它是计算机视觉里，专门用来训练和测试图像分类模型的「公开标准图片数据集」，相当于给 AI 做 “看图认东西” 练习题的题库。项目具体内容通俗理解本质大量标注好的图片集合给 AI 做 “看图认类别” 的练习题库规模6 万张图片（5 万训练 + 1 万测试）训练用 5 万张题，考试用 1 万张题类别10 个固定类别飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船、卡车图像大小32×32×3（像素）很小的彩色图

对比维度普通前馈神经网络（基础 NN）卷积神经网络（CNN）循环神经网络（RNN）核心概念最基础神经网络，由输入层、全连接隐藏层、输出层组成；层间全连接，只处理相互独立无关联的数据，无记忆、无自动特征提取能力。以卷积运算为核心的网络，新增卷积层、池化层；依靠局部连接、权值共享自动提取空间特征，专门处理图像类网格结构数据。具有记忆循环结构的神经网络，隐藏层会保存上一时刻状态；能记忆前文时序信息，专门

摘要：本课程旨在通过手写简化版SpringMVC框架来深入理解其核心原理。主要内容包括：1）实现MVC顶层设计，包含调度中心GPDispatcherServlet、请求映射GPHandlerMapping和适配器GPHandlerAdapter；2）开发业务层和控制器逻辑；3）定制模板引擎实现视图解析；4）演示完整请求生命周期。通过模拟SpringMVC的请求分发、业务处理、视图返回全流程，帮助学

Java开发者未来发展方向主要集中在四大领域：云原生与微服务、AI集成、边缘计算/IoT应用以及区块链/Web3开发。云原生方向需掌握Spring生态和容器技术，AI集成可通过Spring AI快速接入智能功能，边缘计算利用Java开发IoT网关应用，区块链领域则可运用Web3j等工具开发去中心化应用。每个方向都要求开发者结合Java基础进行技术升级，同时关注性能优化和新兴技术整合。掌握这些领域将

客户端访问代理服务器，由代理服务器转发请求给后端真实服务器，再将响应结果返回给客户端。客户端不知道真实服务器的存在。#后台项目的运行端口。没啥好说的，主要问题在于跨域，跨域，前端做了一部分，后端也做了一部分。Nginx 在网络层完成转发，不需要任何前端或后端代码参与。对后端而言，请求来源是 Nginx，不是外部客户端。maven打包上传，修改数据库账号密码，一气呵成。对浏览器而言，请求与响应始终来

3. IO 操作不占用 cpu，只是我们一般拷贝文件使用的是【阻塞 IO】，这时相当于线程虽然不用 cpu，但需要一直等待 IO 结束，没能充分利用线程。有些任务，经过精心设计，将任务拆分，并行执行，当然可以提高程序的运行效率。单核 cpu 下，线程实际还是 串行执行 的。tomcat 的异步 servlet 也是类似的目的，让用户线程处理耗时较长的操作，避免阻塞 tomcat 的工作线程。1.

本章内容查看线程线程 API线程状态。

上学期学的，现在基本忘记完了，很遗憾。

KubeSphere是一个基于Kubernetes的云原生分布式操作系统，支持多云和多集群环境下的应用统一管理。其实战指南包含中间件部署如MySQL、Redis，以及Ruoyi-Cloud和尚医通等项目的实施方案，实现即插即用的云原生应用集成与运维。

本文探讨了从传统MVC架构到Spring Boot的演进过程。首先介绍了Spring Framework的核心特性（AOP、IOC/DI）和MVC项目搭建流程，包括依赖配置、DispatcherServlet设置等。随后重点分析了Spring Boot的自动装配机制，通过@EnableXxx注解实现模块化装配，以及条件装配@Conditional的应用。文章详细解读了Spring Boot自动配置