_29698641的博客 435

Tomcat9源代码浅析-启动与server.xml加载

概述 Tomcat启动 server.xml解析框架 server.xml解析源代码解析

daiwuliang的博客 798

UserWarning: CUDA initialization: Unexpected error from cudaGetDeviceCount()【已解决】

UserWarning: CUDA initialization: Unexpected error from cudaGetDeviceCount()【已解决】

围炉夜敲的博客 1万+

1、Tomcat 9安装、配置与调优--CentOS 7

1、安装亚马逊JDK1.8 亚马逊JDK: https://docs.aws.amazon.com/corretto/index.html CLI for Linux: wget https://corretto.aws/downloads/latest/amazon-corretto-8-x64-linux-jdk.rpm 安装JDK rpm -i amazon-corretto-8-x64-linux-jdk.rpm java -version 2、安装配置Tomcat 9 官网

KeithQin的博客 2599

向华为学习——解读99页华为战略解码【附全文阅读】

摘要:本方案针对企业战略落地难题,系统介绍华为战略解码方法论。内容涵盖BLM模型等核心工具,聚焦差距分析、市场洞察等关键环节,详细拆解战略到KPI、PBC的落地路径,配套组织保障和执行督导体系。适用于高管及战略规划人员,提供从战略制定到执行的全流程解决方案,帮助企业实现战略与执行的高效协同。

cdfunlove的博客 332

Python OpenCV教程从入门到精通的全面指南【文末送书】

全书共分为16章,包括Python与OpenCV、搭建开发环境、图像处理的基本操作、像素的操作、色彩空间与通道、绘制图形和文字、图像的几何变换、图像的阈值处理、图像的运算、模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理、人脸检测和人脸识别以及MR智能视频打卡系统。主流技术,全面覆盖:本书内容丰富,涵盖了Open CV图像处理技术的方方面面,如图像的几何变换、阈值处理、图像运算、模板匹配、滤波器、腐蚀与膨胀、图形检测、视频处理、人脸检测和人脸识别等。此外,通过对比原图,可更直观地看到图像经过处理后的效果。

一键难忘的博客 9076

Tomcat主配置文件(server.xml)详解

Tomcat主配置文件(server.xml)详解

Mortalz7 9472

迈瑞BS系列全自动生化分析仪LIS协议接口手册(内含HL7和ASTM)

迈瑞BS系列全自动生化分析仪LIS协议接口手册,内含HL7和ASTM)

Tomcat 配置文件server.xml详解

详解Tomcat 配置文件server.xml Tomcat隶属于Apache基金会,是开源的轻量级Web应用服务器,使用非常广泛。server.xml是Tomcat中最重要的配置文件,server.xml的每一个元素都对应了Tomcat中的一个组件;通过对xml文件中元素的配置,可以实现对Tomcat中各个组件的控制。因此,学习server.xml文件的配置,对于了解和使用Tomcat至关重要。 本文将通过实例,介绍server.xml中各个组件的配置,并详细说明Tomcat各个核心组件的作用以及各个组件

极限人生の博客 1万+

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

10 Tomcat 配置文件server.xml详解

tomcat server.xml

思念十年后 1858

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")

tomcat 的配置文件 server.xml 详解

server.xml位于$TOMCAT_HOME/conf目录下,作为整个 tomcat 服务器最核心的配置文件,server.xml的每一个元素都对应了 tomcat中的一个组件,通过对xml中元素的配置,实现对 tomcat中的各个组件和端口的配置。通常初学者可以直接使用默认配置即可,但当你本机由于各种原因(如负载均衡、多实例多应用等)需要配置多个 tomcat时,就需要对server.xml...

3992

Tomcat的配置文件server.xml总结

tomcat的配置文件位于tomcat目录的conf文件夹下。/conf/server.xml 下面主要讲解server.xml配置文件的内容和配置方法。 源码如下,已去除注释 <?xml version="1.0" encoding="UTF-8"?> <Server port="8005" shutdown="SHUTDOWN"> <Listener className="org.apache.catalina.startup.VersionLoggerListen.

王飞的博客 572

详解Tomcat 配置文件server.xml

详解Tomcat 配置文件server.xml 前言 Tomcat 隶属于 Apache 基金会,是开源的轻量级 Web 应用服务器,使用非常广泛。server.xml 是 Tomcat 中最重要的配置文件,server.xml 的每一个元素都对应了 Tomcat 中的一个组件;通过对 xml 文件中元素的配置,可以实现对 Tomcat 中各个组件的控制。 因此,学习 server.xml 文件的配置,对于了解和使用 Tomcat 至关重要。 本文将通过实例,介绍 server.xml 中各个组件的配置,并

嘻哈熊的专栏 1003

Tomcat配置文件server.xml详解

记录学习tomcat服务器 Tomcat服务器详解,如有不合理之处,恳请指正。谢谢哦 <?xml version="1.0" encoding="UTF-8"?> <!-- Server 根元素,创建⼀个Server实例,⼦标签有 Listener、GlobalNamingResources、Service Listener:代表监听器 GlobalNamingResources:定义服务器的全局JNDI资源 (全局的命名服务) Service..

ming13849012515的博客 605

Tomcat server.xml配置文件介绍

标签:一、server.xml文件介绍1.server.xml作用    Server.xml配置文件用于对整个容器进行相关的配置。2.server.xml文件的配置元素列表<Server>:是整个配置文件的根元素。表示整个Catalina容器。<Connector>:连接器,负责接收客户的请求,以及向...

梁同学与Android 2978
上一篇: Hexo下Next主题配置与优化
下一篇: redis配置文件常用配置介绍
whfstudio
博客等级 码龄10年 12粉丝 46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