Apache XBean 简单介绍

xbean简化spring配置文件.doc 利用xbean简化spring配置文件说明 立即下载
XBean是Apache Geronimo的子项目,设计这个的目的是为了能为Geronimo的插件提供一种方便 
快捷的配置方式(具体怎么方便快捷,看完全文便知)。后来,Xbean被更多的开源项目引用。例如:jetty、Activemq等等,同时xbean也提供了对spring的支持。下面具体讲解xbean的配置方式,首先看看平常我们要在spring中配置一个javabean的步骤: 
1、先创建个java bean 
Java代码   收藏代码
  1. package com.test.xbean;  
  2.   
  3. import java.io.Serializable;  
  4.   
  5. public class Teacher implements Serializable {  
  6.   
  7.     private static final long serialVersionUID = -8409611806997881614L;  
  8.   
  9.     private int age;  
  10.     private String name;  
  11.   
  12.     public int getAge() {  
  13.         return age;  
  14.     }  
  15.   
  16.     public void setAge(int age) {  
  17.         this.age = age;  
  18.     }  
  19.   
  20.     public String getName() {  
  21.         return name;  
  22.     }  
  23.   
  24.     public void setName(String name) {  
  25.         this.name = name;  
  26.     }  
  27. }  

2、在xml中配置bean的属性 
Xml代码   收藏代码
  1. <beans xmlns="http://www.springframework.org/schema/beans"  
  2.     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"  
  3.     xsi:schemaLocation="http://www.springframework.org/schema/beans http://www.springframework.org/schema/beans/spring-beans-2.0.xsd">  
  4.   
  5.     <bean id="teacher" class="com.test.xbean.Teacher">  
  6.         <property name="age" value="25" />  
  7.         <property name="name" value="berdy" />  
  8.     </bean>  
  9. </beans>  


从上面bean的配置可以看出,如果要配置多个bean的时候,我们需要写一大堆的标签。其实我想着的就是告诉spring给 
我生成javabean,这个javabean的类型是com.test.xbean.Teacher,属性分别是25和berdy。而现在却要写一堆property 
标签。下面看看xbean的配置方式: 
Xml代码   收藏代码
  1. <beans xmlns="http://xbean.apache.org/schemas/spring/1.0"  
  2.     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"   
  3.     xmlns:te="java://com.test.xbean"  
  4.     xsi:schemaLocation="http://xbean.apache.org/schemas/spring/1.0 classpath:/org/apache/xbean/spring/spring-beans.xsd">  
  5.           
  6.     <te:Teacher id="teacher" age="25" name="berdy"/>  
  7. </beans>  

值得注意的是,在什么文件中beans标签的默认名字空间已改变为xbean自己的名字空间,指定了自己的schema。同时需要指出的是te名字空间的URI。在这个URL已经包含了Teacher类的包名。这样的配置是不是简洁了很多呢?下面看下实际使用的代码: 
Java代码   收藏代码
  1. package com.test.xbean;  
  2.   
  3. import static org.junit.Assert.assertEquals;  
  4. import static org.junit.Assert.assertNotNull;  
  5.   
  6. import org.apache.xbean.spring.context.ClassPathXmlApplicationContext;  
  7. import org.junit.Test;  
  8.   
  9. public class XbeanTest {  
  10.     @Test  
  11.     public void test() {  
  12.         ClassPathXmlApplicationContext context = new ClassPathXmlApplicationContext("classpath:xbean.xml");  
  13.         Teacher teacher = (Teacher) context.getBean("teacher");  
  14.         assertNotNull(teacher);  
  15.         assertEquals(25, teacher.getAge());  
  16.         assertEquals("xjacker", teacher.getName());  
  17.     }  
  18. }  

