DispatcherServlet最全详解

DispatcherServlet浅析 介绍 ​ DispatcherServlet是一个Servlet,在springmvc中被称为前端控制器,根据请求的路径、类型等进行请求的分发。 分析 DispatcherServlet类图 ​ 上图中的红色部分为Servlet接口,在Springmvc中实现并扩展了该Servlet接口。在我最早学javaweb开发时,并不是上来就使用各种MVC框架,而是从编写简单的Servlet开始,就是继承HttpServlet后,重写它的service方法。而Springmvc的设计同理,它也继承... 阅读详情
AI摘要

本文详细介绍了DispatcherServlet的初始化过程,包括从servlet初始化、GenericServlet、HttpServletBean、FrameworkServlet到DispatcherServlet的层层调用,以及Spring MVC容器的创建和初始化。在处理请求阶段,讲解了从service方法到doDispatch方法的调用链,涉及请求处理、模型数据和视图渲染等关键步骤。适合希望深入理解Spring MVC工作原理的开发者阅读。

DispatcherServlet最全详解

DispatcherServlet族谱

DispatcherServlet族谱

一、语言总结

1.DispatcherServlet初始化

	1.servlet初始化会调用init()方法,
	2.GenericServlet重写了方法调用自己重写的init()方法,
	3.HttpServlet没有重写方法直到HttpServletBean()重写了init方法并调用initServletBean
		(大致意思是将配置参数映射到该servlet的bean属性上,以及调用子类初始化 ),
	4.FrameworkServlet重写了initServletBean()方法 方法内部 调用了initWebApplicationContext()进行了SpringMVC容器初始化,
		然后调用onRefresh()进行初始化
	5.DispatcherServlet重写onRefresh()方法继续套娃调用initStrategies()方法实现容器刷新策略 
	初始化完成之后将ioc容器共享到应用域中 
			**扩展内容:**
	【 4.1 initWebApplicationContext()内部调用了createWebApplicatioContext()方法创建WebApplicationContext
		4.2	在createWebApplicationContext()方法中用反射创建了ConfigurableWebApplicationContext容器
				然后设置了它的环境以及它的父容器(将SpringIOC容器设置为SpringMVCIOC的父容器)然后将容器返回
			    扩展:共享名称 == 全类名 + .CONTEXT. +DispatcherServlet】  

2.DispatcherServlet调用组建处理请求

	1.servlet处理请求会调用service方法 继续等着儿子去重写方法
	2. HttpServlet这里重写以及重载了方法  先是重写将参数向下转型然后调用重载的Servlet()方法
	3. FrameworkServlet重写了方法多加了一个判断PATCH请求 如果是继续调用它爷爷HttpServlet的方法
	 如果请求不是PATCH则调用自己重写的方法processRequest() ,processRequest() 调用 doService()方法,
	 但是doService()又是抽象方法未实现功能所以继续找儿子 
	4.DispatcherServlet继承doService()最终获得ModelAndView对象

二、DispatcherServlet初始化

1.servlet初始化会调用init方法

	从servlet开始
	servlet初始化会调用init方法

Servlet init方法

2. servlet子类GenericServlet重写了方法调用自己重写的init方法

  servlet子类GenericServlet重写了方法调用自己重写的init方法

  servlet子类GenericServlet重写了方法调用自己重写的init方法

3.HttpServletBean重写了init方法

HttpServlet没有重写方法直到HttpServletBean重写了init方法
大致意思是将配置参数映射到该servlet的bean属性上,以及调用子类初始化 
然后写了一个initServletBean抽象方法留给子类

HttpServlet

4.FrameworkServlet重写了initServletBean方法

FrameworkServlet重写了initServletBean方法 方法内部 调用了initWebApplicationContext
进行了SpringMVC容器初始化

在这里插入图片描述
创建WebApplicationContext过程
调用createWebApplicatioContext方法创建WebApplicationContext

在这里插入图片描述

继续套娃调用

在这里插入图片描述

	在createWebApplicationContext方法中用反射创建了ConfigurableWebApplicationContext容器
	然后设置了它的环境以及它的父容器(将SpringIOC容器设置为SpringMVCIOC的父容器)然后将容器返回

