SpringBoot-优化项目中的异常处理

SpringBoot集成Redis:性能优化与实战应用 Redis作为高性能内存数据库,通过内存操作实现10万级QPS的读写性能,有效解决传统关系型数据库在高并发场景下的性能瓶颈。其核心原理基于丰富的数据结构(String、Hash、List、Set/ZSet)支持,结合内存存储特性,为Web应用提供快速数据访问能力。在技术价值层面,Redis不仅提升系统响应速度,还能实现缓存穿透防护、分布式锁等关键功能。SpringBoot通过Spring Data Redis模块提供开箱即用的集成方案,开发者只需简单配置即可快速接入。典型应用场景包括电商促销秒杀、实时排行榜 阅读详情

1.0 为什么需要异常

关于Java异常的介绍,可以参考我之前写过的一篇博客Java基础(8)-异常体系以及项目中的运用,里面提到了对于异常的一些思考以及如何使用异常。

为什么需要异常呢?

我认为可以从三个不同的角度来思考。

  1. 后端开发者:使得后端开发者通过日志快速定位到程序中出现问题的地方,并对出现的问题进行解决。
  2. 前端开发者:根据不同的异常类型,做相应的样式展示
  3. 用户:嗯嗯??用户不懂技术,并不需要知道异常类型是什么,只需要文字或图形化的提示。

比如说优快云的上传文件提示网络错误,我这边的网络肯定没有问题,不过是内部服务器在忙或者是出错了,所以给我们抛出个网络错误的标识。
在这里插入图片描述

1.1 异常处理1.0版本

所以,异常贯穿于后端与前端之间,后端抛出了异常,前端需要根据异常来展示不同的页面展示给用户,这是最基本的异常处理方式:

在这里插入图片描述

1.2 异常处理2.0版本

在1.0模式下,异常实质上是由前端进行了捕捉和转化,可是异常既然由后端程序产生,那么最正确的做法是由后端来进行处理,这也就是引出了异常处理的一些方式了。目前简单实现的方法就是使用状态码来代替异常:

后端将异常捕获到并进行处理,将异常转化为状态码,前端根据状态码来进行相应的处理展示即可:

在这里插入图片描述

这样做的好处是:

1. 由后端进行异常处理,不会对外暴露出异常的具体信息,更加安全
2. 前端只需要根据后端约定好的状态码就可以进行相应页面的跳转,而不需要进行额外的异常处理,各端只需要处理好各端的逻辑即可,实现了高内聚,低耦合的目标。

1.3 异常处理第一种方式

第一种方式十分简单粗暴,只需要在service层可能产生异常的地方抛出异常,然后在controller层进行捕捉并处理,这适合异常的数量较少的情况:

下面结合一个模板消息模块简单地讲讲如何运用异常处理,这是SpringBoot/SSM的一个项目,处理的思路是在service层进行异常的抛出,并且统一在controller层去进行异常捕获和处理:

  • ArgsLoseException
/**
 * @Auther: ARong
 * @Description: 参数缺失异常
 **/
public class ArgsLoseException extends Exception {
    public ArgsLoseException(){}
    public ArgsLoseException(String message){super(message);}
}
  • ArgsErrorException
/**
 * @Auther: ARong
 * @Description: 参数错误异常
 **/
public class ArgsErrorException extends Exception {
    public ArgsErrorException() {}
    public ArgsErrorException(String messasge) {super(messasge);}
}
  • TemplateMessageSerivceImp
/**
 * @Auther: ARong
 * @Description: 发送模板消息
 **/
@Service
@Transactional
@Slf4j
public class TemplateMessageSerivceImp implements TemplateMessageSerivce {
    @Autowired
    private MessageUtil messageUtil;
/**
     * @param messageEntity
     * @param opeType
     * @auther: Arong
     * @description: 注册成功后发送
     * @param: [messageEntity]
     * @return: AjaxResult
     */
    @Override
    public AjaxResult sendMessage(MessageEntity messageEntity, String opeType) throws ArgsLoseException, ArgsErrorException { 
        Map map = MessageUtil.MessageMap(
                messageEntity.getOpenId(),
                messageEntity.getPage(),
                messageEntity.getFormId()
        );

        if (opeType == null || "".equals(opeType.trim())) {
            throw new ArgsLoseException("opeType参数缺失");
        }

        if (!"YES".equals(opeType)) {
            throw new ArgsErrorException("opeType参数错误");
        }

        //...业务逻辑
        return null;
    }
  }

此时重点在于,controller层应该如何去处理这些异常呢?

