ant脚本学习

主要是流程+标签。

用的比较多的为文件操作、编译、打包、命令操作、自定义任务。

流程类似<target name="copy" depends="init">就是做这个"copy"任务之前要先做"init",而且depends的只做一遍。

编译与打包:

<property name="srcDir" location="src"/>
	<property name="buildDir" location="build"/>
	<property name="distDir" location="dist"/>
<target name="compile" depends="init">
		<javac srcdir="${srcDir}" destdir="${buildDir}"/>
	</target>
	
	<target name="dist" depends="compile">
		<jar destfile="${distDir}/package-${DSTAMP}.jar" basedir="${buildDir}">
			<manifest>
				<attribute name="built-by" value="${user.name}"/>
				<attribute name="main-class" value="test.json.stringTest"/>
			</manifest>
		</jar>
		<jar destfile="${distDir}/package-src-${DSTAMP}.jar" basedir="${srcDir}"/>
	</target>

注意classpath与包名,main入口等等。

文件操作:

<property name="srcFile" location="\\192.168.1.1\1.4_20110811-20795-20795\xxx.jar"/>
	<property name="distFile" location="dist\map-dev-src.jar"/>

	<target name="dist">
		<echo message="正在拷贝Jar文件到${distFile}中..." />
		<copy file="${srcFile}" tofile="${distFile}"/> 
		<echo message="拷贝完成" />
	</target>


使用svnant.jar的SVN升级:

<property name="project" location="E:\testsvn"/>
	<property name="remoteurl" value="http://server:8080/svn/xxx"/>
	<typedef resource="org/tigris/subversion/svnant/svnantlib.xml" classpath="svnant.jar"/>
	<target name="init" >
		<echo message="updating" />
		<svn username="xxx" password="xxx">
			<update dir="${project}"/>
			<!--<checkout url="${remoteurl}" revision="HEAD" destPath="e:/testsvn" />-->
		</svn>
	</target>


自定义任务:

<property name="parentFolder" location="\\xxx"/>
	
	<taskdef name="OwnTask" classname="GetLatestFolderName" classpath="."/>
	
	<target name="init">
		<OwnTask property="latestFolder" parentFolder="${parentFolder}"/>
	</target>
	
	<target name="dist" depends="init">
		<echo message="Process Complete!"/>
		<echo message="Latest folder is ${latestFolder}"/>
	</target>

这里比较有用的是自定义任务的latestFolder这个property,是从自定义任务中设置出来的返回值,在自定义类中加上getProject().setNewProperty(this.propertyName, folderName);

命令行操作:
<target name="copy" depends="init">
		<exec executable="TortoiseProc"> 
			<arg value="/command:update"/>
			<arg value="/path:&quot;\\xxx\Tomcat5.0\webapps\&quot;"/>  
			<arg value="/closeonend:1"/>
		</exec>
	</target>




ANT很好的入门教程:Ant使用指南.pdf  网上搜搜很多能下的  基础操作都全了  其实也不需要ant做很复杂的操作, 这些已经够了。
内容概要:本文介绍了基于贝叶斯优化的CNN-LSTM混合神经网络在时间序列预测中的应用,并提供了完整的Matlab代码实现。该模型结合了卷积神经网络(CNN)在特征提取方面的优势与长短期记忆网络(LSTM)在处理时序依赖问题上的强大能力,形成一种高效的混合预测架构。通过贝叶斯优化算法自动调参,提升了模型的预测精度与泛化能力,适用于风电、光伏、负荷、交通流等多种复杂非线性系统的预测任务。文中还展示了模型训练流程、参数优化机制及实际预测效果分析,突出其在科研与工程应用中的实用性。; 适合人群:具备一定机器学习基基于贝叶斯优化CNN-LSTM混合神经网络预测(Matlab代码实现)础和Matlab编程经验的高校研究生、科研人员及从事预测建模的工程技术人员,尤其适合关注深度学习与智能优化算法结合应用的研究者。; 使用场景及目标:①解决各类时间序列预测问题,如能源出力预测、电力负荷预测、环境数据预测等;②学习如何将CNN-LSTM模型与贝叶斯优化相结合,提升模型性能;③掌握Matlab环境下深度学习模型搭建与超参数自动优化的技术路线。; 阅读建议:建议读者结合提供的Matlab代码进行实践操作,重点关注贝叶斯优化模块与混合神经网络结构的设计逻辑,通过调整数据集和参数加深对模型工作机制的理解,同时可将其框架迁移至其他预测场景中验证效果。
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