- TensorFlow
小王爱写BUG
classStudent(object):def__init__(self,name,score):self.name=nameself.score=scoreself指的是类实例对象本身(注意:不是类本身)。y=tf.nn.softmax(tf.matmul(x,W)+b)y_=tf.placeholder(tf.float32,[None,10])cross_entropy=tf.reduce
- TensorFlow中常用的损失函数
GarryLau
Tensorflowlossfunction
TensorFlow的tf.nn模块里的损失函数:tf.nn.softmax_cross_entropy_with_logits_v2()importtensorflowastflabels=[[0.2,0.3,0.5],[0.1,0.6,0.3]]logits=[[2,0.5,1],[0.1,1,3]]logits_scaled=tf.nn.softmax(logits)result1=tf.n
- 基础神经网络“组件”----激励函数
采香行处蹙连钱
深度学习常见激励函数总结参考文献:https://blog.csdn.net/xierhacker/article/details/71524713sigmoid优点:简单,良好的非线性映射,但是也有致命的问题,就是梯度消失.所以现代的神经网络架构很少用他了。tf.nn.softmax(logits,dim=-1,name=None)作用:计算softmax激活值参数:logits:非空的tens
- TensorFlow学习笔记1.9:tf.nn.softmax()
HBU_DAVID
tf.nn.softmax(logits,axis=None,name=None,dim=None)Computessoftmaxactivations.(deprecatedarguments)计算softmax激活。(有弃用的参数)SOMEARGUMENTSAREDEPRECATED.一些参数被弃用Theywillberemovedinafutureversion.它们将在未来的版本中被删除I
- tf.nn.softmax参数详解以及作用
dovert
数据仓库
tf.nn.softmax参数详解以及作用tf.nn.softmax(logits,axis=None,name=None,dim=None)logits:一个非空的Tensor。必须是下列类型之一:half,float32,float64axis:将在其上执行维度softmax。默认值为-1,表示最后一个维度name:操作的名称(可选)dim:axis的已弃用的别名返回:一个Tensor,与lo
- KLD Loss( tf.nn.softmax, torch.nn.functional.softmax, log_softmax, kl_div) 计算技巧(一)
老光头_ME2CS
深度学习PytorchTensorflow学习笔记pytorchtensorflow深度学习
最近在比较不同模型的性能,发现虽然文献中使用的相同的指标,比如KLD。但是数据的处理方式却存在着差异,这会导致最后的数据并不具有直接可比性。这里记录下,其中的一些值得记住的细节。主要涉及的API包括tf.nn.softmax,torch.nn.functional.softmax,log_softmax,kl_div文章目录二维数据输入数据前处理tf.nn.softmaxtorch.nn.func
- 【Tensorflow学习一】神经网络计算过程: 搭建第一个神经网络模型
Chen的博客
Tensorflowtensorflowpython学习
文章目录创建张量Tensor:常用函数理解axistf.Variable变量标记为“可训练”tensorflow中的数学运算函数Tensorflow的数据标签和特征配对函数tf.GradientTape某函数对指定参数进行求导运算enumerate枚举tf.one_hot独热编码tf.nn.softmax激活函数softmaxassign_sub参数自更新tf.argmax最大值索引神经网络实现鸢
- 【机器学习】nce_loss
littlemichelle
机器学习机器学习
目录一、前置知识二、理论回顾LogisticRegression三、NoiseContrastiveEstimation举例四、特别注意五、NCEintensorflow一、前置知识【机器学习】tf.nn.softmax【机器学习】sampledsoftmaxloss因为我觉得nceloss是这几个里面最难理解的。Noise-contrastiveestimationnceloss与sampled
- 狐皮克 作业8
狐皮克
