ssh2整合OA问题集

基于Java的OA办公系统开发实战(SSH框架) OA(Office Automation)系统是企业实现无纸化、流程化和协同化办公的核心平台。它通过数字化手段整合人员、流程与数据,提升组织运转效率。典型的OA系统涵盖公文流转、审批管理、日程协作、任务分派等功能模块,广泛应用于行政、人事、财务等职能部门。 阅读详情

 

遇到的问题总结

Ø  @OneToMany不能用

现象:出现javax_persistence_OneToMany_orphanRemoval()Z异常

原因:开始采用hibernate版本为3.5.5,但hibernate3.5与myeclipse中的j2ee5有冲突,

解决办法:降低hibernate版本为3.3.2

Ø  堆栈溢出

原因:Model里写toString()方法时,将子集合属性写入(比如:children),否则会出懒加载问题和堆栈溢出

解决办法:不要将子集合属性写入(比如:children)

Ø  a href=#会在右侧框架把整个框架都显示出来

原因是:因为设置<base href="<%=basePath%>">,所以连接已经带有及路径了,不是单单的#

解决办法: 改写成<a href="javascript:void(0)">

Ø  页面往action里提交数据 中文乱码

原因是:在web.xml里配置的spring的filter解决中文不起作用

解决办法:将web.xml里去掉spring的encodeFilter

               在struts.xml里加<constant name="struts.i18n.encoding" value="GBK" />

Ø  自定义异常拦截器 页面用ognl无法取得valuestack里放入的error值

解决办法:

<%@page import="com.opensymphony.xwork2.util.ValueStack"%>

<%

         ValueStack valueStack = (ValueStack)request.getAttribute("com.opensymphony.xwork2.util.ValueStack.ValueStack");

         out.println(valueStack.findString("error"));

%>

Ø  分页演示例子不能用

现象:${pagerUrl}取不到值

原因:开始时容器采用的是tomcat5.5,但tomcat5.5不支持el表达式

解决办法: 使用tomcat6.0以上版本

Ø  不想看警告黄线

解决办法:加入@SuppressWarnings("unchecked")

Ø  createQuery is not valid without active transaction

原因:在beans.xml加入了

<prop key="hibernate.current_session_context_class">thread</prop>

而:hibernateTemplate使用的是openSession(),不是getCurrentSession()

解决办法:把是上面那句去掉

Ø  action里怎么去request传递的pager.offset

解决办法:

int offset = Integer.parseInt(ServletActionContext.getRequest().getParameter("pager.offset"));

Ø  WARN OgnlValueStack60 - Error setting expression 'pager.offset'

解决办法:

出现以上以上可在log4j.properties 加入:

log4j.logger.com .opensymphony .xwork2 =ERROR    就可以解决

Ø  日期问题

jstl:<fmt:formatDate value="${person.user.expireTime }" pattern="yyyy-MM-dd"/> 能取出来

ognl:<s:date name="person.user.expireTime" format="yyyy-MM-dd"/> 取不出来

解决办法:若循环体是jstl语法写的,就用jstl的语法取日期

               若循环体是ognl语法写的,就用ognl的语法取日期

Ø  Caused by: java.lang.ClassNotFoundException: org.jaxen.JaxenException

执行InitSystemDatasTest.java导入数据时出现问题

原因是出少 jaxen包 (hibernate支持包)

解决办法:引入jaxen-1.1.3.jar

Ø  查出的模块先后不一定

解决办法:字段加排序  @OrderBy

Ø  struts2 annotation validation 对action所有方法验证

解决办法:在不想验证的方法上加@SkipValidation

Ø  Factory method [public org.jbpm.api.ProcessEngine org.jbpm.pvm.internal.processengine.SpringHelper.createProcessEngine()]

没有:<import resource="jbpm.tx.spring.cfg.xml" />

参照:jbpm-4.4/install/src/cfg/jbpm/spring.jbpm.cfg.xml

解决办法:加入<import resource="jbpm.tx.spring.cfg.xml" />

Ø  el-api.jar和juel.jar冲突

java.lang.LinkageError: loader constraint violation: when resolving interface method "javax.servlet.jsp.JspApplicationContext.getExpressionFactory()Ljavax/el/ExpressionFactory;" the class loader (instance of org/apache/jasper/servlet/JasperLoader) of the current class, org/apache/jsp/index_jsp, and the class loader (instance of org/apache/catalina/loader/StandardClassLoader) for resolved class, javax/servlet/jsp/JspApplicationContext, have different Class objects for the type javax/el/ExpressionFactory used in the signature