首先我们需要注意的是,不应该让异常直接暴露在用户眼中,而是要将异常转化为前端的一种状态码,让前端去做相应的处理,例如根据状态码去提示用户哪些操作是错误的,或者说是网络延迟等等,总之重点在于前后端约定状态码以及将异常转化为用户眼中的一种状态:

  • TemplateMessageController
@Controller
@CrossOrigin
@RequestMapping(value = "/message")
@ResponseBody
@Slf4j
public class TemplateMessageController {
    @Autowired
    private TemplateMessageSerivce templateMessageSerivce;

    /**
     * @auther: Arong
     * @description: 注册成功后发送
     * @param: [messageEntity]
     * @return: AjaxResult
     */
    @PostMapping(value = "/sendMessage")
    public AjaxResult sendMessage(
            @ModelAttribute MessageEntity messageEntity,
            @RequestParam(name = "opeType") String opeType //操作类型
    ) {
        AjaxResult ajaxResult = null;
        try {
            ajaxResult = templateMessageSerivce.sendMessage(messageEntity, opeType);
        } catch (Exception e) {
            //打印异常栈堆路径
            e.printStackTrace();
            //分不同异常给前端返回不同的状态码(不要将异常暴露给前端,而是通过状态码让前端去反应)
            if (e instanceof ArgsLoseException) {
            	//回传状态码501
                return new AjaxResult(501, "传入opeType为空");
            } else if (e instanceof ArgsErrorException) {
            	//回传状态码502
                return new AjaxResult(502, "参数错误");
            }
        }
        return ajaxResult;
    },
}

这种异常处理方式在需要处理的自定义异常很少时已经够用了,但是随着自定义异常越来越多,那么就需要在controller中处理的异常也就越多,如下:


			if (e instanceof ArgsLoseException) {
            	//回传状态码501
                return new AjaxResult(501, "传入opeType为空");
            } else if (e instanceof ArgsErrorException) {
            	//回传状态码502
                return new AjaxResult(502, "参数错误");
            } else if (e instanceof Xx1Exception) {
            	//...
			} else if (e instanceof Xx2Exception) {
            	//...
			} else if (e instanceof Xx3Exception) {
            	//...
			}

所以,接下来需要优化异常处理的方式

1.4 异常处理第二种方式-全局异常处理

为了优化上述的异常处理产生过多的else if的问题,这里引入SpringBoot的全局异常处理,简化异常处理的代码,以下是一个Demo项目,不涉及具体的业务模块,只做为示范:

  • AjaxResult 返回结果
/**
 * @Auther: ARong
 * @Description: 处理结果
 */
@Data
public class AjaxResult {
    public AjaxResult() {
    }

    public AjaxResult(int code, String message) {
        this.code = code;
        this.message = message;
    }

    private int code;
    private String message;
}
  • GlobalException 全局异常,里边使用内部类定义自定义异常
/**
 * @Auther: ARong
 * @Description: 全局异常定义
 */
public class GlobalException {
    /*
     * @Author ARong
     * @Description 参数缺少异常
     **/
    @Data
    public static class ArgsLoseException extends RuntimeException{
        private int code = 501;
        private String message;

        public ArgsLoseException(String message) {
            this.message = message;
        }
    }

    /*
     * @Author ARong
     * @Description 参数错误异常
     **/
    @Data
    public static class ArgsErrorException extends RuntimeException{
        private int code = 502;
        private String message;

        public ArgsErrorException(String message) {
            this.message = message;
        }
    }
}
  • GlobalExceptionHandler
    使用@ControllerAdvice和@ExceptionHandler实现全局异常处理器
/**
 * @Auther: ARong
 * @Description: 全局异常处理器
 */
@ControllerAdvice
@ResponseBody
@Slf4j
public class GlobalExceptionHandler {

