Sapper 博客模板使用教程

Sapper 博客模板使用教程

sapper-blog-templateMarkdown-based Blog Built with Sapper项目地址:https://gitcode.com/gh_mirrors/sa/sapper-blog-template

1、项目的目录结构及介绍

Sapper 博客模板的项目结构如下:

sapper-blog-template/
├── src/
│   ├── routes/
│   │   ├── blog/
│   │   │   ├── _posts.js
│   │   │   ├── [slug].svelte
│   │   │   ├── index.svelte
│   │   │   └── posts/
│   │   │       └── example-post.md
│   │   └── ...
│   └── ...
├── static/
├── cypress/
├── .gitignore
├── LICENSE
├── README.md
├── appveyor.yml
├── cypress.json
├── netlify.toml
├── package-lock.json
├── package.json
├── rollup.config.js
└── yarn.lock

目录结构介绍

  • src/: 包含项目的源代码。
    • routes/: 包含路由和页面组件。
      • blog/: 博客相关文件。
        • _posts.js: 加载和解析 Markdown 文章的逻辑。
        • [slug].svelte: 博客文章页面模板。
        • index.svelte: 文章列表页面模板。
        • posts/: 存放 Markdown 文章的目录。
  • static/: 存放静态资源文件。
  • cypress/: 包含 Cypress 测试相关文件。
  • .gitignore: Git 忽略文件配置。
  • LICENSE: 项目许可证。
  • README.md: 项目说明文档。
  • appveyor.yml: AppVeyor 配置文件。
  • cypress.json: Cypress 配置文件。
  • netlify.toml: Netlify 配置文件。
  • package-lock.json: npm 依赖锁定文件。
  • package.json: 项目依赖和脚本配置。
  • rollup.config.js: Rollup 打包配置文件。
  • yarn.lock: Yarn 依赖锁定文件。

2、项目的启动文件介绍

项目的启动文件主要是 package.json 中的脚本配置。以下是一些关键的启动命令:

{
  "scripts": {
    "dev": "sapper dev",
    "build": "sapper build",
    "export": "sapper export",
    "start": "node __sapper__/build",
    "cypress": "cypress open"
  }
}

启动命令介绍

  • npm run dev: 启动开发服务器,监听文件变化并自动重新加载。
  • npm run build: 构建生产环境版本。
  • npm run export: 导出静态站点。
  • npm run start: 启动生产环境服务器。
  • npm run cypress: 启动 Cypress 测试。

3、项目的配置文件介绍

package.json

package.json 文件包含了项目的依赖、脚本和其他元数据。以下是一些关键配置:

{
  "name": "sapper-blog-template",
  "version": "1.0.0",
  "scripts": {
    "dev": "sapper dev",
    "build": "sapper build",
    "export": "sapper export",
    "start": "node __sapper__/build",
    "cypress": "cypress open"
  },
  "dependencies": {
    "sapper": "^0.28.0",
    "svelte": "^3.0.0"
  },
  "devDependencies": {
    "cypress": "^6.0.0",
    "rollup": "^2.0.0"
  }
}

rollup.config.js

rollup.config.js 文件是 Rollup 的打包配置文件,用于配置模块打包和代码分割等。

import svelte from 'rollup-plugin-svelte';
import resolve from '@rollup/plugin-node-resolve';
import commonjs from '@rollup/plugin-commonjs';
import livereload from 'rollup-plugin-livereload';
import { terser } from 'rollup-plugin-terser';

const production = !process.

sapper-blog-templateMarkdown-based Blog Built with Sapper项目地址:https://gitcode.com/gh_mirrors/sa/sapper-blog-template

  • 2
    点赞
  • 1
    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

农隆龙

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