在Windows上安装Django

在Windows上安装Django
首先要准备好相关的软件:
Python 2.5
PIL for py2.5
Mysqldb for py2.5
Django 0.96
Apache 2.2.x
mod_python 3.3.1 for py2.5
以上软件都可以在网上下载,注意各软件对应的python版本。下载地址如下:
http://www.python.org
http://www.pythonware.com/products/pil/
http://sourceforge.net/projects/mysql-python
http://www.djangoproject.com/
http://httpd.apache.org/
http://httpd.apache.org/modules/python-download.cgi
以上软件除了Django以外,其它的都下载exe的安装版。
准备工作做完之后就可以开始安装了。下面是具体的安装步骤:
1、安装python

这一步很简单,直接双击运行python的安装程序,按照向导一路next即可。在路经方面建议设置一个比较好找的目录,例如我就是设置为d:\python25\这个目录。这样,其它的python相关的资源就都可以组织进这个目录里面了。

1.1 下载安装:从这里下载http://python.org/download/下载windows版本(最新的为Python2.5.2版,点击这个下载),下载完成以后,双击打开,然后一步一步安装。(一路Next,不用太多的参与,最多是自己安装的时候改一下安装目标路径,所以我这里就不罗嗦了,贴图略)
1.2. 测试是否安装成功:装好后,开始->程序->python 2.5->启动 Python command line,然后输入:print "Hello World",如果输出"Hello World",那就表明安装成功了。
1.3. 增加环境变量:右键“我的电脑”->“属性”->“高级”->“环境变量”,在path里输入你的python安装位置即可,比java简单的多了。例如:我的是d:\Python25;应该是找到pythonw.exe的父一级目录。
1.4. 编程测试:随便建一个文件夹,如在d:\MyProgram\python\下建立一个文本文件,并改名为hello.py,用记事本打开文本中输入:
print "Hello World"

2、安装PIL

PIL是Python Imaging Library缩写,主要用来处理图片用的,这里安装它是为了在Django系统中用它来对上传的图片自动的生成缩略图的。安装方法也相当的简单,直接双击运行PIL-1.1.6.win32-py2.5.exe这个文件,然后一路next即可。因为之前已经安装好了python,所以PIL的安装程序会从注册表中读取到python安装的路经,然后就自动地把PIL安装到python25\lib\site-packages\PIL下面了。

3、安装mysqldb

方法同安装PIL。

4、安装Django

可以从django的网站上下载最新的release 0.96版,解压到python目录里,例如d:\python25\django\下面。打开一个命令提示符窗口,然后进入到D:\python25\django>,输入命令python setup.py install,这个命令将会把Django安装到site-package下面并同时设置好sys.path。到此,Django基本的安装就结束了。

5、安装apache

上面安装的仅是开发环境,虽然可以运行但是却不能作为生产系统。这里我们采用apache+mod_python的组合来实现一个生产系统。安装apache也相当的简单,双击安装文件,按照向导做下去即可。

6、安装mod_python

双击安装文件,按照向导一路的next即可。在下载mod_python的时候要注意与apache版本的匹配。一切都安装完成了,接下来就是测试一下mod_python是不是能用。

7、Django 是一个框架,它有特殊的配置要求,因此一般不需要手工创建目录之类的工作, Django 提供了 django-admin.py 可以做这件事。

为了更好地使用 django-admin.py ,建议将 Python 的 Scripts 目录加入到 PATH 环境变量中去。在命令行下执行:django-admin.py startproject newtest,这样就在当前目录下创建了一个 newtest 目录,进去入可以看到有四个文件:
__init__.py
表示这是一个 Python 的包
manage.py
提供简单化的 django-admin.py 命令,特别是可以自动进行 DJANGO_SETTINGS_MODULES 和 PYTHONPATH 的处理,而没有这个命令,处理上面环境变量是件麻烦的事情
settings.py
它是django的配置文件
uls.py
url映射处理文件, Django 的url映射是url对于某个模块方法的映射,目前不能自动完成

8、进入newtest目录,执行manage.py runserver,这样就启动了webserver,一旦出现:
Validating models...
0 errors found.

Starting server on port 8000 with settings module 'newtest.settings'.
Go to http://127.0.0.1:8000/ for Django.
Quit the server with CONTROL-C (Unix) or CTRL-BREAK (Windows).

说明 Django 真的启来了。在浏览器中看一下,有一个祝贺页面,说明成功了。

9、在 newtest 目录下创建一个文件 helloworld.py 内容为:
Java代码
from django.http import HttpResponse

def index(request):
return HttpResponse("Hello, Django.")

from django.http import HttpResponse

def index(request):
return HttpResponse("Hello, Django.")