在上面的代码中,注意ClassPathXmlApplicationContext是org.apache.xbean.spring.context.ClassPathXmlApplicationContext而不是org.springframework.context.support.ClassPathXmlApplicationContext。这时,有人提出了,如果我在Teacher类里定义了一个id属性,不是和配置文件的bean的唯一标示id冲突了,这个时候怎么处理呢?当然xbean在设计的时候肯定考虑到这个了嘛。先对Teacher类修改如下 
Java代码   收藏代码
  1. public Class Teacher implements Serializable {  
  2.     ...  
  3.     private int id;  
  4.       
  5.     public void setId(int id){  
  6.         this.id = id;  
  7.     }  
  8.       
  9.     public int getId(){  
  10.         return this.id;  
  11.     }  
  12.     ...  
  13. }  

这个时候就需要在java应用的classpath中添加一个目录树META-INF/services/org/apache/xbean/spring/然后在这个目录下根据你定义的名字空间的url建一个文件。例如:指定URL "http://xbean.test.com/teacher"。那么就需要在根据URL中的schema、contextpath、path分割来创建文件了。在META-INF/services/org/apache/xbean/spring/目录下创建这样的目录树META-INF/services/org/apache/xbean/spring/http/xbean.test.com/teacher.teacher是一个文件,java中的properties风格的文件。然后在teacher文件指定对应关系,解决上面的冲突。 
Properties代码   收藏代码
  1. package = com.test.xbean #Teacher类的包名  
  2. teacher = com.test.xbean.Teacher #指定xml配置文件中的teacher标签代表的类的全路径     
  3. teacher.alias.teacherId = id #将teacher标签中的productId属性id映射为成员变量  

修改xml配置文件如下(注意上面te名字空间的变化): 
Xml代码   收藏代码
  1. <beans xmlns="http://xbean.apache.org/schemas/spring/1.0"  
  2.     xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"   
  3.     xmlns:te="http://xbean.test.com/teacher"  
  4.     xsi:schemaLocation="http://xbean.apache.org/schemas/spring/1.0 classpath:/org/apache/xbean/spring/spring-beans.xsd">  
  5.           
  6.     <te:Teacher id="teacher" teacherId="10" age="25" name="berdy"/>  
  7. </beans>  

这样teacher实例中的id成员变量的值就是10了。 

xbean同样支持constructor注入和对list、map、set等集合属性的注入。具体可查看 Geronimo XBean  

上面说的设计xbean的初衷为了简单便捷的安装各类插件。只需要将插件的jar包放到classpath中,同时在jar包中包含 
META-INF/services/org/apache/xbean/spring/ 
这个目录,并在这个目录下设定可以自己的标签(根据自己的喜好,可以设置更具语义的标签),然后就可以很方便的在定制自己的插件了。 

下面是上面这些代码的依赖: 
Xml代码   收藏代码
  1. <dependencies>  
  2.     <dependency>  
  3.         <groupId>junit</groupId>  
  4.         <artifactId>junit</artifactId>  
  5.         <version>4.8.2</version>  
  6.         <scope>test</scope>  
  7.     </dependency>  
  8.     <dependency>  
  9.         <groupId>org.apache.xbean</groupId>  
  10.         <artifactId>xbean-spring</artifactId>  
  11.         <version>3.7</version>  
  12.     </dependency>  
  13.     <dependency>  
  14.         <groupId>org.springframework</groupId>  
  15.         <artifactId>spring-core</artifactId>  
  16.         <version>3.0.5.RELEASE</version>  
  17.     </dependency>  
  18.     <dependency>  
  19.         <groupId>org.springframework</groupId>  
  20.         <artifactId>spring-beans</artifactId>  
  21.         <version>3.0.5.RELEASE</version>  
  22.     </dependency>  
  23.     <dependency>  
  24.         <groupId>org.springframework</groupId>  
  25.         <artifactId>spring-context</artifactId>  
  26.         <version>3.0.5.RELEASE</version>  
  27.     </dependency>  
  28. </dependencies>  
xbean.jar架包 用于java poi中的xbean.jar架包下载,一键引入,简单方便。 立即下载