作业1.好好回想一下,小时候呆呆看过什么。挑选一个印象或一幅画面写出来。照片来自lemerg.com小时候呆呆看过什么已经想不起了,不过最近的情景倒是很新鲜。编程的某些函数需要下功夫记住细节。是全称还好办,但缩写就很头疼。比如下面这样:tf.nn.softmax()其中tf,nn很难记,虽然知道是tensorflow,neuralnetwork的缩写,softmax就更是完全记不住,就算用图片记忆
- tf.nn.softmax参数详解以及作用
啊!我的小心脏
深度学习深度学习
tf.nn.softmax参数详解以及作用tf.nn.softmax(logits,axis=None,name=None,dim=None)logits:一个非空的Tensor。必须是下列类型之一:half,float32,float64axis:将在其上执行维度softmax。默认值为-1,表示最后一个维度name:操作的名称(可选)dim:axis的已弃用的别名返回:一个Tensor,与lo
- tf.nn.softmax
dopami
关于softmax的详细说明,请看Softmax。通过Softmax回归,将logistic的预测二分类的概率的问题推广到了n分类的概率的问题。通过公式可以看出当月分类的个数变为2时,Softmax回归又退化为logistic回归问题。下面的几行代码说明一下用法#-*-coding:utf-8-*-importtensorflowastfA=[1.0,2.0,3.0,4.0,5.0,6.0]wit
- tensorflow 多分类
Take your time_
Tensorflow
3类hypothesis=tf.nn.softmax(tf.matmul(X,W)+b)cost=tf.reduce_mean(-tf.reduce_sum(Y*tf.log(hypothesis),axis=1))logits=tf.matmul(X,W)+bcost=tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=lo
- TensorFlow2的tf.sigmoid()函数、tf.nn.softmax()函数和tf.tanh()函数
进击的Explorer
TensorFlow2.×
1、tf.sigmoid函数应用sigmoid函数可以将输出压缩至0~1的范围计算公式为f(x)=11+e−xf(x)=\frac{1}{1+e^{-x}}f(x)=1+e−x1tf.sigmoid()的函数的用法为:tf.sigmoid(x,name=None)参数说明:x:类型为float16,float32,float64,complex64,orcomplex128的tensorname:
- TensorFlow模型op的保存和加载(含演示代码)
ShadowN1ght
TensorFlow使用技巧
上一篇博文《TensorFlow模型参数的保存和加载》介绍了如何保存和加载TensorFlow模型训练参数,保存对象主要是Tensor/Variables。这一节我们介绍如何保存和复用op。和Tensor一样,保存op需要在训练时为op指定名字,如下所示:softmax=tf.nn.softmax(tf.matmul(x,W)+b,name="op_softmax")在识别阶段,调用get_ope
- TensorFlow知识点备忘1(随学习更新)
XS30
TensorFlow
PS:本人初学,技术菜的抠脚,本博客仅对学习过程中遇到的知识点进行总结,如有错误,还望指出,谢谢。1、Softmax层功能:实现对神经网络输出结果进行归一化处理,将各结果概率限制在(0-1),并且概率和为1,同时对结果的置信度,转换为正值(使用以e为底的指数函数实现)。归一化公式见下图1实现1:out1=tf.random.normal([1,3])out2=tf.nn.softmax(out1,
- Tensorflow实现Softmax回归
空字符(公众号:月来客栈)
Tensorflow入门指南
1前言在上一篇文章中笔者介绍了如何通过Tensorflow来实现线性回归。在接下来的这篇文章中,笔者将会以FashionMNIST数据集为例来介绍如何用Tensorflow实现一个Softmax多分类模型。在这篇文章中,我们会开始慢慢接触到Tensoflow中用于实现分类模型的API,例如tf.nn.softmax(),softmax_cross_entropy_with_logits_v2等。2
- tf.nn.softmax的axis的理解
guotong1988
TensorFlow
importtensorflowastftf.enable_eager_execution()ones=tf.ones(shape=[2,3])temp1=tf.nn.softmax(ones,axis=0)#列print(temp1)temp2=tf.nn.softmax(ones,axis=1)#行print(temp2)打印结果:tf.Tensor([[0.50.50.5][0.50.50.