在这里插入图片描述

这里进行了数据共享 将WebApplicationContext在应用域进行了共享

在这里插入图片描述

共享应用域的名称

共享名称 == 全类名 + .CONTEXT. +DispatcherServlet

在这里插入图片描述

容器刷新 初始化
	继续让儿子去实现

在这里插入图片描述

6.DispatcherServlet重写方法继续套娃调用initStrategies 实现容器刷新策略

	初始化完成之后将ioc容器共享到应用域中 
protected void initStrategies(ApplicationContext context) { 
initMultipartResolver(context); 			//初始化文件上传解析器
initLocaleResolver(context);				 
initThemeResolver(context); 
initHandlerMappings(context); 				//初始化处理器映射器
initHandlerAdapters(context); 				//初始化处理器适配器
initHandlerExceptionResolvers(context); 	//初始化异常处理器
initRequestToViewNameTranslator(context); 	 
initViewResolvers(context); 				//初始化视图解析器
initFlashMapManager(context); 				
}

在这里插入图片描述

二、DispatcherServlet调用组建处理请求

1.servlet处理请求会调用service方法 继续等着儿子去重写方法

老样子从servlet开始

在这里插入图片描述

2.GenericServlet继承了并未重写 继续往下找儿子

在这里插入图片描述

3.HttpServlet这里重写以及重载了方法 先是重写将参数向下转型然后调用重载的Servlet方法

在这里插入图片描述

4.重载的Servlet方法获取请方式然后进行调用

在这里插入图片描述

5.FrameworkServlet重写了方法多加了一个判断PATCH 然后继续调用它爷爷HttpServlet的方法

	(HttpServletBean是没有对方法进行重写的)
	如果请求不是PATCH则调用自己重写的方法processRequest

在这里插入图片描述

这里处理请求的方法是继续调用doService 但是doService又是抽象方法未实现功能所以继续找儿子

在这里插入图片描述

在这里插入图片描述

6.DispatcherServlet继承doService

doService方法
	doService这里往请求域一顿扔垃圾继续调用doDispatch进行统一处理请求和响应

在这里插入图片描述
在这里插入图片描述

doDispatch方法
	后面我会更新MVC执行流程 
	因为我本身就是自学的小白码的很差劲 我会努力做的更好
	希望能对学到MVC的朋友们有所帮助   (点个赞吧码了挺久的。)

在这里插入图片描述

protected void doDispatch(HttpServletRequest request, HttpServletResponse response) throws Exception {
        HttpServletRequest processedRequest = request;
        HandlerExecutionChain mappedHandler = null;
        boolean multipartRequestParsed = false;
        WebAsyncManager asyncManager = WebAsyncUtils.getAsyncManager(request);
        try {
            try {
                ModelAndView mv = null;
                Exception dispatchException = null;
                try {
                    processedRequest = this.checkMultipart(request);
                    multipartRequestParsed = processedRequest != request;
                    mappedHandler = this.getHandler(processedRequest);
				/* mappedHandler:调用链 包含handler、interceptorList、interceptorIndex 
				handler:浏览器发送的请求所匹配的控制器方法 
				interceptorList:处理控制器方法的所有拦截器集合 
				interceptorIndex:拦截器索引,控制拦截器afterCompletion()的执行 */
                    if (mappedHandler == null) {
                        this.noHandlerFound(processedRequest, response);
                        return;
                    }
                    // 通过控制器方法创建相应的处理器适配器,调用所对应的控制器方法
                    HandlerAdapter ha = this.getHandlerAdapter(mappedHandler.getHandler());
                    String method = request.getMethod();
                    boolean isGet = HttpMethod.GET.matches(method);
                    if (isGet || HttpMethod.HEAD.matches(method)) {
                        long lastModified = ha.getLastModified(request, mappedHandler.getHandler());
                        if ((new ServletWebRequest(request, response)).checkNotModified(lastModified) && isGet) {
                            return;
                        }
                    }
					// 调用拦截器的preHandle()
                    if (!mappedHandler.applyPreHandle(processedRequest, response)) {
                        return;
                    }
					// 由处理器适配器调用具体的控制器方法,最终获得ModelAndView对象
                    mv = ha.handle(processedRequest, response, mappedHandler.getHandler());
                    if (asyncManager.isConcurrentHandlingStarted()) {
                        return;
                    }
                    this.applyDefaultViewName(processedRequest, mv);
                    // 调用拦截器的postHandle()
                    mappedHandler.applyPostHandle(processedRequest, response, mv);
                } catch (Exception var20) {
                    dispatchException = var20;
                } catch (Throwable var21) {
                    dispatchException = new NestedServletException("Handler dispatch failed", var21);
                }
				// 后续处理:处理模型数据和渲染视图
                this.processDispatchResult(processedRequest, response, mappedHandler, mv, (Exception)dispatchException);
            } catch (Exception var22) {
                this.triggerAfterCompletion(processedRequest, response, mappedHandler, var22);
            } catch (Throwable var23) {
                this.triggerAfterCompletion(processedRequest, response, mappedHandler, new NestedServletException("Handler processing failed", var23));
            }