相关推荐

xbean-spring-3.15.zip

spring-framework.zip,spring表达式语言(spel)spring框架

备忘:xbean-spring版本问题

备忘: xbean-spring-2.8 不支持spring3.1,只支持到spring3.0,如果用到3.1版本需要升级到xbean-spring-3.6。

guojch的博客 568

xbean-spring-4.4.jar

springMvc整合ActiveMQ时要用到

Xbean介绍与Spring的整合

前言最近在编写一个校园框架,很多的配置需要使用XML文件去定义。例如:我要创建某一个bean实体,虽然是可以用一般的bean去定义,但是Spring中bean的定义有时候非常的不方便。 刚好在公司的wiki中发现一个xbean的开源程序,听说很久已经不更新了,在百度中能找到的博客也不多。也没有对Spring整合的说明,花了一点时间去研究了一下xbean,顺便整合到Spring中。在这里写一篇博客记录

if(代码==人生) 6586

xbean-spring-3.7.jar中文-英文对照文档.zip

注:下文中的 *** 代表文件名中的组件名称。 # 包含: 中文-英文对照文档:【***-javadoc-API文档-中文(简体)-英语-对照版.zip】 jar包下载地址:【***.jar下载地址(官方地址+国内镜像地址).txt】 Maven依赖:【***.jar Maven依赖信息(可用于项目pom.xml).txt】 Gradle依赖:【***.jar Gradle依赖信息(可用于项目build.gradle).txt】 源代码下载地址:【***-sources.jar下载地址(官方地址+国内镜像地址).txt】 # 本文件关键字: 中文-英文对照文档,中英对照文档,java,jar包,Maven,第三方jar包,组件,开源组件,第三方组件,Gradle,中文API文档,手册,开发手册,使用手册,参考手册 # 使用方法: 解压 【***.jar中文文档.zip】,再解压其中的 【***-javadoc-API文档-中文(简体)版.zip】,双击 【index.html】 文件,即可用浏览器打开、进行查看。 # 特殊说明: ·本文档为人性化翻译,精心制作,请放心使用。 ·本文档为双语同时展示,一行原文、一行译文,可逐行对照,避免了原文/译文来回切换的麻烦; ·有原文可参照,不再担心翻译偏差误导; ·边学技术、边学英语。 ·只翻译了该翻译的内容,如:注释、说明、描述、用法讲解 等; ·不该翻译的内容保持原样,如:类名、方法名、包名、类型、关键字、代码 等。 # 温馨提示: (1)为了防止解压后路径太长导致浏览器无法打开,推荐在解压时选择“解压到当前文件夹”(放心,自带文件夹,文件不会散落一地); (2)有时,一套Java组件会有多个jar,所以在下载前,请仔细阅读本篇描述,以确保这就是你需要的文件;

角谱迭代与傅里叶变换迭代算法(GS)的原理及其实例演示分析

角谱迭代与傅里叶变换迭代算法(GS)的原理及其实例演示分析 目前,迭代法和强度传输方程(TIE)法是两类典型的非干涉相位检索技术(Phase Retrieval,被称为相位恢复、相位检索、相位反演法、相位复原等)。迭代法中的经典算法是Gerchberg-Saxton(GS),随后,出现了包括错误减少算法(ER)、混合输入输出法(HIO)、梯度搜索算法、角谱迭代算法等改进算法。...

简单光学 2万+

基于XBean简化spring配置文件

昨天看到一篇文章, Craig Walls介绍了一种利用XBean简化spring配置文件的做法. spring配置文件的功能很简单, 其语法规定也相对简明, 手工编写起来并不算困难, 但是写的多了也有人觉得冗长不堪. Craig Walls的方法大致相当于是引入一种自定义标签机制来增强表达能力(expressive). 标准的配置方式如下: ...

junjunbest的博客 286

Unity游戏开发客户端Lua基础

Unity游戏开发客户端面经之 lua 篇

Sea3752的博客 1万+

poi使用时报java.lang.ClassNotFoundException:org.apache.xbean.spring.context.xxxxxxxxxxxx的问题

我的解决方案:由于xbean版本过低导致的,更换了新一点的版本成功运行 <dependency> <artifactId>xbean</artifactId> <groupId>org.apache.xbean</groupId> <version>3.7</version> </dependency> ...

weixin_43750002的博客 555

告别校准烦恼:用ADS1220和松下ERA3电阻实现±0.05℃精度的Pt100测温方案(附完整电路图)

