FastAPI MVC 项目使用教程

FastAPI MVC 项目使用教程

fastapi-mvcDeveloper productivity tool for making high-quality FastAPI production-ready APIs.项目地址:https://gitcode.com/gh_mirrors/fa/fastapi-mvc

1. 项目的目录结构及介绍

FastAPI MVC 项目生成的目录结构如下:

my-project/
├── app/
│   ├── __init__.py
│   ├── controllers/
│   ├── models/
│   ├── services/
│   ├── templates/
│   ├── views/
│   └── main.py
├── config/
│   ├── __init__.py
│   ├── settings.py
│   └── config.yaml
├── tests/
│   ├── __init__.py
│   └── test_main.py
├── .gitignore
├── Dockerfile
├── LICENSE
├── README.md
├── docker-compose.yml
├── install_env.sh
├── requirements.txt
└── Makefile

目录结构介绍

  • app/: 包含应用程序的主要代码。
    • controllers/: 控制器模块,处理请求和响应。
    • models/: 模型模块,定义数据模型。
    • services/: 服务模块,包含业务逻辑。
    • templates/: 模板文件,用于渲染视图。
    • views/: 视图模块,处理前端逻辑。
    • main.py: 应用程序的入口文件。
  • config/: 配置文件目录。
    • settings.py: 应用程序的配置设置。
    • config.yaml: 配置文件,用于存储配置信息。
  • tests/: 测试文件目录。
    • test_main.py: 主测试文件。
  • .gitignore: Git 忽略文件。
  • Dockerfile: Docker 配置文件。
  • LICENSE: 项目许可证。
  • README.md: 项目说明文档。
  • docker-compose.yml: Docker Compose 配置文件。
  • install_env.sh: 环境安装脚本。
  • requirements.txt: 项目依赖文件。
  • Makefile: 项目构建文件。

2. 项目的启动文件介绍

项目的启动文件是 app/main.py,该文件包含了 FastAPI 应用程序的实例化和配置。

from fastapi import FastAPI
from app.controllers import router

app = FastAPI()

app.include_router(router)

if __name__ == "__main__":
    import uvicorn
    uvicorn.run(app, host="0.0.0.0", port=8000)

启动文件介绍

  • FastAPI():创建 FastAPI 应用程序实例。
  • app.include_router(router):包含控制器路由。
  • uvicorn.run(app, host="0.0.0.0", port=8000):使用 Uvicorn 运行应用程序。

3. 项目的配置文件介绍

项目的配置文件位于 config/ 目录下,主要包括 settings.pyconfig.yaml

settings.py

import os
from dotenv import load_dotenv

load_dotenv()

class Settings:
    DEBUG = os.getenv("DEBUG", False)
    DATABASE_URL = os.getenv("DATABASE_URL", "sqlite:///./sql_app.db")
    SECRET_KEY = os.getenv("SECRET_KEY", "secret")

settings = Settings()

config.yaml

debug: true
database_url: "sqlite:///./sql_app.db"
secret_key: "secret"

配置文件介绍

  • settings.py:使用环境变量加载配置,并定义了调试模式、数据库 URL 和密钥等配置项。
  • config.yaml:YAML 格式的配置文件,用于存储配置信息。

以上是 FastAPI MVC 项目的目录结构、启动文件和配置文件的介绍。希望这份教程能帮助你更好地理解和使用该项目。

fastapi-mvcDeveloper productivity tool for making high-quality FastAPI production-ready APIs.项目地址:https://gitcode.com/gh_mirrors/fa/fastapi-mvc

  • 12
    点赞
  • 17
    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

尤歌泽Vigour

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