DoctrineEnumBundle 使用教程

DoctrineEnumBundle 使用教程

DoctrineEnumBundle📦 Provides support of ENUM type for Doctrine in Symfony applications.项目地址:https://gitcode.com/gh_mirrors/do/DoctrineEnumBundle

目录结构及介绍

DoctrineEnumBundle 是一个为 Symfony 应用程序提供 ENUM 类型支持的 Doctrine 扩展。以下是该项目的目录结构及其介绍:

DoctrineEnumBundle/
├── src/
│   ├── Command/
│   ├── DependencyInjection/
│   ├── Dumper/
│   ├── Enum/
│   ├── Exception/
│   ├── Listener/
│   ├── Migration/
│   ├── Twig/
│   ├── Type/
│   └── DoctrineEnumBundle.php
├── tests/
│   ├── Enum/
│   ├── Functional/
│   ├── Integration/
│   └── Unit/
├── .gitignore
├── .php-cs-fixer.dist.php
├── .travis.yml
├── CHANGELOG.md
├── composer.json
├── CONTRIBUTING.md
├── LICENSE
├── README.md
└── phpunit.xml.dist
  • src/:包含所有主要的源代码文件。
    • Command/:包含命令行工具的实现。
    • DependencyInjection/:包含依赖注入相关的配置和扩展。
    • Dumper/:包含用于生成 ENUM 类型定义的工具。
    • Enum/:包含 ENUM 类型的定义和实现。
    • Exception/:包含自定义异常类。
    • Listener/:包含事件监听器的实现。
    • Migration/:包含数据库迁移相关的工具和脚本。
    • Twig/:包含 Twig 模板扩展。
    • Type/:包含 Doctrine 类型定义。
    • DoctrineEnumBundle.php:Bundle 的主类。
  • tests/:包含所有测试文件。
    • Enum/:包含 ENUM 类型的测试。
    • Functional/:包含功能测试。
    • Integration/:包含集成测试。
    • Unit/:包含单元测试。
  • .gitignore:Git 忽略文件配置。
  • .php-cs-fixer.dist.php:代码风格修复工具配置。
  • .travis.yml:Travis CI 配置文件。
  • CHANGELOG.md:版本变更日志。
  • composer.json:Composer 依赖管理配置。
  • CONTRIBUTING.md:贡献指南。
  • LICENSE:项目许可证。
  • README.md:项目说明文档。
  • phpunit.xml.dist:PHPUnit 测试配置。

项目的启动文件介绍

DoctrineEnumBundle 的启动文件是 src/DoctrineEnumBundle.php。这个文件定义了 Bundle 的主类,并负责注册和初始化 Bundle 的相关服务和配置。

namespace Fresh\DoctrineEnumBundle;

use Symfony\Component\HttpKernel\Bundle\Bundle;

class DoctrineEnumBundle extends Bundle
{
}

项目的配置文件介绍

DoctrineEnumBundle 的配置文件主要涉及 composer.json 和 Symfony 的配置文件。

composer.json

composer.json 文件定义了项目的依赖、脚本和其他元数据。以下是部分关键配置:

{
    "name": "fresh/doctrine-enum-bundle",
    "description": "Provides support of ENUM type for Doctrine in Symfony applications",
    "require": {
        "php": ">=8.1",
        "doctrine/common": "^3.4",
        "doctrine/dbal": "^4.0",
        "doctrine/doctrine-bundle": "^2.12",
        "doctrine/orm": "^3.1",
        "symfony/config": "^7.0",
        "symfony/dependency-injection": "^7.0",
        "symfony/doctrine-bridge": "^7.0",
        "symfony/framework-bundle": "^7.0"
    },
    "autoload": {
        "psr-4": {
            "Fresh\\DoctrineEnumBundle\\": "src/"
        }
    },
    "autoload-dev": {
        "psr-4": {
            "Fresh\\DoctrineEnumBundle\\Tests\\": "tests/"
        }
    }
}

Symfony 配置文件

在 Symfony 项目中,你需要在 config/bundles.php 文件中注册 DoctrineEnumBundle:

return [
    // 其他 bundles
    Fresh\DoctrineEnumBundle\Doctrine

DoctrineEnumBundle📦 Provides support of ENUM type for Doctrine in Symfony applications.项目地址:https://gitcode.com/gh_mirrors/do/DoctrineEnumBundle

  • 12
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现驾驶员危险驾驶行为(吸烟、喝水、点头、打哈欠等)检测系统python源码+详细运行教 【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 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【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

打赏作者

秋玥多

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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