JNDI的概念

JAVA Naming and Directory Interface:JNDI.

Naming System:一套运行系统,有命名规则,有对外接口。从运行方面将一般有Naming server和对外提供的Naming service.客户端则通过service的定义:接口API来访问server。

Directory System:Naming System的延展。Naming System维护着name和object的映射,现在就object延展一下,使它能粘贴上任意多的属性。基于此,原来的对外的接口中就增加了按attribute查询对象或就某个对象访问其attribute等的API。

比如,如果object是一个java对象,我们可以延展上:创建时间,创建者,作用描述等属性。基于此构建的Naming System,可以再提供更丰富的服务了,也称之为一个Directory System了。

而像LDAP这样的directory system,对象本身已经虚化了,对于客户端而言,关注地反而是该对象承载的属性,而得到对象本身也不会直接有什么用途了。

JNDI是JAVA抽象的访问所有Naming or Directory Service的统一interface。分为API和SPI。客户端通过调用API实现客户端访问逻辑,各service厂商通过提供SPI的实现包(曰之provider或driver)来完成客户端到各服务端的访问。JDK1.3开始内置了3套provider,File,LDAP,RMI。但是Provider不代表服务器端的实现,就像db2jdbc.jar不包括db2服务器一样。而JDK预置的LDAP provider能不能为完全适应microsoft的AD ldap服务器,要看microsoft怎么想。

在JNDI API中,当(new InitialContext()).lookup("ldap://xxx")时,将创建根上下文,这个上下文是由一个上下文工厂实例创建的;这个上下文工厂类其实就是Provider提供的。根据协议,这种方式下将可以根据ldap这个URL schema id来确认究竟是哪一个上下文工厂,也即,动态确定采用哪一个directory service。
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
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