- 损失函数(MSE和交叉熵)
Aliz_
DeepLearning
全连接层解决MNIST:只是一层全连接层解决MNIST数据集神经网络的传播:讲解了权重更新的过程这个系列的文章都是为了总结我目前学习的积累。损失函数在我文章的网络中,我利用MSE(mean-squareerror,均方误差)作为损失函数,softmax作为激活函数。prediction=tf.nn.softmax(tf.matmul(x,W)+b)loss=tf.reduce_mean(tf.sq
- TensorFlow 日常
TeeEye
TensorFlow
TensorFlow今日心得数值溢出相关数值溢出相关损失函数(交叉熵)公式:Loss=−1n∑(y^ilog(yi))Loss=-\frac{1}{n}\sum(\haty_ilog(y_i))Loss=−n1∑(y^ilog(yi))即如果yiy_iyi过小,接近于0,那么数值会溢出.一般而言yiy_iyi是tf.nn.softmax(logit)的结果,因此Logit的尺度差异不能过大所以一般
- 单层NN中使用adam算法
律动的时间线
x=tf.placeholder(tf.float32,[None,784])W=tf.Variable(tf.zeros([784,10]))b=tf.Variable(tf.zeros([10]))y=tf.matmul(x,W)+by_=tf.placeholder(tf.float32,[None,10])cross_entropy=tf.reduce_mean(tf.nn.softmax
- TensorFlow学习笔记(二)ReLU、Softmax、Cross Entropy
雪球行动唐晓阳
ReLU是常用在隐藏层的激活函数,Softmax是常用在输出层的激活函数,CrossEntropyReLU数学公式:f(x)=max(x,0)当x小于0时,y=0,当x>=0时,y=x。Softmax数学公式:Softmax示例将任意一组输入,压缩为一组和为1的数。TensorFlow实现:x=tf.nn.softmax([1.2,0.9,0.4])CrossEnropyCrossentropyl
- 深度学习论文中常见loss函数汇总(tensorflow代码实现)
David-Chow
深度学习
1、Softmax交叉熵损失函数(多分类)参考(1)定义defget_softmax_loss(features,one_hot_labels):prob=tf.nn.softmax(features+1e-5)cross_entropy=tf.multiply(one_hot_labels,tf.log(tf.clip_by_value(prob,1e-5,1.0)))#tf.clip_by_v
- tensorflow常用函数之tf.nn.softmax
chigu2184
文章来源:http://www.datacups.com/post/35关于softmax的详细说明,请看Softmax。通过Softmax回归,将logistic的预测二分类的概率的问题推广到了n分类的概率的问题。通过公式可以看出当月分类的个数变为2时,Softmax回归又退化为logistic回归问题。下面的几行代码说明一下用法# -*- coding: utf-8 -*-import ten
- 笔记 - tensorflow用法:tf.nn.softmax的用法
chen_holy
tensorflow编程
总结tf.nn.softmax(…)需要什么样的输入tf.nn.softmax(…)输出是什么softmax本身想干什么importtensorflowastfX=tf.constant([[1,2,3],[3,2,4]],dtype=tf.float32)W=tf.constant([[1,1],[2,2],[3,3]],dtype=tf.float32)bias=tf.constant([1,
- TensorFlow 深度学习损失函数tf.nn.softmax_cross_entropy_with_logits
duanlianvip
TensorFlow深度学习
在学习深度学习时,遇到一个疑惑,不同的训练场景使用的损失函数有所不同:有的训练场景A使用先softmax再交叉熵:#y为预测值;y_为标签值y=tf.nn.softmax(logits)cross_entropy=tf.reduce_mean(-tf.reduce_sum(y_*tf.log(y),axis=1))有的场景B却使用:#logits为预测的输出;y_为标签值cross_entropy
- 对tf.nn.softmax的理解
自律者自由
机器学习
Softmax的含义:Softmax简单的说就是把一个N*1的向量归一化为(0,1)之间的值,由于其中采用指数运算,使得向量中数值较大的量特征更加明显。如图所示,在等号左边部分就是全连接层做的事。W是全连接层的参数,我们也称为权值;W是全连接层的参数,是个T*N的矩阵,这个N和X的N对应,T表示类别数,比如你进行手写数字识别,就是10个分类,那么T就是10。X是全连接层的输入,也就是特征。从图上可
- tf 实现 LR
cookyo
#参数初始化x=tf.placeholder('float',[None,784])#None表示数量未知或者无限y=tf.placeholder('float',[None,10])W=tf.Variable(tf.zeros([784,10]))b=tf.Variable(tf.zeros([10]))#逻辑回归模型actv=tf.nn.softmax(tf.matmul(x,W)+b)#代价
- tf.nn.softmax(x, axis)里axis起什么作用?