修改urls.py,内容为:
Java代码
from django.conf.urls.defaults import *

urlpatterns = patterns('',
# Example:
# (r'^newtest/', include('newtest.apps.foo.urls.foo')),
(r'^$', 'newtest.helloworld.index'),

# Uncomment this for admin:
# (r'^admin/', include('django.contrib.admin.urls')),
)

from django.conf.urls.defaults import *

urlpatterns = patterns('',
# Example:
# (r'^newtest/', include('newtest.apps.foo.urls.foo')),
(r'^$', 'newtest.helloworld.index'),

# Uncomment this for admin:
# (r'^admin/', include('django.contrib.admin.urls')),
)

好了。保存了。上面的 r'^$' 是为了匹配空串,也就是形如: http://localhost:8000/ 。如果这时 web server 已经启动了,那么直接刷新页面就行了。如果显示Hello, Django.恭喜!安装成功
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 支持向量机非线性回归通用MATLAB程序解析 #### 一、概述 本文将详细介绍一个基于MATLAB的支持向量机(SVM)非线性回归的通用程序。该程序采用支持向量机方法来实现数据的非线性回归,并通过不同的核函数设置来适应不同类型的数据分布。此外,该程序还提供了数据预处理的方法,使得用户能够更加方便地应用此程序解决实际问题。 #### 二、核心功能与原理 ##### 1. 支持向量机(SVM) 支持向量机是一种监督学习模型,主要用于分类和回归分析。对于非线性回归任务,SVM通过引入核技巧(kernel trick)将原始低维空间中的非线性问题转换为高维空间中的线性问题,从而实现有效的非线性建模。 ##### 2. 核函数 核函数的选择直接影响到模型的性能。本程序内置了三种常用的核函数: - **线性核函数**:`K(x, y) = x'y` - **多项式核函数**:`K(x, y) = (x'y + 1)^d` - **径向基函数(RBF)**:`K(x, y) = exp(-γ|x - y|^2)` 其中RBF核函数被广泛应用于非线性问题中,因为它可以处理非常复杂的非线性关系。本程序默认使用的是RBF核函数,参数`D`用于控制高斯核函数的宽度。 ##### 3. 数据预处理 虽然程序本身没有直接涉及数据预处理的过程,但在实际应用中,对数据进行适当的预处理是非常重要的。常见的预处理步骤包括归一化、缺失值处理等。 ##### 4. 模型参数 - **Epsilon**: ε-insensitive loss function的ε值,控制回归带宽。 - **C**: 松弛变量的惩罚系数,控制模型复杂度与过拟合的风险之间的平衡。 #### 三、程序实现细节 ##### 1. 函数输入与输出 - **输入**: - `X`: 输入特征矩阵,维度为(n, l),其中n是特征数量,l是样本数量。 - `Y`: 目标值向量,长度为l。 - `Epsilon`: 回归带宽。 - `C`: 松弛变量的惩罚系数。 - `D`: RBF核函数的参数。 - **输出**: - `Alpha1`: 正的拉格朗日乘子向量。 - `Alpha2`: 负的拉格朗日乘子向量。 - `Alpha`: 拉格朗日乘子向量。 - `Flag`: 标记向量,表示每个样本的类型。 - `B`: 偏置项。 ##### 2. 核心代码解析 程序首先计算所有样本间的核矩阵`K`,然后构建二次规划问题并求解得到拉格朗日乘子向量。根据拉格朗日乘子的值确定支持向量,并计算偏置项`B`。 - **核矩阵计算**:采用RBF核函数,通过`exp(-(sum((xi-xj).^2)/D))`计算任意两个样本之间的相似度。 - **二次规划**:构建目标函数和约束条件,使用`quadprog`函数求解最小化问题。 - **支持向量识别**:根据拉格朗日乘子的大小判断每个样本是否为支持向量,并据此计算偏置项`B`。 #### 四、程序扩展与优化 - **多核函数支持**:可以通过增加更多的核函数选项,提高程序的灵活性。 - **自动调参**:实现参数自动选择的功能,例如通过交叉验证选择最优的`Epsilon`和`C`值。 - **并行计算**:利用MATLAB的并行计算工具箱加速计算过程,特别是当样本量很大时。 #### 五、应用场景 该程序适用于需要进行非线性回归预测的场景,如经济预测、天气预报等领域。通过调整核函数和参数,可以有效应对各种类型的非线性问题。 ### 总结 本程序提供了一个支持向量机非线性回归的完整实现框架,通过灵活的核函数设置和参数调整,能够有效地处理非线性问题。对于需要进行回归预测的应用场景,这是一个非常实用且强大的工具。
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
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