        } finally {
            if (asyncManager.isConcurrentHandlingStarted()) {
                if (mappedHandler != null) {
                    mappedHandler.applyAfterConcurrentHandlingStarted(processedRequest, response);
                }
                //清理多部分请求使用的所有资源。
            } else if (multipartRequestParsed) {
                this.cleanupMultipart(processedRequest);
            }

        }
    }
DispatcherServlet 分发流程 doXXX 重写 方法,统一调用 方法 方法统一调用 方法 和 有额外的处理 其他是直接调用 主要是初始化 ,调用 方法,并进行日志等处理 是 和 方法执行核心逻辑,是抽象方法 完成后会清空 ,打印日志,产生事件。 进行具体的实现 重写 方法 DispatcherServlet doDispatch 方法的逻辑为: 查找是否有合适的 Han 阅读详情

相关推荐

BeckHoff <--> ABB 机器手 Profinet 通讯

本文介绍了BeckHoff PLC与ABB机器人通过PROFINET通信的实现方案。主要内容包括:1)通信接口的详细变量定义,涵盖输入/输出信号、设备状态监控、夹爪控制等关键功能位;2)全局数据结构和变量配置说明;3)机器人任务控制程序的实现方法,包括参数校验、任务指令下发和状态监控机制;4)重点分析了任务调度功能块的代码逻辑,涉及慢速模式处理、多参数配置和执行状态判断。该方案通过结构化变量定义和模块化程序设计,实现了PLC对机器人作业的精确控制,为工业自动化系统集成提供了可靠通信范例。

工控智联驿站 1036

DispatcherServlet详解

一、DispatcherServlet作用DispatcherServlet是前端控制器设计模式的实现,提供Spring Web MVC的集中访问点,而且负责职责的分派,而且与Spring IoC容器无缝集成,从而可以获得Spring的所有好处。 DispatcherServlet主要用作职责调度工作,本身主要用于控制流程,主要职责如下: 文件上传解析,如果请求类型是multipart将通过Mu

bear_wr的专栏 1万+

生成式引擎优化(GEO)- 搜索引擎优化

生成式引擎优化(GEO)是针对AI内容生成平台(如ChatGPT)的新型优化策略,旨在提升品牌内容在AI生成答案中的引用率,与传统SEO存在显著差异。GEO通过优化内容权威性、结构化和语义关联,适应AI的RAG技术架构,采用3C原则(可爬性、网络共识、反馈校正)提升内容可见性。其核心区别在于目标(引用率vs排名)、技术(语义优化vs关键词)及算法透明度(封闭vs开放)。适用场景包括商业决策、行业权威建设及公共知识服务,帮助品牌在AI时代占据信息主导权。

解锁AI流量新红利!🚀 GEO优化(生成引擎优化)助您掌控AI搜索,让AI成为您的品牌最佳代言人! 1409

SpringMVC中DispatcherServlet详解

DispatcherServlet是Spring MVC框架的核心组件之一,它负责请求的接收、处理和响应。DispatcherServlet在整个请求处理过程中扮演着调度者的角色,将请求分发到相应的处理器进行处理,并将处理结果返回给客户端

