idea创建springboot项目,一直在reading pom.xml

problem:遇到的问题

idea创建springboot项目,一直在reading pom.xml

解决方法有三种:
(1)修改windows配置文件

c;\windows\System32\drivers\etc\hosts

在这里插入图片描述
12.0.0.1 localhost前的注释符号#去掉

在这里插入图片描述


(2)方法二:设置网络配置

win+ R、打开cmd、输入netsh winsock reset

然后重启电脑就可


(3)方法三:删除.mvn然后重启IDEA

在这里插入图片描述

***在这里插入图片描述
之后就可正确加载mvn项目

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/508013.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

springboot 项目实战 基本框架搭建(IDEA)

springboot 项目实战 基本框架搭建(IDEA) IDEA下载 我使用的是破解的专业版IDEA,使用权一直到2089年: 下载IDEA: 下载processional版本,然后百度搜索激活码即可概率激活,如果你不成功就多找几个激活码 配…

使用IDEA 连接mysql数据库,执行sql指令

使用IDEA 连接mysql数据库,执行sql指令 1 配置项目的SQL依赖 首先参考这篇博文,创建springboot的基本框架 在创建项目的过程中,需要选择SQL相关的依赖,如下: SQL勾选:MySQL Driver,JDBC API …

thymeleaf There was an unexpected error (type=Internal Server Error, status=500).

thymeleaf There was an unexpected error (typeInternal Server Error, status500). 使用thymeleaf依赖&#xff0c;无法访问html文件&#xff0c;解决方法有以下几种可能&#xff1a; 1. 未加载thymeleaf依赖&#xff0c;打开pom.xml&#xff0c;加入依赖&#xff1a; <…

org.attoparser.ParseException: Could not parse as expression: “

Caused by: org.attoparser.ParseException: Could not parse as expression: " {field: ‘id’, title: ‘ID’, fixed: ‘left’, unresize: true, sort: true} , {field: ‘number’, title: ‘学号’, edit: ‘number’, sort: true} , {field: ‘name’, title: ‘姓…

windows10 计算文件的HASH(SHA256\MD5等)

windows10 计算文件的HASH&#xff08;SHA256\MD5等&#xff09; certutil -hashfile .\文件名 带后缀 SHA256可选哈希算法参数&#xff1a;MD2 MD4 MD5 SHA1 SHA256 SHA384 SHA512

ubuntu给pip换源,给conda换源

ubuntu 给pip换源&#xff0c;给conda换源 //修改 ~/.pip/pip.conf (没有就创建一个)&#xff0c; 内容如下&#xff1a; [global] timeout 6000 index-url https://pypi.tuna.tsinghua.edu.cn/simple trusted-host pypi.tuna.tsinghua.edu.cn //给conda换源 conda config …

ubuntu怎么在jupyter notebook中引入anaconda虚拟环境

ubuntu怎么在jupyter notebook中引入anaconda虚拟环境 ~坑&#xff1a; 先activate visaul envirument 再打开jupyter notebook 是不行的 conda install nb_conda 也是不行的 正确做法&#xff1a; conda create -n your_env_name pythonX.X #创建环境 //先activate pytorch …

傅里叶变换原理解析

傅里叶变换原理解析 震动频率&#xff1a;节拍数/秒 矢量旋转频率&#xff1a;圈/秒傅里叶频域就是&#xff1a;音频信号波形以不同的频率旋转形成的图形的质心的坐标变化&#xff0c;即&#xff08;frequency, (x,y)&#xff09; &#xff08;其中实数为x轴坐标&#xff0c;虚…

(pytorch-深度学习系列)pytorch数据操作

pytorch数据操作 基本数据操作&#xff0c;都详细注释了&#xff0c;如下&#xff1a; import torch#5x3的未初始化的Tensor x torch.empty(5, 3) print("5x3的未初始化的Tensor:") print(x) print("******************************")#5x3的随机初始化的…

(pytorch-深度学习系列)pytorch中backwards()函数对梯度的操作

backwards()函数对梯度的操作 对于一个新的tensor来说&#xff0c;梯度是空的&#xff1b;但当对这个tensor进行运算操作后&#xff0c;他就会拥有一个梯度&#xff1a; x torch.ones(2, 2, requires_gradTrue) print(x) print(x.grad_fn)y x 2 print(y) print(y.grad_fn)…

