web service扫盲学习

Web服务简介
本文介绍了Web服务的概念及其分类,包括Big Web Services(基于SOAP)和RESTful Web Services,并探讨了其三种主要使用方式:RPC,SOA和服务资源的交互(REST)。此外还讨论了Web服务的设计方法。
http://en.wikipedia.org/wiki/Web_service

根据wiki定义,web service指能够通过internet网络访问并能够在远程主机上执行的服务的(web)API。它一般指client和server之间通过http协议进行通信。

主要分为两类:
1. Big Web Services:
使用XML消息、遵循SOAP标准。通常operations都有机器可读的WSDL描述。WSDL并非SOAP端点必须的,但是它是很多Java和.NET框架client端代码自动生成的前提。传统公司用得比较多。
2. RESTful Web Services
使用PUT,GET, DELETE,POST等HTTP方法,跟浏览器的集成比基于SOAP的service更好,它不需要XML消息和WSDL定义。Internet公司用得比较多。


三种主要的使用方式:RPC,SOA,和REST。
1. RPC:
呈现为分布式的函数调用接口,基本单元是WSDL操作。丧失了松耦合性。 类似的实现有OMG的CORBA,MS的DCOM,和SUN的RMI
2. SOA:
基本通信单元是message,关注焦点在WSDL提供的“contract”,而非底层实现细节。Enterprise Service Buses (ESB)是结合了message-oriented processing和web service的Event-driven SOA,主要有Mule和Open ESB。
3. REST:
关注stateful resources的交互,而不是消息。基于REST的架构可以使用WSDL来描述HTTP上的SOAP消息(定义SOAP之上的抽象,e.g. WS-Transfer),或者不使用SOAP。
WSDL2.0支持绑定所有和HTTP方法,但是目前支持的SDK比较欠缺。

设计方法:
1.bottom up:先写实现类,然后使用WSDL生成工具暴露web service方法
2.top down:先写WSDL文档,然后用代码生成工具来产生实现类的框架,之后完成实现。
### 深度学习训练与推理基础知识 #### 3.1 深度学习概述 深度学习作为人工智能的一个重要分支,通过构建多层神经网络来模拟人类大脑的学习机制。这种技术能够自动从大量数据中提取特征并进行复杂模式识别[^2]。 #### 3.2 神经网络结构 神经网络由输入层、隐藏层和输出层组成。每一层都包含若干节点(或称为神经元),这些节点之间通过权重连接起来形成复杂的网络架构。在训练过程中,通过对损失函数最小化调整各层间的权值参数,使得模型逐渐逼近最优解。 #### 3.3 训练过程详解 - **初始化**: 设置初始随机权重给定范围内的数值。 - **前向传播(Forward Propagation)**: 输入样本经过加权求和再激活后传递到下一层直到最终得到预测结果。 - **计算误差(Loss Calculation)**: 将实际标签y_true与预测值y_pred对比得出差距大小。 - **反向传播(Backpropagation)**: 利用链式法则沿着梯度方向更新每一步操作对应的参数w, b等以减小总误差。 - **优化器(Optimizer)**: 如SGD (Stochastic Gradient Descent), Adam等方法帮助更高效地找到全局极小点位置。 ```python import torch.optim as optim optimizer = optim.Adam(model.parameters(), lr=0.001) for epoch in range(num_epochs): optimizer.zero_grad() # 清除之前的梯度 output = model(input_data) # 前向传播获取预测值 loss = criterion(output, target) # 计算损失 loss.backward() # 反向传播计算梯度 optimizer.step() # 更新参数 ``` #### 3.4 推理(Inference) 当完成训练之后,就可以利用已经收敛好的模型来进行新数据上的分类或其他任务了。此时不再涉及任何参数修改动作,只需简单执行一次正向运算流程即可获得所需的结果。 ```python model.eval() with torch.no_grad(): predictions = model(new_input_data) ```
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