技术人集结地 5282

使用 Python 获取网络数据

本文介绍了 Python 获取网络数据、使用 requests 库、编写爬虫代码以及使用 IP 代理的方法。Python 的 requests 库非常方便,可以帮助我们快速访问网络资源。编写爬虫程序需要掌握正则表达式、HTTP 协议等知识,同时需要注意爬取速度和频率,以避免对被爬取网站造成负担。最后,使用 IP 代理可以帮助我们隐匿身份,保护我们的网络安全。

互联说 2699

学Simulink——基于Simulink的扰动观测器(DOB)补偿坡道重力分量

(质量5kg,坡度30°,目标速度1m/s)为例,基于Simulink搭建“DOB+PI”复合控制仿真平台,从系统建模、DOB算法推导、离散化实现到Simulink模块搭建,提供模块化模型、核心代码及参数整定表,帮助工程师彻底解决重力等恒值扰动引起的稳态误差问题。采用双线性变换(Tustin): s=Ts​2​z+1z−1​,其中 Ts​为控制周期。模块相加(注意符号:ufinal​=upi​−ucomp​或 upi​+ucomp​,取决于扰动定义方向,此处假设重力为正,控制力需反向抵消,故为减)。

MHD0815的博客 72

【spring】DispatcherServlet详解

文章目录1. 概述1.1 DispatcherServlet类相关的结构图2. DispatcherServlet的初始化程序2.1 HttpServletBean 的 init() 方法2.1.1 FrameworkServlet 的 initServletBean() 方法2.1.1.1 DispatcherServlet 的 onRefresh() 方法2.2 initStrategies()2.2.1 initHandlerMappings 方法2.2.2 initHandlerAdapters

m0_45406092的博客 1万+

农作物生长模型:数学建模与实战案例

在本篇博客中,我们介绍了农作物生长模型的基本原理,并结合Matlab代码和实战案例,演示了如何应用数学建模技术进行农作物生长模型的研究与应用。农作物生长模型在农业领域具有重要意义,希望本篇博客能帮助读者更好地理解农作物生长模型的原理和应用,并在实际农业生产中取得更好的效果。

YOLO 2735

SpringBoot之DispatcherServlet详解及源码解析

在使用SpringBoot之后,我们表面上已经无法直接看到DispatcherServlet的使用了。本篇文章,带大家从最初DispatcherServlet的使用开始到SpringBoot源码中DispatcherServlet的自动配置进行详解。 DispatcherServlet简介 DispatcherServlet是前端控制器设计模式的实现,提供了Spring Web MVC的集中访问点...

程序新视界 9533

YOLO26涨点改进| TGRS 2026 | 独家创新首发、注意力改进篇| 引入LCGA局部曲率引导注意力,保持局部稳定性的同时突出关键几何区域,含多种创新改进,促进YOLO26所有任务高效涨点

🔥本文提出LCGA(局部曲率引导注意力)模块,通过引入曲率信息改进YOLO26网络模型。LCGA在局部窗口内利用深度卷积构造曲率代理,调制标准窗口注意力,使模型更关注道路、边界等曲线型结构,提升遥感图像超分辨率中的几何保真度。相比普通注意力,LCGA能精准聚焦关键几何区域,减少边缘断裂和轮廓偏移,同时保持较低计算开销。实验表明LCGA显著提升性能,在UCMerced数据集上PSNR提升0.2148dB。文章提供了三种改进方案。

Ai缝合怪、助力小伙伴高效发论文 229

浏览器解析HTML的过程及编程实现

需要注意的是,上述示例代码只是简化的演示,并未涵盖浏览器解析HTML的所有细节和复杂性。实际上,浏览器的HTML解析引擎还会处理一系列的特殊情况、错误容错和性能优化等方面的内容,以确保能够正确解析各种类型的HTML代码。HTML(超文本标记语言)是构建网页的基础语言,浏览器负责将HTML代码解析并渲染成可视化的网页。本文将详细介绍浏览器解析HTML的过程,并提供相应的编程示例代码。希望以上内容能帮助您理解浏览器解析HTML的过程,并通过提供的示例代码更好地了解如何在编程中实现这一过程。