    /*
     * @Author ARong
     * @Description 捕捉异常并进行处理
     * @Param
     * @return
     **/
    @ExceptionHandler(value = Exception.class)
    public AjaxResult exceptionHandler(Exception e) {
        // 打印异常调用栈
        e.printStackTrace();
        AjaxResult result = new AjaxResult();

        int code = 500;
        String message = "服务器出现错误";

        // 如果是自定义异常则进行转化
        if (e instanceof GlobalException.ArgsErrorException) {
            // 参数错误异常
             code = ((GlobalException.ArgsErrorException) e).getCode();
             message = ((GlobalException.ArgsErrorException) e).getMessage();
        }
        if (e instanceof GlobalException.ArgsLoseException) {
            // 参数缺失异常
            code = ((GlobalException.ArgsLoseException) e).getCode();
            message = ((GlobalException.ArgsLoseException) e).getMessage();
        }

        result.setCode(code);
        result.setMessage(message);
        return result;
    }
}
  • DemoController 控制层
/**
 * @Auther: ARong
 * @Description: 控制层
 */
@Controller
@ResponseBody
public class DemoController {
    @Autowired
    private DemoService demoService;

    @RequestMapping(value = "/get")
    public AjaxResult get(
            @RequestParam(name = "id") String id
    ) {
        AjaxResult result = demoService.get(id);
        return result;
    }
}
  • DemoService 业务层
/**
 * @Auther: ARong
 * @Description: 业务层
 */
@Service
public class DemoService {
    public AjaxResult get(String id) {
        if ("bug".equals(id)) {
            // 参数错误
            throw new GlobalException.ArgsErrorException("参数错误");
        }
        if ("null".equals(id)) {
            // 参数缺失
            throw new GlobalException.ArgsLoseException("参数缺失");
        }
        return new AjaxResult(200, "OK");
    }
}

在配置了全局异常处理器后,controller层就无须去一个一个地捕获并处理这些自定义的异常了,而都交给处理器去做对应的处理和返回状态码即可。启动项目,使用postMan简单测试一下:

  1. 正常情况

在这里插入图片描述

  1. 触发参数错误异常
    在这里插入图片描述

  2. 触发参数缺失异常
    在这里插入图片描述

经过上述步骤,就可以实现一个基本的全局异常处理了,这将大大地简少controller层中的冗余代码量,提高程序的可阅读性,剩下的比较重要的东西就是状态码应该如何约定以及前端如何去做跳转了。

Thanks

https://blog.youkuaiyun.com/Colton_Null/article/details/84592748

Springboot Long类型数据太长返回给前端,精度丢失问题 复现、解决 阅读详情

相关推荐

Spring Boot邮件发送功能的全面实现与代码示例

在现代的软件开发中,集成邮件服务是一种常见的功能需求,它允许应用程序以电子信件的形式与用户或其他系统进行交互。Spring Boot作为一个高效的Java应用开发框架,为邮件服务的实现提供了简单而强大的支持。本章将概述Spring Boot邮件服务的实现方式,涵盖从环境搭建到邮件发送流程,再到异常处理与性能优化的全面内容。在深入讨论技术细节之前,让我们首先了解一些关于Spring Boot邮件服务的基本概念。Spring Boot通过集成模块简化了邮件服务的集成工作。

weixin_34268462的博客 693

处理项目中的异常

在处理异常的时候,一般都是dao层向上抛,抛到service层,service层也向上抛,抛到controller层,最终我们会采取在controller层进行捕获异常,进行响应。 1.首先定义一个自定义异常类,此处自定义异常类是通过ResultCode 接口当属性进行定义的 package com.lxw.framework.exception; import com.lxw.framework.model.response.ResultCode; import lombok.AllArgsCo.