cofisher
tensorflow深度学习
在处理多分类问题时,tf.nn.softmax(x,axis)函数是一定要使用的,那么这里的axis到底有什么用呢?二维数组首先,我们来看在二维数组中的情况:A=np.array([[1,2,3],[1,2,3],[1,2,3],[1,2,3]])A=tf.cast(A,tf.float32)A当我们将这个数组输入softmax层后,我们改变axis来查看输出结果的不同:tf.nn.softmax
- softmax以及交叉熵
风痕依旧
深度学习
softmax计算方式为数组中的每一项分子是e的xi次方,分母是e的xi次方求和,所以softmax数组的和为1代码实现:importtensorflowastfa=tf.cast([1,2,3,4,5],dtype=float)b=tf.nn.softmax(a)withtf.Session()assess:c=sess.run([b])print(c)交叉熵交叉熵是预测后在softmax基础上
- Tensorflow入门2(模型训练,模型评估)
ZZMJ_F
深度学习与计算机视觉
模型训练接着上一节,模型已经用y=tf.nn.softmax(tf.matmul(x,W)+b)实现,现在来训练它,但是怎么才能知道训练得好不好呢?所以我们需要定义一个指标来评估模型的好坏,然后让这个指标最小,这个指标一般是成本(cost)或损失(loss),不过这两种方式其实也是一样的。常用的一个好用的成本函数叫交叉熵(cross-entropy)(感觉回到了高等热力学)。交叉熵产生于信息论里面
- JAVA中的Enum
周凡杨
javaenum枚举
Enum是计算机编程语言中的一种数据类型---枚举类型。 在实际问题中,有些变量的取值被限定在一个有限的范围内。 例如,一个星期内只有七天 我们通常这样实现上面的定义:
public String monday;
public String tuesday;
public String wensday;
public String thursday
- 赶集网mysql开发36条军规
Bill_chen
mysql业务架构设计mysql调优mysql性能优化
(一)核心军规 (1)不在数据库做运算 cpu计算务必移至业务层; (2)控制单表数据量 int型不超过1000w,含char则不超过500w; 合理分表; 限制单库表数量在300以内; (3)控制列数量 字段少而精,字段数建议在20以内
- Shell test命令
daizj
shell字符串test数字文件比较
Shell test命令
Shell中的 test 命令用于检查某个条件是否成立,它可以进行数值、字符和文件三个方面的测试。 数值测试 参数 说明 -eq 等于则为真 -ne 不等于则为真 -gt 大于则为真 -ge 大于等于则为真 -lt 小于则为真 -le 小于等于则为真
实例演示:
num1=100
num2=100if test $[num1]
- XFire框架实现WebService(二)
周凡杨
javawebservice
有了XFire框架实现WebService(一),就可以继续开发WebService的简单应用。
Webservice的服务端(WEB工程):
两个java bean类:
Course.java
package cn.com.bean;
public class Course {
private
- 重绘之画图板
朱辉辉33
画图板
上次博客讲的五子棋重绘比较简单,因为只要在重写系统重绘方法paint()时加入棋盘和棋子的绘制。这次我想说说画图板的重绘。
画图板重绘难在需要重绘的类型很多,比如说里面有矩形,园,直线之类的,所以我们要想办法将里面的图形加入一个队列中,这样在重绘时就
- Java的IO流
西蜀石兰
java
刚学Java的IO流时,被各种inputStream流弄的很迷糊,看老罗视频时说想象成插在文件上的一根管道,当初听时觉得自己很明白,可到自己用时,有不知道怎么代码了。。。
每当遇到这种问题时,我习惯性的从头开始理逻辑,会问自己一些很简单的问题,把这些简单的问题想明白了,再看代码时才不会迷糊。
IO流作用是什么?
答:实现对文件的读写,这里的文件是广义的;
Java如何实现程序到文件
- No matching PlatformTransactionManager bean found for qualifier 'add' - neither
林鹤霄
java.lang.IllegalStateException: No matching PlatformTransactionManager bean found for qualifier 'add' - neither qualifier match nor bean name match!
网上找了好多的资料没能解决,后来发现:项目中使用的是xml配置的方式配置事务,但是
- Row size too large (> 8126). Changing some columns to TEXT or BLOB
aigo
column
原文:http://stackoverflow.com/questions/15585602/change-limit-for-mysql-row-size-too-large
异常信息:
Row size too large (> 8126). Changing some columns to TEXT or BLOB or using ROW_FORMAT=DYNAM
- JS 格式化时间
alxw4616
JavaScript
/**
* 格式化时间 2013/6/13 by 半仙
[email protected]
* 需要 pad 函数
* 接收可用的时间值.
