booktest-3

1.在app booktest下面的views.py里面增加视图函数

from django.shortcuts import render
from django.http import HttpResponse


# Create your views here.
# http://127.0.0.1/index
def index(request):
    return HttpResponse('老铁,没毛病')

 

2 在app booktest里面新建urls.py文件

3.修改项目test1x下面的urls.py文件增加访问booktest.urls的路由

from django.contrib import admin
from django.urls import path
from django.conf.urls import include, url


urlpatterns = [
    path('admin/', admin.site.urls),
    url(r'^',include('booktest.urls'))
]

4.修改app booktest下面urls.py文件,增加url到视图函数的路由,注意该路由必须要严格匹配

from django.conf.urls import url
from . import  views

urlpatterns=[
    url(r'^index$',views.index)
]

5.在浏览器里面输入http://127.0.0.1:8000/index,则显示视图函数返回的内容

6.在django项目中新建templates文件夹

7.在项目的settings.py里面的TEMPLATES里面修改DIRS,配置项目的视图模板文件夹

TEMPLATES = [
    {
        'BACKEND': 'django.template.backends.django.DjangoTemplates',
        'DIRS': [os.path.join(BASE_DIR,'templates')],
        'APP_DIRS': True,
        'OPTIONS': {
            'context_processors': [
                'django.template.context_processors.debug',
                'django.template.context_processors.request',
                'django.contrib.auth.context_processors.auth',
                'django.contrib.messages.context_processors.messages',
            ],
        },
    },
]

8.在templates目录下再创建对应app的文件夹booktest,这里专门用于存放booktest的视图模板

9.在booktest模板文件夹下面添加index.html

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>模板文件</title>
</head>
<body>
    <h1>这是个模板文件</h1>
</body>
</html>

10.修改视图函数

from django.shortcuts import render
from django.http import HttpResponse
from django.template import loader


# Create your views here.
# http://127.0.0.1/index
def index(request):
    # return HttpResponse('老铁,没毛病')
    #加载模板
    temp = loader.get_template('booktest/index.html')
    #定义上下文
    context = {}
    #模板渲染
    res = temp.render(context)
    return HttpResponse(res)


def index2(request):
    return HttpResponse('Hello.python')

11.在浏览器中访问Http://127.0.0.1:8000/index

12.将加载模板,定义上下文,模板渲染封装成一个方法myrender(),方便调用其他模板

from django.shortcuts import render
from django.http import HttpResponse
from django.template import loader

def myreder(request,template_path,context_dict):
    # 加载模板
    temp = loader.get_template(template_path)
    # 定义上下文
    context = context_dict
    # 模板渲染
    res = temp.render(context)
    return HttpResponse(res)

# Create your views here.
# http://127.0.0.1/index
def index(request):
    # return HttpResponse('老铁,没毛病')
    return  myreder(request,'booktest/index.html',{})


def index2(request):
    return HttpResponse('Hello.python')

 13.再次访问,效果相同

14.实际上,django自带上面的函数,直接调用即可

from django.shortcuts import render
from django.http import HttpResponse
from django.template import loader

def myreder(reques,template_path,context_dict):
    # 加载模板
    temp = loader.get_template(template_path)
    # 定义上下文
    context = context_dict
    # 模板渲染
    res = temp.render(context)
    return HttpResponse(res)

# Create your views here.
# http://127.0.0.1/index
def index(request):
    # return HttpResponse('老铁,没毛病')
    return  render(request,'booktest/index.html',{})


def index2(request):
    return HttpResponse('Hello.python')

15.修改视图函数,传入字典数据

def index(request):
    # return HttpResponse('老铁,没毛病')
    return  render(request,'booktest/index.html',{'content':"Hello,python"})

16.修改index.html视图模板,显示模板变量

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>模板文件</title>
</head>
<body>
    <h1>这是一个模板数据</h1><br/>
    使用模板变量:<br/>
    <h1>{{content}}</h1>
</body>
</html>

17.刷新Http://127.0.0.1/index

18.修改视图函数,增加列表数据

def index(request):
    # return HttpResponse('老铁,没毛病')
    return  render(request,'booktest/index.html',
                   {'content':"Hello,python",'list':list(range(1,10))})

19.修改视图模板

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>模板文件</title>
</head>
<body>
    <h1>这是一个模板数据</h1><br/>
    使用模板变量:<br/>
    <h1>{{content}}</h1><br/>
    使用列表:<br/>
    {{list}}
</body>
</html>

20.刷新页面

21.在视图模板中增加for循环

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>模板文件</title>
</head>
<body>
    <h1>这是一个模板数据</h1><br/>
    使用模板变量:<br/>
    <h1>{{content}}</h1><br/>
    使用列表:<br/>
    {{list}}<br/>
    for循环:<br/>
    <ul>
        {% for i in list %}
            <li>{{i}}</li>
        {% endfor %}
    </ul>
</body>
</html>

22.刷新页面

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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