Yew 开源项目教程

Yew 开源项目教程

yewRust / Wasm framework for creating reliable and efficient web applications项目地址:https://gitcode.com/gh_mirrors/ye/yew

1. 项目的目录结构及介绍

Yew 项目的目录结构如下:

yew/
├── Cargo.toml
├── crates/
│   ├── yew/
│   ├── yew-macro/
│   ├── yew-router/
│   ├── yew-stdweb/
│   ├── yew-web/
│   └── yew-web-sys/
├── examples/
│   ├── counter/
│   ├── custom_components/
│   ├── hello_world/
│   ├── multi_thread/
│   ├── router/
│   ├── spa/
│   └── todo_mvc/
├── src/
│   ├── lib.rs
│   ├── html.rs
│   ├── virtual_dom.rs
│   └── components/
├── target/
└── tests/

目录结构介绍

  • Cargo.toml: 项目的依赖管理文件,包含了项目的元数据和依赖库。
  • crates/: 包含了 Yew 的核心库和相关子库。
    • yew/: Yew 的核心库。
    • yew-macro/: Yew 的宏库,用于生成组件代码。
    • yew-router/: Yew 的路由库。
    • yew-stdweb/: 与 stdweb 集成的库。
    • yew-web/: 与 web-sys 集成的库。
    • yew-web-sys/: 与 web-sys 集成的库。
  • examples/: 包含了多个示例项目,展示了 Yew 的不同用法。
  • src/: 包含了 Yew 的核心代码。
    • lib.rs: 主库文件。
    • html.rs: 用于处理 HTML 的模块。
    • virtual_dom.rs: 虚拟 DOM 的实现。
    • components/: 包含了各种组件的实现。
  • target/: 编译生成的目标文件。
  • tests/: 测试代码。

2. 项目的启动文件介绍

Yew 项目的启动文件通常位于 examples/ 目录下的某个示例项目中。以 examples/hello_world 为例,启动文件为 main.rs

// examples/hello_world/src/main.rs

use yew::prelude::*;

struct Model {
    link: ComponentLink<Self>,
}

impl Component for Model {
    type Message = ();
    type Properties = ();

    fn create(_: Self::Properties, link: ComponentLink<Self>) -> Self {
        Model { link }
    }

    fn update(&mut self, _msg: Self::Message) -> ShouldRender {
        true
    }

    fn view(&self) -> Html {
        html! {
            <div>
                <h1>{ "Hello World" }</h1>
            </div>
        }
    }
}

fn main() {
    yew::start_app::<Model>();
}

启动文件介绍

  • main.rs: 主程序文件,定义了一个简单的 Yew 组件 Model,并在 main 函数中调用 yew::start_app::<Model>() 启动应用。

3. 项目的配置文件介绍

Yew 项目的配置文件主要是 Cargo.toml,它包含了项目的元数据和依赖库。

# Cargo.toml

[package]
name = "yew"
version = "0.18.0"
authors = ["The Yew Project Developers"]
edition = "2018"

[dependencies]
yew = { path = "crates/yew" }
yew-macro = { path = "crates/yew-macro" }
yew-router = { path = "crates/yew-router" }
yew-stdweb = { path = "crates/yew-stdweb" }
yew-web = { path = "crates/yew-web" }
yew-web-sys = { path = "crates/yew-web-sys" }

[dev-dependencies]
wasm-bindgen-test = "0.3.13"

[lib]

yewRust / Wasm framework for creating reliable and efficient web applications项目地址:https://gitcode.com/gh_mirrors/ye/yew

  • 4
    点赞
  • 6
    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

陆或愉

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