* 返回替换时间占位符后的字符串
*
* 时间占位符:年 Y 月 M 日 D 小时 h 分 m 秒 s 重复次数表示占位数
* 如 YYYY 4占4位 YY 占2位<p></p>
* MM DD hh mm
- 队列中数据的移除问题
百合不是茶
队列移除
队列的移除一般都是使用的remov();都可以移除的,但是在昨天做线程移除的时候出现了点问题,没有将遍历出来的全部移除, 代码如下;
//
package com.Thread0715.com;
import java.util.ArrayList;
public class Threa
- Runnable接口使用实例
bijian1013
javathreadRunnablejava多线程
Runnable接口
a. 该接口只有一个方法:public void run();
b. 实现该接口的类必须覆盖该run方法
c. 实现了Runnable接口的类并不具有任何天
- oracle里的extend详解
bijian1013
oracle数据库extend
扩展已知的数组空间,例:
DECLARE
TYPE CourseList IS TABLE OF VARCHAR2(10);
courses CourseList;
BEGIN
-- 初始化数组元素,大小为3
courses := CourseList('Biol 4412 ', 'Psyc 3112 ', 'Anth 3001 ');
--
- 【httpclient】httpclient发送表单POST请求
bit1129
httpclient
浏览器Form Post请求
浏览器可以通过提交表单的方式向服务器发起POST请求,这种形式的POST请求不同于一般的POST请求
1. 一般的POST请求,将请求数据放置于请求体中,服务器端以二进制流的方式读取数据,HttpServletRequest.getInputStream()。这种方式的请求可以处理任意数据形式的POST请求,比如请求数据是字符串或者是二进制数据
2. Form
- 【Hive十三】Hive读写Avro格式的数据
bit1129
hive
1. 原始数据
hive> select * from word;
OK
1 MSN
10 QQ
100 Gtalk
1000 Skype
2. 创建avro格式的数据表
hive> CREATE TABLE avro_table(age INT, name STRING)STORE
- nginx+lua+redis自动识别封解禁频繁访问IP
ronin47
在站点遇到攻击且无明显攻击特征,造成站点访问慢,nginx不断返回502等错误时,可利用nginx+lua+redis实现在指定的时间段 内,若单IP的请求量达到指定的数量后对该IP进行封禁,nginx返回403禁止访问。利用redis的expire命令设置封禁IP的过期时间达到在 指定的封禁时间后实行自动解封的目的。
一、安装环境:
CentOS x64 release 6.4(Fin
- java-二叉树的遍历-先序、中序、后序(递归和非递归)、层次遍历
bylijinnan
java
import java.util.LinkedList;
import java.util.List;
import java.util.Stack;
public class BinTreeTraverse {
//private int[] array={ 1, 2, 3, 4, 5, 6, 7, 8, 9 };
private int[] array={ 10,6,
- Spring源码学习-XML 配置方式的IoC容器启动过程分析
bylijinnan
javaspringIOC
以FileSystemXmlApplicationContext为例,把Spring IoC容器的初始化流程走一遍:
ApplicationContext context = new FileSystemXmlApplicationContext
("C:/Users/ZARA/workspace/HelloSpring/src/Beans.xml&q
- [科研与项目]民营企业请慎重参与军事科技工程
comsci
企业
军事科研工程和项目 并非要用最先进,最时髦的技术,而是要做到“万无一失”
而民营科技企业在搞科技创新工程的时候,往往考虑的是技术的先进性,而对先进技术带来的风险考虑得不够,在今天提倡军民融合发展的大环境下,这种“万无一失”和“时髦性”的矛盾会日益凸显。。。。。。所以请大家在参与任何重大的军事和政府项目之前,对
- spring 定时器-两种方式
cuityang
springquartz定时器
方式一:
间隔一定时间 运行
<bean id="updateSessionIdTask" class="com.yang.iprms.common.UpdateSessionTask" autowire="byName" />
<bean id="updateSessionIdSchedule
- 简述一下关于BroadView站点的相关设计
damoqiongqiu
view
终于弄上线了,累趴,戳这里http://www.broadview.com.cn
简述一下相关的技术点