仔细观察上边异常提示,不难发现是由于解析jsp文件的类有两个,java不知道使用哪个解析jsp文件造成的。

解决方法:删除你项目中WEB-INF/lib目录下的juel.jar

Ø  数据库方言

现象一:

org.hibernate.exception.ConstraintViolationException: could not delete: [org.jbpm.pvm.internal.model.ExecutionImpl

现象二:

Cannot delete or update a parent row: a foreign key constraint fails (`/jbpm4_execution`, CONSTRAINT `FK_EXEC_INSTANCE` FOREIGN KEY (`INSTANCE_`) REFERENCES `jbpm4_execution` (`DBID_`))

解决方法:dialect改为 org.hibernate.dialect.MySQLInnoDBDialect即可

Ø  struts2上传文件取不到文件名称

第一种方案:

file 的名称只能是upload

即<input type="file" name="upload” />,这样写问题就解决了.

第二种方案:

         页面:<input type="file" name="myfile “/> (自定义名称)

         Action:

         private File myfile;

         public File getUpload() {

       return myfile;

    }

 

    public void setUpload(File myfile) {

       this.myfile = myfile;

    }

Ø  方法执行了,但数据不保存

查找原因:事务管理里此方法是只读

解决办法:设置成可读写

Ø  数据库不能读写

现象:ERROR JDBCExceptionReporter:101 - Can't create/write to file 'C:/WINDOWS/TEMP

解决办法:

开始->运行->cmd

->cd c:/WINDOWS/temp (回车)

->del -rf FLT*    (回车)

执行完成后,问题解决

Ø  taskService.getOutcomes() 取不到值

查看文档:

如果一个任务拥有一个没用名称的外向转移:

 

taskService.getOutcomes() 返回包含一个null值集合,。

taskService.completeTask(taskId) 会使用这个外向转移。

taskService.completeTask(taskId, null) 会使用这个外向转移。

taskService.completeTask(taskId, "anyvalue") 会抛出一个异常。

 

如果一个任务拥有一个有名字的外向转移:

 

gtaskService.getOutcomes() 返回包含这个转移名称的集合。

taskService.completeTask(taskId) 会使用这个单独的外向转移。

taskService.completeTask(taskId, null) 会抛出一个异常(因为这里没有无名称的转移)。

taskService.completeTask(taskId, "anyvalue") 会抛出一个异常。

taskService.completeTask(taskId, "myName") 会根据给定的名称使用转移。

 

如果一个任务拥有多个外向转移,其中一个转移没有名称,其他转移都有名称:

 

taskService.getOutcomes() 返回包含一个null值和其他转移名称的集合。

taskService.completeTask(taskId) 会使用没有名字的转移。

taskService.completeTask(taskId, null) 会使用没有名字的转移。

taskService.completeTask(taskId, "anyvalue") 会抛出异常。

taskService.completeTask(taskId, "myName") 会使用名字为'myName'的转移。

 

如果一个任务拥有多个外向转移,每个转移都拥有唯一的名字:

 

taskService.getOutcomes() 返回包含所有转移名称的集合。

taskService.completeTask(taskId) 会抛出异常,因为这里没有无名称的转移。

taskService.completeTask(taskId, null) 会抛出异常,因为这里没有无名称的转移。

taskService.completeTask(taskId, "anyvalue") 会抛出异常。

taskService.completeTask(taskId, "myName") 会使用名字为'myName'的转移

 

结论:所以 只要有流向没有写名称,就返回空,

解决办法:都起一个唯一的名称

Ø java.lang.NoSuchMethodException com.opensymphony.xwork2.ActionSupport.submit()

如果url写错,找不到的话,就会去父类找,就会提示方法没有定义

解决办法:检查有没有定义此方法,还有url写每写错

Ø  关于list获取多行数据

1.首先这个list必须在action里指定;引入ModelDiven执行的model得不到值

2.list不能用泛型,否则也得不到值(本人设置泛型是得不到值)

