PHPStan Disallowed Calls 项目使用教程

PHPStan Disallowed Calls 项目使用教程

phpstan-disallowed-callsPHPStan rules to detect disallowed method & function calls, constant, namespace, attribute & superglobal usages项目地址:https://gitcode.com/gh_mirrors/ph/phpstan-disallowed-calls

1. 项目的目录结构及介绍

phpstan-disallowed-calls/
├── LICENSE
├── README.md
├── composer.json
├── disallowed-dangerous-calls.neon
├── phpstan.neon
└── phpunit.xml
  • LICENSE: 项目的许可证文件,采用 MIT 许可证。
  • README.md: 项目的说明文档,包含项目的基本介绍和使用方法。
  • composer.json: Composer 配置文件,定义了项目的依赖和元数据。
  • disallowed-dangerous-calls.neon: 项目的主要配置文件,用于定义不允许调用的函数、方法和常量。
  • phpstan.neon: PHPStan 的配置文件,用于配置静态分析工具 PHPStan。
  • phpunit.xml: PHPUnit 的配置文件,用于配置单元测试工具 PHPUnit。

2. 项目的启动文件介绍

项目没有明确的“启动文件”,因为 PHPStan Disallowed Calls 是一个静态分析工具的扩展,主要通过配置文件来定义和执行。项目的核心功能是通过 disallowed-dangerous-calls.neon 文件来实现的。

3. 项目的配置文件介绍

disallowed-dangerous-calls.neon

该文件是 PHPStan Disallowed Calls 扩展的核心配置文件,用于定义不允许在生产代码中使用的函数、方法和常量。以下是一个示例配置:

parameters:
    disallowedFunctionCalls:
        -
            function: 'var_dump'
            message: 'Calling var_dump() is forbidden, use logger instead'
        -
            function: 'print_r'
            message: 'Calling print_r() is forbidden, use logger instead'
  • function: 指定不允许调用的函数名。
  • message: 当检测到不允许的调用时,显示的错误消息。

phpstan.neon

该文件是 PHPStan 的配置文件,用于配置静态分析工具 PHPStan。通常,你需要在 phpstan.neon 中包含 disallowed-dangerous-calls.neon 文件:

includes:
    - vendor/spaze/phpstan-disallowed-calls/disallowed-dangerous-calls.neon

composer.json

该文件是 Composer 的配置文件,定义了项目的依赖和元数据。以下是一个示例配置:

{
    "name": "spaze/phpstan-disallowed-calls",
    "description": "PHPStan rules to detect disallowed calls",
    "require-dev": {
        "phpstan/phpstan": "^1.0"
    },
    "autoload": {
        "psr-4": {
            "Spaze\\PHPStan\\DisallowedCalls\\": "src/"
        }
    }
}
  • name: 项目的名称。
  • description: 项目的描述。
  • require-dev: 开发依赖,例如 PHPStan。
  • autoload: 自动加载配置,定义了命名空间和对应的路径。

通过以上配置,你可以有效地使用 PHPStan Disallowed Calls 扩展来检测和防止在生产代码中使用不允许的函数、方法和常量。

phpstan-disallowed-callsPHPStan rules to detect disallowed method & function calls, constant, namespace, attribute & superglobal usages项目地址:https://gitcode.com/gh_mirrors/ph/phpstan-disallowed-calls

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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

邹娇振Marvin

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