本文详细介绍了如何利用TI的ADS1220 24位ΔΣ ADC与松下ERA3系列精密电阻构建±0.05℃精度的免校准Pt100测温系统。通过比例测量法架构和关键器件选型,解决了传统方案中的校准繁琐和长期稳定性问题,特别适用于工业控制、医疗设备等高精度温度测量场景。

weixin_30740581的博客 611

【影像组学入门百问】1#---#3

理论上讲三大主流平台Windows, Linux和MacOS均可进行影像组学研究。根据笔者实际经验,如果内存不足可能导致软件罢工,其余显示、GPU等均非必要。显示:最小分辨率为1024×768(推荐为1280×1024或更好)。Slicer中的许多计算都是多线程的,并且将受益于多核,多CPU配置。计算机需要足够的内存和图形功能将原始数据和处理结果保存在其内存中。如涉及深度学习等方法的研究需根据实际需求配置电脑,无法一概而论。接口设备:推荐使用带滚轮的三键鼠标。内存:超过4GB(推荐8G以上)。

weixin_38594676的博客 1483

Apache Geronimo XBean 教程

Apache Geronimo XBean 教程 1. 项目介绍 Apache Geronimo XBean 是一个用于构建插件化服务器的应用框架,它的设计灵感来源于Eclipse的插件化IDE模式。XBean允许服务器发现、下载并安装来自互联网仓库的插件,支持多种IoC(Inversion of Control)系统,即使在没有IoC系统的情况下也能运行。此外,它还提供了JMX(Java Man...

gitblog_00019的博客 974

WSL2 Ubuntu 22.04安装NVIDIA驱动避坑指南:从驱动版本选择到CUDA环境验证

本文详细介绍了在WSL2 Ubuntu 22.04中安装NVIDIA驱动和配置CUDA环境的完整流程,包括驱动版本选择、环境变量设置以及常见问题解决方案。通过本指南,用户可以避免常见的安装陷阱,确保GPU加速环境正确配置,适用于深度学习开发和CUDA编程。

weixin_28419039的博客 463

Spring结合Xbean简化与专业化配置

今天在网上看到一个Spring结合apache的xbean来简化Spring的配置。一个bean配置起来很是专业化。下面就是一个Hello Person的例子配置。如下所示:    "http://www.springframework.org/dtd/spring-beans.dtd">http://ldt.com/springxbean/1.0">     Lu Dongtai

Blugel的专栏 3859

Pwntools不只是PWN:用它写个自动化Fuzz脚本,挖掘Linux命令行工具漏洞

本文探讨了如何利用Pwntools构建自动化Fuzz脚本,挖掘Linux命令行工具中的漏洞。通过详细的代码示例和实战案例,展示了Pwntools在Fuzzing中的高效性和灵活性,特别适合快速验证特定场景的安全问题。文章还提供了进阶技巧和避坑指南,帮助安全研究人员快速上手并提升测试效率。

weixin_28718345的博客 220

30天入门Python(办公篇)——第34天:pandas - 数据处理与分析利器

摘要 本文介绍了Python数据分析库pandas的核心功能,包括数据结构和基本操作。主要内容涵盖:1) Series和DataFrame两种核心数据结构的创建与使用;2) 多种文件格式的读写方法;3) 数据查看、筛选和清洗技巧;4) 基础统计分析功能;5) 数据透视表和交叉表制作;6) 数据排序与合并等变换操作。文章通过大量代码示例演示了pandas在数据处理各环节的应用,适合作为pandas入门的实践指南,帮助读者快速掌握这一强大工具的基本使用方法。

weixin_42636075的博客 300

【亲测免费】 Apache Geronimo XBean 项目使用教程

Apache Geronimo XBean 项目使用教程 1、项目介绍 Apache Geronimo XBean 是一个用于构建插件化服务器的应用框架。它的设计灵感来源于 Eclipse 的插件化 IDE 模式。XBean 允许服务器发现、下载并安装来自互联网仓库的插件,支持多种 IoC(Inversion of Control)系统,即使在没有 IoC 系统的情况下也能运行。此外,它还提供了 ...