weixin_52774180的博客 542

Linux内存压力测试工具【memtester】详且精

对Linux下的压力测试工具memtester有一个比较人性化的概述,以及避坑心得。

weixin_44118923的博客 1万+

SpringBoot的全局异常处理

SpringBoot的全局异常处理 今天讲解一下如何在SpringBoot实现全局异常机制,在没有用springboot大家要实现这一的功能基本上都是通过aop的思想,还是有点麻烦,而现在springboot中对它要进行了一次封装,开发者使用起来更加的简单,接下先通过代码演示效果,然后再分析一下原理,好了废话不多说直接上代码,看代码结构: 看一下对应的Pom.xml文件内容: <?xml version="1.0" encoding="UTF-8"?> <project xmlns="h

Skf_0004010的博客 378

STM32基于软件模拟IIC进行AHT21B温湿度采集

通过学习软件IIC来进行实操AHT21B采集温湿度。

Liu-FE的博客 3700

WorldPop数据集

WorldPop数据集介绍

qq_43874102的博客 1万+

SpringBoot全局异常处理(Controller、interceptor、filter)

1、Controller层的全局异常处理 通过对Controller添加注释@ControllerAdvice可以实现Controller层的全局异常处理 统一的拦截异常处理类AppExceptionHandler @Slf4j @RestControllerAdvice public class AppExceptionHandler { @Autowired protected MessageSource messageSource; @ExceptionHandler({Us

FLGB 3785

Comsol单层焊缝焊接数值模拟:温度场与应力场全流程解析

在工程制造领域,有限元模拟是研究焊接热-力行为、优化工艺参数的重要工具。焊接过程涉及强烈的局部加热和快速冷却,材料经历复杂的非线性和相变,必须通过瞬态分析和热-力顺序耦合,才能准确捕捉移动热源作用下的温度演化与应力塑性积累。这一技术广泛应用于压力容器、船舶结构、车辆制造等场景,用以预测残余应力与变形、评估冷裂纹风险,并为工艺设计提供定量支撑。焊接数值模拟能否真正指导实践,关键在于热源校核、随温度变化的材料参数、合理的边界条件与网格策略。单层焊缝作为焊接模拟的基础模型,涵盖了移动热源加载、熔池形成、高温软化与

weixin_30444111的博客 226

spring boot控制错误页是否输出异常

在spring boot 2.6.13中,默认的错误页whitelabel error page 不再输出异常信息。如果需要进一步输出异常栈(常用于开发环境),可以增加如下配置。如果需要输出异常信息,需要增加配置如下。

gsls200808的专栏 261

基于 YOLOv8 的自动驾驶车辆障碍物检测与避障路径规划

本文探讨基于YOLOv8的自动驾驶车辆障碍物检测与避障路径规划系统。在感知层面,采用YOLOv8模型实现多类别障碍物识别,结合单目视觉距离估计和ByteTrack多目标跟踪算法,完成障碍物的稳定检测与运动状态估计。在路径规划层面,设计分层规划架构,融合全局路径规划与局部避障算法,重点实现Frenet坐标系下的采样优化算法和基于模型预测控制的实时避障轨迹生成。通过完整的代码实现与仿真实验,验证系统在复杂交通场景下的有效性与实时性,为自动驾驶开发者提供从理论到实践的完整技术参考。 关键词:YOLOv8;自动驾驶

huanghm88的专栏 255

基于YOLOv11的农作物病虫害检测系统设计与实现

我们使用公开的IP102病虫害数据集作为基础,该数据集包含102种病虫害类别,覆盖水稻、小麦、玉米等多种主要农作物。图像数量:75,222张类别数:102图像分辨率:从640×480到4000×3000不等标注格式:PASCAL VOC格式此外,我们还收集了部分田间实际拍摄的图像以增强模型泛化能力。

YOLO 596

如何搭建漂亮的SpringBoot脚手架?

一个高效、美观且易于维护的 SpringBoot 脚手架是项目成功的关键。本文将详细介绍如何搭建一个既实用又漂亮的 SpringBoot 脚手架,帮助你在工作和学习中提升开发效率。

