jsbundling-rails: 在Rails中使用esbuild, rollup 或 Webpack进行JavaScript打包与转译

jsbundling-rails: 在Rails中使用esbuild, rollup 或 Webpack进行JavaScript打包与转译

jsbundling-railsBundle and transpile JavaScript in Rails with esbuild, rollup.js, or Webpack.项目地址:https://gitcode.com/gh_mirrors/js/jsbundling-rails


项目介绍

jsbundling-rails 是一个专门为 Ruby on Rails 应用设计的宝石(gem),它简化了在 Rails 项目中集成现代 JavaScript 打包工具的过程。通过提供 esbuild, rollup 和 webpack 这三种流行打包器的安装脚手架,开发者可以根据需求选择最适合自己的方案。这一工具旨在提升前端资源的构建速度和效率,同时保持与 Rails 框架的良好整合。


项目快速启动

要迅速地将 jsbundling-rails 添加到您的 Rails 应用中,请遵循以下步骤:

  1. 添加宝石到Gemfile:

    gem 'jsbundling-rails'
    
  2. 安装宝石: 在终端里,定位到您的 Rails 应用目录并执行:

    bundle install
    
  3. 选择并配置打包器: 接下来,您需要选择一个打包器并进行安装。例如,使用 esbuild:

    bin/rails javascript:install:esbuild
    

    注意替换 <replace the text and <> with your bundler choice> 部分为您实际选择的打包器名(esbuild, rollup, 或 webpack)。

若遇到依赖解析错误,如 "@hotwired/turbo-rails" 未能找到,确保您的环境已正确设置进口映射或解决相应的依赖关系。


应用案例与最佳实践

应用案例

  • 开发新特性: 使用 esbuild 快速迭代前端代码,体验近乎即时的重载。
  • 性能优化: 利用 esbuild 的高效编译,减少生产环境中 JavaScript 包的大小。
  • 多环境支持: 在生产环境利用其最小化功能,在开发环境则着重于快速反馈循环。

最佳实践

  • 按需引入: 只导入真正需要的库和组件,避免不必要的体积膨胀。
  • 环境区分打包: 设置不同的构建配置以适配开发与生产环境的不同需求。
  • 持续关注生态更新: 因为工具链如 esbuild、rollup 和 webpack 更新频繁,定期检查更新以获取性能改进和新功能。

典型生态项目

在 Rails 生态中,除了 jsbundling-rails 外,结合 turbo-rails, stimulus-rails 使用是常见的实践。这些工具共同提升了SPA(单页面应用)风格的用户体验,使得Rails应用能够更加现代且响应迅速。例如,@hotwired/turbo-rails 提供了页面的部分刷新功能,而 stimulus-rails 则用于实现前端交互逻辑,它们与 jsbundling-rails 协同工作,形成一套高效的前端开发解决方案。


通过以上指南,您应该能够顺利地在 Rails 项目中集成并利用 jsbundling-rails 来管理您的 JavaScript 资源,从而提升开发效率和最终用户的体验。记得不断探索和实验,以适应不断变化的Web技术前沿。

jsbundling-railsBundle and transpile JavaScript in Rails with esbuild, rollup.js, or Webpack.项目地址:https://gitcode.com/gh_mirrors/js/jsbundling-rails

  • 5
    点赞
  • 10
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda配置好环境,然后直接导入到pycharm,在pycharm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安装requirements.txt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对应的python导入到pycharm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运行train_dual.py开始训练 方式二: 命令行方式,在pycharm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

黎云香

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