Forge 标准库使用教程

Forge 标准库使用教程

forge-stdForge Standard Library is a collection of helpful contracts for use with forge and foundry. It leverages forge's cheatcodes to make writing tests easier and faster, while improving the UX of cheatcodes. For more in-depth usage examples checkout the tests.项目地址:https://gitcode.com/gh_mirrors/fo/forge-std

1. 项目目录结构及介绍

目录结构概览

开源项目 Forge Standard Library 提供了一组智能合约和辅助工具,旨在简化使用 [Forge] 和 [Foundry] 框架进行测试编写的过程。典型的项目结构可能包含以下关键部分:

  • src 文件夹:这是核心代码所在地,包含了如 Test.sol、各种辅助合约和库文件。这些合约利用了 Forge 的作弊码(cheatcodes)特性,为测试编写者提供便捷的功能。

  • console2.sol: 提供增强的日志记录能力,特别是适用于 Forge 环境,能够展示解码后的日志。

  • Test.sol: 包含基础测试框架,间接导入了其他必要的标准库组件,便于编写测试案例。

  • LICENSE: 许可证文件,说明项目遵循 MIT 或 Apache 2.0 协议。

  • foundry.toml, package.json: 这些配置文件是用于管理项目依赖和构建设置的,对于项目的启动和配置至关重要。

  • README.md: 项目的简介和快速指南,通常包括如何安装和基本用法。

2. 项目的启动文件介绍

主启动元素:Test.sol

在 Forge 标准库中,Test.sol 可视为一个关键的启动点。它不仅继承了必要的测试基类和方法,还间接或直接地引入了整个 Forge 测试环境的关键组件。开发者通常通过继承这个合同来开始他们的测试脚本编写。例如:

import "forge-std/Test.sol";

contract MyTestCase is Test {
    function testMyFeature() public {
        // 测试逻辑
    }
}

这一文件是编写测试的第一站,通过定义特定于应用的测试函数来进行交互式或自动化测试。

3. 项目的配置文件介绍

foundry.toml

foundry.toml 是 Foundry 项目的主配置文件,用于指定编译选项、路径映射、默认使用的工具链和其他定制化设置。示例配置可能涉及设置源代码目录、指定默认的编译器版本、启用或禁用某些特性等。例如:

[build]
outs = ["out"]
srcs = ["src"]

[default]
optimize = true
version = "0.8.11"
package.json

虽然主要与 Foundry 本身的 JavaScript 工具链相关,但当项目需要Node.js脚本或依赖于特定的NPM包时,package.json将定义这些信息。对于Forge-std本身,开发者可能不直接编辑此文件,除非他们扩展到包含JavaScript脚本的复杂项目流程中。


本教程概要介绍了Forge Standard Library的结构、启动文件以及配置文件的基础知识。深入学习和实际操作时,请参考具体的项目文档和样例测试,以便更好地理解和运用这些资源。

forge-stdForge Standard Library is a collection of helpful contracts for use with forge and foundry. It leverages forge's cheatcodes to make writing tests easier and faster, while improving the UX of cheatcodes. For more in-depth usage examples checkout the tests.项目地址:https://gitcode.com/gh_mirrors/fo/forge-std

  • 17
    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

沈韬淼Beryl

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