Ø  Map传值问题

现象:用freemarker生成模板文件后,在action里得不到map的值

思路:1.首先看看页面定义的组件名称是什么

                   假如:<input type="text" name="props(name)">

         2.props从哪里来的

              假如是文本

              查找text.ftl

<input type="text" name="props(${field.fieldName})">

                   修改成:<input type="text" name="props(‘${field.fieldName}’)">

           3.map是中括号

                   最终修改如下:

                            <input type="text" name="props[‘${field.fieldName}’]">

           4.页面效果:

                            <input type="text" name="props[‘name’]”>

      5.Action

       private Map<String,String> props;

        public Map<String,String> getProps() {

       return props;

    }

 

    public void setProps(Map<String,String> props) {

       this.props = props;

    }

map就可以收到值了

        

         6.文件处理

                   模板:file.ftl修改如上

        Action处理部分:

//如果表单域是上传文件

if(propertyType.getType().equals("java.io.File")){

    //注意:如果界面上传的是文件,struts可以自动转换为FormFile

    //类型的对象!!!!

    FileInputStream is = new FileInputStream(new File((String)source));

    byte[] fileData = new byte[is.available()];

    target = fileData;

}

 

OK,文件的处理也完成了,其他修改类似,这只是单个文件,多个文件还没测试过。另外存到数据库后,只是byte数组,没有文件名,最后,只限制上传一种文件格式,也好处理文件后缀

 

基于SSH框架的OA办公自动化管理系统设计与实现 OA办公自动化系统以流程化、协同化、无纸化为核心目标,构建覆盖企业日常运营的关键功能模块。系统通过公文流转引擎实现请示、批复、通知等文档的电子化审批,结合任务管理模块进行待办事项提醒与进度跟踪;日程管理支持个人与团队日历共享,提升时间协同效率。在技术架构上,系统采用分层设计思想,前端基于JSP+Ajax实现动态交互,后端依托SSH框架支撑业务逻辑解耦与可维护性扩展。 阅读详情

相关推荐

基于SSH框架的企业OA管理系统开发实战

办公自动化(Office Automation, OA)系统是指利用计算机技术、网络通信技术与现代管理理念相结合,实现企业日常办公流程的数字化、规范化与高效化。早期OA系统以文档管理和信息传递为核心,主要解决纸质办公效率低下的问题;随着信息技术的发展,现代OA已演进为集流程审批、协同办公、知识管理、人力资源管理于一体的综合性企业管理平台。Spring框架通过IoC(控制反转)机制将对象的创建和管理交给容器来完成,从而实现了解耦。Bean是Spring容器管理的基本单位,其生命周期由容器统一控制。

weixin_36483050的博客 984

flowable笔记 - 简单的通用流程

简介 通用流程可以用于一些基本的申请,例如请假、加班。 大致过程是: 1. 创建申请 2. 分配给审批人(需要审批人列表,当前审批人) -> 有下一个审批人 -> 3 -> 无 -> 4 3. 审批人审批 -> 同意 -> 2 -> 拒绝 -> 5 4. 存储数据,发送通知 5...

anlei2999的博客 1772

SSH1与SSH2配置详解与安全实践

SSH(Secure Shell)是一种广泛应用于网络通信的安全协议,旨在为远程登录、命令执行和文件传输提供加密保护。它最初由芬兰程序员Tatu Ylönen于1995年开发,用以替代如Telnet和rsh等不安全的明文传输协议。SSH1作为第一代协议版本,奠定了安全通信的基础,但其设计存在若干安全缺陷。随后推出的SSH2协议在安全性、扩展性和性能方面进行了全面升级,成为当前主流标准。本章将深入解析SSH1与SSH2的核心差异,并探讨SSH在现代IT基础设施中对网络安全的重要作用。

weixin_42451850的博客 1241

taskService.completeTask(task.getId());的执行过程分析

taskService.completeTask(task.getId()); 单步跟踪下去的顺序 1、执行函数体内,得到dbid,感觉是注入到这个id去的。在taskimpl中有setdbid的方法 2、commandService.execute(new CompleteTaskCmd(taskId)); 3、在CompleteTaskCmd中,public Void execute(...

iteye_5797的博客 2664

Cursor Pro版保姆级开通教程:绕过7天试用,支付宝一步搞定(附地区报错解决方案)

