视角更全面，梳理更透彻，再也不担心 Spring 项目的改造升级
随着 Spring的迭代升级，基于Spring 5的项目开发和改造需求爆发式增长。本课程通过基于Spring MVC和Spring WebFlux的服务实例对比学习，带大家了解Spring 5的新特性和类库升级时应注意的事项，掌握响应式编程范式并能够根据业务需求进行选型和开发。
适合人群
有两年Java/Spring开发经验的程序员
技术储备
Java, Spring（Web，ORM，Core使用经验）
环境参数
idea 2021
jdk 1.8
Spring 5.3.7
Maven 3.8.3
准备工作
既然要装逼，准备工作是少不了的。所谓“站在伟人的肩膀上，做事事半功倍”，我们这里的“伟人”就是 paddlepaddle 了，中文称号叫“飞桨”，那么这个 paddlepaddle 是什么呢？
它是“源于产业理论的开源深度学习平台，努力于让深度学习技术的创新与应用更简单”，直白点就是我帮你完成了深度学习底层框架，你只需有创意就能够在我平台上运用少量简单代码轻松完成
它的装置也比拟简单，官网首页就有装置指引，我们这里依据官网的装置指引，运用 pip 方式来装置 CPU 版本。
我们首先执行语句：
装置胜利后，我们在 python 环境中测试一下能否装置胜利（这个也是依照官网指引来做），我们切换到 python 环境，运转如下代码：
Python 3.7.0 (v3.7.0:1bf9cc5093, Jun 26 2018, 23:26:24)
[Clang 6.0 (clang-600.0.57)] on darwin
Type “help”, “copyright”, “credits” or “license” for more information.
import paddle.fluid
paddle.fluid.install_check.run_check()
Running Verify Paddle Program …
Your Paddle works well on SINGLE GPU or CPU.
I0506 21:47:48.657404 2923565952 parallel_executor.cc:440] The Program will be executed on CPU using ParallelExecutor, 2 cards are used, so 2 programs are executed in parallel.
W0506 21:47:48.658407 2923565952 fuse_all_reduce_op_pass.cc:74] Find all_reduce operators: 2. To make the speed faster, some all_reduce ops are fused during training, after fusion, the number of all_reduce ops is 1.
I0506 21:47:48.658516 2923565952 build_strategy.cc:365] SeqOnlyAllReduceOps:0, num_trainers:1
I0506 21:47:48.659137 2923565952 parallel_executor.cc:307] Inplace strategy is enabled, when build_strategy.enable_inplace = True
I0506 21:47:48.659595 2923565952 parallel_executor.cc:375] Garbage collection strategy is enabled, when FLAGS_eager_delete_tensor_gb = 0
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let’s start deep Learning with Paddle now
看到 Your Paddle is installed successfully 就表示装置胜利了。
我们接下来需求运用的是这个平台的 paddlehub 工具，所以我们还需求装置 paddlehub ：
装置完成后，我们就能够开端运用了。
代码完成
我们的完成步骤很简单：导入模块 -> 加载模型 -> 获取图片文件 -> 调用模块抠图。
下面我们看代码完成：
import os, paddlehub as hub
huseg = hub.Module(name=‘deeplabv3p_xception65_humanseg’) # 加载模型
path = ‘./imgs/’ # 文件目录
files = [path + i for i in os.listdir(path)] # 获取文件列表
results = huseg.segmentation(data={‘image’: files}) # 抠图
我将图片放在代码文件夹的同级目录 imgs 文件夹下，运转代码后，输出的抠图图片会自动放在代码同级目录的 humanseg_output 目录下，文件称号跟原图片的称号相同，但是文件格式是 png 。
