结对之对对方个人项目代码的分析

软件工程导论个人项目的题目是:中小学数学卷子自动生成程序,下面是我对队友ll的代码分析:

优点:

1、  在主函数方面,主函数非常清晰简洁,只用到了两个函数,一个是生成用户资料的函数,一个是登录函数,队友采用的是函数嵌套形式,减轻了主函数的负          担,也增加了逻辑性。

        

2、  在整体逻辑方面,逻辑非常清晰,从登陆到功能选择到生成试卷到生成题目到结束退出,每一项都对应自己的函数,逻辑性强,思路清晰明了。

3、  在分函数方面,对每个函数都有功能注释,简洁明了,恰到好处,不会过于冗余

       

4、  在函数命名方面,命名采用了“动词+名词”的组合,在动词和名词的第一个字母都会大写,并且意义非常符合函数功能,令人一目了然,代码可读性高。

5、  在运行界面方面,采用了适当的空行和符号,使界面看起来逻辑清晰,富有观赏性,也采用了功能选择的方式,使用户更容易理解,更易做出符合自己心意          的选择。

       

 

 

6、在保存文件方面,采用了相对路径,这使得保存用户资料的文件更容易被查找到。

 

缺点:

1、  在代码注释方面,队友虽然在函数名那做了简短清晰的注释,但是在函数体内很少有注释,若能在函数体内的重要处加上适当的注释,可使代码更容易被理          解‘。

2、  在变量命名方面,部分变量的命名易于理解,但也有少量命名令人困惑,本篇代码大量变量命名是采用英文,但有些是采用拼音,有些英文和中文拼音混            淆,命名风格不一致,造成阅读者并不能很快理解,例如生成试卷函数里的fushu,若能加一点注释或者换个更易理解的单词会更好。

        

3、  在分函数方面,因为各个函数之间连着,没有空格,阅读者看起来会比较累且观赏性不佳,若能在函数与函数之间添加空格,会使代码更加一目了然,清晰          可读,增加观赏性。

4、  在功能实现结果方面,平方采用了“^”,但事实上平方应该为“^2”;切换选择难度时,功能需求说明写的是“切换为**”,但在实现结果上,需要输入的是”小学          \初中\高中“之一即可,这个问题我也跟队友沟通过,她觉得是不需要加上“切换为”三个字,觉得这是画蛇添足,但是本人觉得还是按照要求来比较好,不过          这个问题也不大。

5、在代码方面,某些函数的代码冗余且可读性差,例如获取当前时间文件名的函数:

             

 

      if后面的语句没有空行缩进,每行都是从一个地方开始,而且没有注释,改进方法可有两种,一是选择另一种更简单的获取时间的方法(不需要这么多代码,        几行就搞定啦),二是适当空行缩进加上简短的注释。

 

             总体来说,队友的代码写的还是非常棒的,思路清晰,逻辑性强,功能实现完整,函数运动到位,些许不足之处稍稍改正即可;而通过对队友的代码分          析,自己也学习到了很多知识,通过对比,也认识到了自己代码的许多不足之处,收益颇多。

      

 

转载于:https://www.cnblogs.com/lly810/p/11552617.html

【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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