本文详细介绍了Cursor Pro版的订阅流程,包括支付宝支付步骤和解决区域报错的实用方案。针对开发者常见的网络问题和云服务器配置需求,提供了从本地环境调整到云端部署的完整指南,帮助用户高效解锁Pro版的代码补全、私有代码库等核心功能。

weixin_28710999的博客 2105

破解雪球网acw_sc__v2加密与无限debugger反爬策略

本文详细解析了雪球网的反爬机制,重点破解了其核心的acw_sc__v2加密参数与无限debugger反调试策略。通过实战案例,从抓包分析、逆向调试到算法还原,提供了完整的Python代码实现,帮助开发者掌握应对类似加密反爬的通用方法。

weixin_29207533的博客 1898

工作流Jpbm4.4工作流知识点总结(工作流开发宝典)

Jbpm工作流开发过程中的一些知识点总结,方便以后开发使用! 目录: 一、工作流框架的搭建 二、工作流框架的流程开发   1、管理流程定义     ①部署流程定义     ②查询流程定义     ③删除流程定义     ④获取部署对象中的文件资源内容     ⑤ 获取流程图中某活动的坐标   2、执行流程实例     ①启动流程实例     ②向后执行一步     ③查询...

weixin_30307921的博客 367

Nifi SNI 问题解决方案

Nifi 在配置 SSL 时,如果没有正确设置主机名(SNI),就会导致。为了解决这个问题,我们需要重新配置 Nifi 的 SSL 证书,并确保所有相关配置项(如服务器地址、证书路径和密码等)正确无误。以下是一个详细的解决步骤,以帮助你正确配置 Nifi 并解决 SNI 错误。文件中的配置项(如服务器地址、端口和证书路径),以及正确设置用户凭证。通过这些配置,你可以确保 Nifi 在支持 HTTPS 的同时,正确处理 SSL/TLS 的 SNI 问题。文件,配置服务器地址、端口以及证书路径和密码。

m0_58786911的博客 2296

项目OA之框架搭建整合基于SSH,Jquery,MySQL

1.SSH项目OA

CSU:有道无术,术可求,有术无道,止于术! 3282

华为昇腾310P3+deepseek蒸馏版性能调优:FP16精度优化全记录

本文详细介绍了在华为昇腾310P3硬件环境下优化DeepSeek蒸馏版模型FP16精度的关键技术路径。通过分层量化策略、内存分配优化和并行计算配置,显著提升模型推理性能,实现83%的并发处理能力提升,同时保持98.7%的原始模型准确率。

weixin_29074409的博客 349

Win11下Wezterm配置Powershell默认终端全攻略(含主题同步技巧)

本文详细介绍了在Windows 11系统中,如何安装和配置Wezterm终端模拟器,并将其设置为PowerShell的默认终端。内容涵盖使用Winget或手动安装Wezterm,通过修改.lua配置文件切换默认Shell,并同步Campbell主题配色以还原熟悉的PowerShell视觉体验,旨在帮助开发者打造高效、个性化的命令行工作环境。

weixin_28363123的博客 1222

【OA】SSH进阶(6)——SSH框架整合

最近做一个OA的项目,之前做过网上商城,也是SSH的框架,这一次搭框架,熟悉了很多,从jar包的引入,到Struts和spring的整合,Hibernate和spring的整合,自己更加了解三者之间的合作关系了。             OA是Office Automation的缩写,本意为利用技术的手段提高办公的效率,进而实现办公的自动化处理。实现信息化、无纸化办公,可方便的生成统计报表等。O

周洲 (Julie) 1854

frp内网穿透(socks隧道)

在实验过程中还是遇到了挺多的问题,但好在大多都解决了。不过还是遗留了一些不懂的问题,等以后再慢慢研究了。最后,以上仅为个人的拙见,如何有不对的地方,欢迎各位师傅指正与补充,有兴趣的师傅可以一起交流学习。

2301_76227305的博客 1万+

php搭建与ssh搭建,项目OA之框架搭建整合基于SSH,Jquery,MySQL

1.重中之重项目的开始一些的准备工作是很多的,比如数据库的创建,表的设计,需求的分析,框架环境的搭建等等,其实OA系统是很锻炼大家的知识整合在这里我们用到了很多的知识比如SSH包括如何整合如何搭建环境,前端包括Jquery JS html css,数据库运用的MySQ1.重中之重项目的开始一些的准备工作是很多的,比如数据库的创建,表的设计,需求的分析,框架环境的搭建等等,其实OA系统是很锻炼大家的...