桃吱咬咬_的博客 2153

Linux内核4.14版本——drm框架分析(1)——drm简介

本文介绍了DRM架构的发展历史、驱动框架以及简单示例,旨在帮助读者了解DRM架构的形成、功能流程实现。

phmatthaus的专栏 2559

四、SpringBoot框架

#什么是SpringBoot框架? SpringBoot框架采用了一种更加简化的方式封装了之前的框架,让程序变得更加简单,我们可以理解为是框架的框架 #SpringBoot的特点(作用)(必会) 简箱版tomcat 优缺点 面试 1、简化:简化常规框架的配置方式,只需要很少的代码,就可以实现大量的功能。体现了"开箱即用"的思想。 这之后面试官必问SpringBoot开箱即用的原理和规则,见下 SpringBoot将繁琐的配置封装到某些jar包中;该jar包中的文件已经完成了配置。 只需要少量的配置就可

ss 的博客 1248

android osmdroid 加载常用离线地图格式(开源的在线地图)

osmdroid是(几乎)完整/免费更换为Android MapView(v1 API)类。它还包括一个模块化的瓷砖供应商系统支持众多的在线和离线瓷砖来源和覆盖支持内置覆盖绘制图标,跟踪位置和形状。如果想在你项目中使用osmdroid,绝对是灵活度最高,不用申请百度,高德等的key。还有一堆规则要遵循。osmdroid可以支持多图层叠加,绘制自已的图层。离线加载常用地图格式zip,sqlite,.

mmsx990的博客 1万+

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

14个SpringBoot优化小妙招,看完后同事说写代码像写诗!

大家好,我是东哥!每次聊到代码优化,都会有很多人说理论、架构、核心思路,其实我觉得代码优化这事说简单了很简单,说复杂了吧它也有一定的难度,但是我觉得有一个良好的编码习惯很重要,下面分享一下14个springboot项目中优化代码的小技巧,让代码优化跟容易,就像完成一件小事。1. 定义配置文件信息有时候我们为了统一管理会把一些变量放到 yml 配置文件中例如用 @ConfigurationPrope...

Java精选 363

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")

14个SpringBoot优化小妙招,看完后同事说写代码像写诗

点击关注公众号:互联网架构师,后台回复2T获取2TB学习资源!上一篇:Alibaba开源内网高并发编程手册.pdf每次聊到代码优化,都会有很多人说理论、架构、核心思路,其实我觉得代码优化这事说简单了很简单,说复杂了吧它也有一定的难度,但是我觉得有一个良好的编码习惯很重要,下面分享一下14个springboot项目中优化代码的小技巧,让代码优化跟容易,就像完成一件小事。1. 定义配置文件信息有时候...

emprere的博客 224

大中型超市收银系统(可直接运行)

光步前台收银系统系统功能:商品销售、商品退货、挂单、收银员权限、会员销售、单品取消、整单取消、商品查询、脱机销售、脱机数据上传,基本资料下载,开钱箱、小票打印、收款结算,支持多币种付款方式(现金、储值卡、礼券、微信等),支持多种促销。运行环境:.net 4.0登陆信息用户名:1001 密码:123456内置商品信息,商品编码可输入00001000 - 00010000,测试效果相关功能键F5 结算 F9挂单 F11商品查询 F8退货 Insert单品取消 Del整单取消 F12开钱箱F2 会员 Ctrl+Z退出系统 Home 锁屏 相关源码待公开

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

从菜品管理看SpringBoot项目开发要点

平台内置的SpringBoot环境无需配置,一键生成的项目结构清晰,特别适合验证技术方案。同时要注意先检查菜品是否被套餐关联的业务约束,这体现了开发中数据完整性的重要性。和全局异常处理器,将数据库异常、业务异常统一转换为前端约定的JSON格式。这种设计将校验逻辑前置,避免脏数据进入业务层,是保持代码整洁的有效实践。特别注意获取自增主键后设置关联ID的操作,这种多表操作必须放在同一事务中。等注解说明接口用途。这种文档与代码同步的方式,解决了传统文档容易过时的问题。通过Knife4j自动生成文档,配合。

ThunderstormFalcon78的博客 359

java_springboot_best_practices

Spring Boot 项目的质量离不开代码规范、合理结构设计与性能优化,遵循最佳实践将显著提升项目的可维护性和稳定性。

2503_93191332的博客 516

SpringBoot学习笔记

我们知道,从 2002 年开始,Spring 一直在飞速的发展,如今已经成为了在Java EE(Java Enterprise Edition)开发中真正意义上的标准,但是随着技术的发展,Java EE使用 Spring 逐渐变得笨重起来,大量的 XML 文件存在于项目之中。繁琐的配置,整合第三方框架的配置问题,导致了开发和部署效率的降低。2012 年 10 月,Mike Youngstrom 在 Spring jira 中创建了一个功能请求,要求在 Spring 框架中支持无容器 Web 应用程序体系结构