gitblog_00242的博客 422

innovus:Clock Gating Check设置与报告

看图后发现,在设置clock gating check之前报告也会有clock gating check的值,这个就是因为timing library中会像reg一样定 library setup time值,如下图。我们常用set_clock_gating_check -setup去过约束Place阶段reg2cgate的时序,以防CTS后由于tree不平导致的时序违例。我正在「拾陆楼」和朋友们讨论有趣的话题,你⼀起来吧?

m0_61544122的博客 1009

java.lang.NoClassDefFoundError: org/apache/xbean/spring/context/SpringApplicatio

[code="java"]java.lang.NoClassDefFoundError: org/apache/xbean/spring/context/SpringApplicationContext[/code] 缺少包:xbean-spring-2.4.jar 引入项目即可 黑色头发:http://heisetoufa.iteye.com/...

黑色头发 464

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

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")

Apache Geronimo XBean 项目使用教程

Apache Geronimo XBean 项目使用教程 1. 项目的目录结构及介绍 Apache Geronimo XBean 项目的目录结构遵循典型的 Maven 项目结构。以下是项目的主要目录和文件介绍: src/main/java: 包含项目的 Java 源代码。 src/main/resources: 包含项目的资源文件,如配置文件等。 src/test/java: 包含项目的测试代码...

gitblog_01092的博客 365

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

Apache Geronimo XBean 项目常见问题解决方案

Apache Geronimo XBean 项目常见问题解决方案 项目基础介绍 Apache Geronimo XBean 是一个开源项目,旨在创建一个基于插件的服务器,类似于 Eclipse 是一个基于插件的 IDE。XBean 能够从基于互联网的仓库中发现、下载和安装服务器插件。此外,该项目还支持多种 IoC 系统、无 IoC 系统运行、JMX 管理、生命周期和类加载器管理,以及与 Sprin...

gitblog_01145的博客 433

假人有限元模型

假人模型,车辆碰撞假人有限元模型,适合做乘员安全的研究者利用

java.lang.NoClassDefFoundError: org/apache/xmlbeans/XmlOptions

使用POI操作Excel,电脑上面装的office2007,一直报如下错误,第一个是反射有关的,第二个是没找到对应的类,确实在POI的几个包中也没有找到该类,但是我直接引入该类编译器又没报错……最后发现把Excel另存为2003的格式是就正确了。到网上查了下,在操作office2007还要加入一个包xbean.jar   官网:http://xmlbeans.apache.org  也可以直接从本...

wq1030的专栏 2417

解决:java.lang.ClassNotFoundException: org.apache.xmlbeans.XmlOptions报错

使用POI操作Excel,一直报如下错误java.lang.ClassNotFoundException: org.apache.xmlbeans.XmlOptions, 在操作office2007还要加入一个包xbean.jar,加上后就可以正常操作office2007了! 官网:http://xmlbeans.apache.org

Liucheng417的博客 6982

java.lang.ClassNotFoundException: org.apache.xmlbeans.XmlOptions

转载文章,地址:http://blog.sina.com.cn/s/blog_62e744e60100qiri.html 使用POI操作Excel,电脑上面装的office2007,一直报如下错误,第一个是反射有关的,第二个是没找到对应的类,确实在POI的几个包中也没有找到该类,但是我直接引入该类编译器又没报错……最后发现把Excel另存为2003的格式是就正确了。到网上查了下,在操作off

靳的博客 983

POI操作excel2007 出现异常 java.lang.ClassNotFoundException: org.apache.xmlbeans.XmlOptions 解决方法

缺少xbean.jar,此jar包poi里没有,下载地址:http://mirror.bjtu.edu.cn/apache/xmlbeans/binaries/            网站:http://xmlbeans.apache.org 加入xbean.jar之后,运行,继续报错,缺少dom4j,加入之后,OK

My Java Way 5322
上一篇: <mvc:annotation-driven /> 作用
下一篇: Spring ActiveMQ 整合: JMS 事务管理
hxpjava1
博客等级 码龄19年 1365粉丝 511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