weixin_33195817的博客 150

ADB加密实例

主要介绍如何给adb命令增加加密访问

四儿家的小祖宗的博客 2912

【置顶】TEE从入门到精通-[目录]

此专栏讲解包含不限于optee、商用TEE、常规的安全业务设计。但主要基于optee最新代码,深度讲解和剖析各项原理和机制...

baron-周贺贺-代码改变世界ctw 6427

SSH2整合--配置+详解

最近的项目做完了,整理整理用到的技术,也顺便系统地回顾一下框架基础,防止学而不思则罔,思而不学则殆.          先说说框架整合.最初的架构是最简单的Struts2+Spring3+Hibernate3,数据库使用的是MySQL.分别列出整合需要的jar. Struts: commons-fileupload.jar Commons-io.jar Freemarker.j

Hannah 1万+

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

OA项目(SSH框架搭建)

一、项目前准备工作 1)创建Maven web项目工程,命名为oa,并导入相应jar包 pom.xml 内容如下: <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://ma...

踏 浪的博客 639

复分析 阿尔福斯(Ahlfors) 第三版答案 英文

答案分为十章,有部分习题没有答案,全英文复分析阿尔福斯(Ahlfors) 第三版答案

TMS_WebGMaps_1.9.8.0_Full_Source

TMS_WebGMaps_1.9.8.0_Full_Source 全源码 delphi cbuilder

jQuery2.0应用开发:SSH框架整合jQuery2.0实战OA办公自动化(VSS、operamasks-UI框架)

jQuery2.0应用开发:SSH框架整合jQuery2.0实战OA办公自动化(VSS、operamasks-UI框架)  课程分享 我的qq是2059055336,对这个课程有兴趣的可以加我qq联系。 课程下载地址:http://www.kuaipan.cn/file/id_192202874577496484.htm?source=1   一、本课程是怎么样的一门课程(全面介绍)

遥远的东方的专栏 1261

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")

SSH整合搭建

SSH整合搭建 Struts2搭建 Hibernate3搭建 Spring搭建Struts2搭建结构图 核心 jar包 作用 commons-fileupload-1.2.1.jar commons-io-1.3.2.jar freemarker-2.3.15.jar ognl-2.7.3.jar struts2-core-2.1.8.1.jar

MEKY的博客 690

OA项目2:环境搭建之ssh框架整合

首注:本学习教程为传智播客汤阳光讲师所公布的免费OA项目视频我的文字版实践笔记,本人用此来加强巩固自己开发知识,如有网友转载,请注明。谢谢。 今天做Spring+Hibernate+Struts2整合。 一 Struts2与Spring的整合。   1.整合之前Struts2例子:   在src下建立一个包,包名为:cn.clear.oa.test,在包下面建立一个类TestAction....

weixin_30325793的博客 121

SSH整合总结(OA项目)

代码规范 环境搭建 Struts2 jar包 struts.xml, web.xml Hibernatejar包:核心包, 必须包, jpa, c3p0, jdbchibernate.cfg.xml, *.hbm.xml Springjar包appicationContext.xml/beans.xml Spring与Struts2整合1,在web.xml中配置Sprin...

awv94517的博客 157

Axis 2 整合到 SSH 项目,Axis2 整合,Axis2 发布,Axis2 部署方法及遇到问题

转自:http://blog.youkuaiyun.com/xinhaoluan/archive/2008/12/25/3605234.aspx  环境:axis2 1.4, spring1.2 或者 spring2.0, tomcat6.0, windows vista  由于项目需要搭建一个良好的架构,我选择了用axis2和spring整合。不过再还没有做的时候,就听同事和网上的朋友说axis

lipengshuai0507的专栏 996

【Java EE 学习 67 下】【OA项目练习】【SSH整合JBPM工作流】【JBPM项目实战】

一、SSH整合JBPM   JBPM基础见http://www.cnblogs.com/kuangdaoyizhimei/p/4981551.html   现在将要实现SSH和JBPM的整合。   1.添加jar包     (1)jbpm项目/lib目录下的所有jar包和根目录下的jbpm.jar包放入/WEB-INF/lib文件夹下,同时删除tomcat服务器/lib文件夹中的...

228
下一篇: WebObjects的配置问题
studybase
博客等级 码龄19年 36粉丝 2原创
评论 2
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