ByteJolt的博客 322

Spring MVC框架中DispatcherServlet详解

摘要: DispatcherServlet是Spring MVC框架的核心前端控制器,负责接收并分发HTTP请求。其核心职责包括请求分发、组件协调、异常处理和拦截器管理。初始化过程分为加载WebApplicationContext、初始化策略接口(HandlerMapping、ViewResolver等)两个关键阶段。请求处理流程采用doDispatch方法实现,包含处理器查找、拦截器链执行、视图渲染等步骤。框架通过策略模式支持多种处理器映射和视图解析方式,并提供了丰富的扩展点。配置方式支持传统XML和Ja

持续输出Java相关知识 1681

Vibe Draw:AI实现2D草图转3D建模,开源免费的设计师宝藏软件!

AI实现2D草图转3D建模,开源免费,设计师进来看一下?

Code_流苏:在代码中寻诗意,在实践中觅真知 2154

Spring DispatcherServlet 详解

DispatcherServlet 是一个 Servlet,它接收所有的 HTTP 请求,并根据请求的信息将其分发给相应的处理器(Handler)进行处理。它是 Spring MVC 架构模式中的关键部分,将请求处理逻辑与实际的业务逻辑解耦,使得代码结构更加清晰和易于维护。

dawn191228的博客 1680

Camera2Demo

在Camera2 的基础上进行封装,使得Camera2一堆初始化逻辑与Activity分离,降低耦合度,完成预览拍照并保存的操作

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

详解在spring boot中配置多个DispatcherServlet

spring boot为我们自动配置了一个开箱即用的DispatcherServlet,映射路径为‘/',但是如果项目中有多个服务,为了对不同服务进行不同的配置管理,需要对不同服务设置不同的上下文,比如开启一个DispatcherServlet专门用于rest服务。 传统springMVC项目 在传统的springMVC项目中,配置多个DispatcherServlet很轻松,在web.xml...

qq_37272886的博客 2753

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")

Spring DispatcherServlet详解

作为Spring MVC的核心,负责初始化Spring MVC的各个组件,并协调请求处理流程。它通过和等组件,将请求映射到对应的处理器,调用处理器方法,并渲染视图。理解的工作原理对于深入掌握Spring MVC至关重要。版权声明:本博客内容为原创,转载请保留原文链接及作者信息。参考文章【spring】DispatcherServlet详解_spring dispatcherservlet-CSDN博客。

ning的博客 1593

DispatcherServlet 工作原理详解

DispatcherServlet 是 Spring MVC 的核心组件,作为前端控制器(Front Controller)协调请求处理的全过程。拦截所有匹配的 HTTP 请求(通常配置为。注解启用默认配置,再通过。接口自定义扩展组件。

m554062212的博客 965

【SSM】DispatcherServlet详解

功能 SpringMVC的核心就是DispatcherServlet,DispatcherServlet实质也是一个HttpServlet。DispatcherSevlet负责将请求分发,所有的请求都有经过它来统一分发。 大致看下SpringMVC请求处理的流程:  用户向服务器发送请求,请求会到DispatcherServlet,DispatcherServlet 对请求URL进行解析,得到请求资源标识符(URI), 然后根据该URI,调用HandlerMapping获得该Handler(就是控制层)配

weixin_45156425的博客 1546

SpringMVC的DispatcherServlet详解

Spring MVC框架,与其他很多web的MVC框架一样:请求驱动;所有设计都围绕着一个中央Servlet来展开,它负责把所有请求分发到控制器;同时提供其他web应用开发所需要的功能。不过Spring的中央处理器,DispatcherServlet,能做的比这更多。它与Spring IoC容器做到了无缝集成,这意味着,Spring提供的任何特性,在Spring MVC中你都可以使用。 下图展示

DavidChen的博客 1344

Spring之DispatcherServlet详解及源码解析

一:Spring之DispatcherServlet详解及源码解析

li-zhang-yu的博客 1593

DispatcherServlet

DispatcherServlet

蔡林浩的博客 606
上一篇: Linux全命令详解
下一篇: MySQL语句最全详解
重生之豪哥
博客等级 码龄4年 1169粉丝 36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
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