(pytorch-深度学习系列)pytorch实现线性回归

pytorch实现线性回归 1. 实现线性回归前的准备 线性回归输出是一个连续值&#xff0c;因此适用于回归问题。回归问题在实际中很常见&#xff0c;如预测房屋价格、气温、销售额等连续值的问题。 与回归问题不同&#xff0c;分类问题中模型的最终输出是一个离散值。我们所说的图…

(pytorch-深度学习系列)pytorch线性回归的便捷实现

pytorch线性回归的便捷实现 继上一篇blog&#xff0c;使用更加简洁的方法实现线性回归 生成数据集&#xff1a; num_inputs 2 num_examples 1000 true_w [2, -3.4] true_b 4.2 features torch.tensor(np.random.normal(0, 1, (num_examples, num_inputs)), dtypetorch.f…

(pytorch-深度学习系列)pytorch实现对Fashion-MNIST数据集进行图像分类

pytorch实现对Fashion-MNIST数据集进行图像分类 导入所需模块&#xff1a; import torch import torchvision import torchvision.transforms as transforms import matplotlib.pyplot as plt import time import sys对数据集的操作&#xff08;读取数据集&#xff09;&#…

(pytorch-深度学习系列)使用softmax回归实现对Fashion-MNIST数据集进行分类-学习笔记

使用softmax回归实现对Fashion-MNIST数据集进行分类 import torch from torch import nn from torch.nn import init import numpy as np import sys读取数据集&#xff1a; mnist_train torchvision.datasets.FashionMNIST(root~/Datasets/FashionMNIST, trainTrue, downlo…

(pytorch-深度学习系列)pytorch实现多层感知机(手动定义模型)对Fashion-MNIST数据集进行分类-学习笔记

pytorch实现多层感知机对Fashion-MNIST数据集进行分类&#xff08;手动定义模型&#xff09; 多层感知机&#xff1a; 多层感知机在单层神经网络的基础上引入了一到多个隐藏层&#xff08;hidden layer&#xff09;。隐藏层位于输入层和输出层之间。 输入和输出个数分别为4和…

(pytorch-深度学习系列)pytorch实现多层感知机(自动定义模型)对Fashion-MNIST数据集进行分类-学习笔记

pytorch实现多层感知机&#xff08;自动定义模型&#xff09;对Fashion-MNIST数据集进行分类 导入模块&#xff1a; import torch from torch import nn from torch.nn import init import numpy as np定义数据集&#xff1a; class FlattenLayer(nn.Module): # 定义一个ten…

(pytorch-深度学习系列)pytorch避免过拟合-权重衰减的实现-学习笔记

pytorch避免过拟合-权重衰减的实现 首先学习基本的概念背景 L0范数是指向量中非0的元素的个数&#xff1b;(L0范数难优化求解) L1范数是指向量中各个元素绝对值之和&#xff1b; L2范数是指向量各元素的平方和然后求平方根。 权重衰减等价于 L2范数正则化&#xff08;regular…

(pytorch-深度学习系列)pytorch避免过拟合-dropout丢弃法的实现-学习笔记

pytorch避免过拟合-dropout丢弃法的实现 对于一个单隐藏层的多层感知机&#xff0c;其中输入个数为4&#xff0c;隐藏单元个数为5&#xff0c;且隐藏单元hih_ihi​&#xff08;i1,…,5i1, \ldots, 5i1,…,5&#xff09;的计算表达式为&#xff1a; hiϕ(x1w1ix2w2ix3w3ix4w4ib…

(pytorch-深度学习系列)正向传播与反向传播-学习笔记

正向传播与反向传播 1. 正向传播 正向传播是指对神经网络沿着从输入层到输出层的顺序&#xff0c;依次计算并存储模型的中间变量&#xff08;包括输出&#xff09;。 假设输入是一个特征为x∈Rd\boldsymbol{x} \in \mathbb{R}^dx∈Rd的样本&#xff0c;且不考虑偏差项&#x…

(pytorch-深度学习系列)简单实现kaggle房价预测-学习笔记

实现kaggle房价预测 导入所需模块&#xff1a; %matplotlib inline import torch import torch.nn as nn import numpy as np import pandas as pdprint(torch.__version__) torch.set_default_tensor_type(torch.FloatTensor)读取数据集&#xff1a; &#xff08;具体以自己…