柳梢青的博客 430

spring boot+vue3整合项目(后端)

通过controller去调用service,service调用mapper.xml中的sql语句去查询用户名是否存在,若存在返回提示不可注册,若不存在则可以注册。实现逻辑:通过查询用户名查看是否可以注册,如数据库中存在则不可注册,反之可以。-- springboot的单元测试 把junit整合了-->实现逻辑:通过输入的账户密码去数据库中查找,若存在则登录成功,否则登录失败。-- validation依赖 完成参数校验-->-- jwt坐标-->引入该依赖完成参数的校验。

haihuiyiuyihm的博客 2319

14 个 Spring Boot 优化小妙招,看完后同事说写代码像写诗!

每次聊到代码优化,都会有很多人说理论、架构、核心思路,其实我觉得代码优化这事说简单了很简单,说复杂了吧它也有一定的难度,但是我觉得有一个良好的编码习惯很重要,下面分享一下14个springboot项目中优化代码的小技巧,让代码优化跟容易,就像完成一件小事。一定要养成阅读源码的好习惯包括优秀的开源项目GitHub上stars:>1000, 会从中学好好多知识包括其对代码的设计思想以及高级API,面试加分(好多面试官习惯问源码相关的知识,推荐公众 号Java精选,回复java面试,获取面试资料,支持在线刷题)

Java精选 134

Java Spring Boot 开发最佳实践

Spring Boot 项目的质量离不开代码规范、合理结构设计与性能优化,遵循最佳实践将显著提升项目的可维护性和稳定性。

2503_92674277的博客 327

SpringBoot应用开发实战:从零到一构建高效后端服务

在学习了SpringBoot应用开发课程后,我深刻体会到这个框架如何极大地简化了Java后端开发。SpringBoot通过"约定优于配置"的理念,让开发者能够快速搭建生产级应用。今天,我将分享我的学习心得和实战经验。快速开发能力:SpringBoot让搭建项目从几天缩短到几小时规范编码习惯:遵循SpringBoot的最佳实践问题解决能力:学会查阅官方文档和源码解决问题团队协作意识:统一的代码结构和规范SpringBoot核心架构图SpringBoot不仅是技术的革新,更是开发思想的转变。

hero200592的博客 613

Phi-3-vision-128k-instruct在SpringBoot项目中的集成实战

本文介绍了如何在星图GPU平台上自动化部署Phi-3-vision-128k-instruct镜像,并将其集成到SpringBoot项目中实现商品图片智能分析功能。该多模态AI模型支持图像和文本输入,适用于电商场景中的复杂视觉理解任务,通过简单的HTTP API调用即可快速提升应用智能化水平。

weixin_42418754的博客 270

SpringBoot开发秘籍:轻松应对企业级项目挑战

在当今快速发展的软件开发领域,企业级项目的需求日益复杂,对开发效率和系统稳定性提出了更高的要求。SpringBoot作为Java生态中的一颗璀璨明珠,凭借其“约定优于配置”的理念和强大的自动化配置能力,成为了构建企业级应用的首选框架。SpringBoot以其简洁的配置、强大的功能和丰富的生态系统,成为了企业级项目开发的利器。这种“开箱即用”的特性,让开发者能够专注于业务逻辑的实现,而非繁琐的配置工作。开发者可以直接将项目打包为可执行的JAR文件,通过命令行启动,大大简化了部署流程,提高了开发和运维的效率。

2501_90410679的博客 19
上一篇: MySQL基础笔记(17)-悲观锁与乐观锁
下一篇: JVM学习(8)-Java中的四种引用总结
BoringRong
BoringRong 领域专家: 后端开发技术领域 领域专家: 后端开发技术领域
博客等级 码龄9年 2万+粉丝 386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

打赏作者

BoringRong

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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