前端:jQuery+BootStrap3.2+HandleBars,全站Ajax(貌似对SEO的影响很大啊!怎么破?),用Grunt对全部JS做了压缩处理,对部分JS和CSS做了合并(模块间存在很多依赖,全部合并比较繁琐,待完善)。
后端:U
- 运维 PHP问题汇总
dcj3sjt126com
windows2003
1、Dede(织梦)发表文章时,内容自动添加关键字显示空白页
解决方法:
后台>系统>系统基本参数>核心设置>关键字替换(是/否),这里选择“是”。
后台>系统>系统基本参数>其他选项>自动提取关键字,这里选择“是”。
2、解决PHP168超级管理员上传图片提示你的空间不足
网站是用PHP168做的,反映使用管理员在后台无法
- mac 下 安装php扩展 - mcrypt
dcj3sjt126com
PHP
MCrypt是一个功能强大的加密算法扩展库,它包括有22种算法,phpMyAdmin依赖这个PHP扩展,具体如下:
下载并解压libmcrypt-2.5.8.tar.gz。
在终端执行如下命令: tar zxvf libmcrypt-2.5.8.tar.gz cd libmcrypt-2.5.8/ ./configure --disable-posix-threads --
- MongoDB更新文档 [四]
eksliang
mongodbMongodb更新文档
MongoDB更新文档
转载请出自出处:http://eksliang.iteye.com/blog/2174104
MongoDB对文档的CURD,前面的博客简单介绍了,但是对文档更新篇幅比较大,所以这里单独拿出来。
语法结构如下:
db.collection.update( criteria, objNew, upsert, multi)
参数含义 参数  
- Linux下的解压,移除,复制,查看tomcat命令
y806839048
tomcat
重复myeclipse生成webservice有问题删除以前的,干净
1、先切换到:cd usr/local/tomcat5/logs
2、tail -f catalina.out
3、这样运行时就可以实时查看运行日志了
Ctrl+c 是退出tail命令。
有问题不明的先注掉
cp /opt/tomcat-6.0.44/webapps/g
- Spring之使用事务缘由(3-XML实现)
ihuning
spring
用事务通知声明式地管理事务
事务管理是一种横切关注点。为了在 Spring 2.x 中启用声明式事务管理,可以通过 tx Schema 中定义的 <tx:advice> 元素声明事务通知,为此必须事先将这个 Schema 定义添加到 <beans> 根元素中去。声明了事务通知后,就需要将它与切入点关联起来。由于事务通知是在 <aop:
- GCD使用经验与技巧浅谈
啸笑天
GC
前言
GCD(Grand Central Dispatch)可以说是Mac、iOS开发中的一大“利器”,本文就总结一些有关使用GCD的经验与技巧。
dispatch_once_t必须是全局或static变量
这一条算是“老生常谈”了,但我认为还是有必要强调一次,毕竟非全局或非static的dispatch_once_t变量在使用时会导致非常不好排查的bug,正确的如下: 1
- linux(Ubuntu)下常用命令备忘录1
macroli
linux工作ubuntu
在使用下面的命令是可以通过--help来获取更多的信息1,查询当前目录文件列表:ls
ls命令默认状态下将按首字母升序列出你当前文件夹下面的所有内容,但这样直接运行所得到的信息也是比较少的,通常它可以结合以下这些参数运行以查询更多的信息:
ls / 显示/.下的所有文件和目录
ls -l 给出文件或者文件夹的详细信息
ls -a 显示所有文件,包括隐藏文
- nodejs同步操作mysql
qiaolevip
学习永无止境每天进步一点点mysqlnodejs
// db-util.js
var mysql = require('mysql');
var pool = mysql.createPool({
connectionLimit : 10,
host: 'localhost',
user: 'root',
password: '',
database: 'test',
port: 3306
});
- 一起学Hive系列文章
superlxw1234
hiveHive入门
[一起学Hive]系列文章 目录贴,入门Hive,持续更新中。
[一起学Hive]之一—Hive概述,Hive是什么
[一起学Hive]之二—Hive函数大全-完整版
[一起学Hive]之三—Hive中的数据库(Database)和表(Table)
[一起学Hive]之四-Hive的安装配置
[一起学Hive]之五-Hive的视图和分区
[一起学Hive
- Spring开发利器:Spring Tool Suite 3.7.0 发布
wiselyman
spring
Spring Tool Suite(简称STS)是基于Eclipse,专门针对Spring开发者提供大量的便捷功能的优秀开发工具。
在3.7.0版本主要做了如下的更新:
将eclipse版本更新至Eclipse Mars 4.5 GA
Spring Boot(JavaEE开发的颠覆者集大成者,推荐大家学习)的配置语言YAML编辑器的支持(包含自动提示,