Nodejs入门

1.Nodejs简介

什么是nodejs?

Node.js 是一个基于 Chrome V8 引擎的 JavaScript 运行环境 v8解析js是最快的

nodejs是让js运行在服务器端

nodejs里面的API大多数都是异步

服务器端的js和浏览器端的js有什么区别?

客户端的js三个组成部分 :

DOM 文档对象模型 js操作网页内容的一套API

BOM 浏览器对象模型 js操作浏览器页面的一套API

ECMAScript 一套js语法的规范 for

服务端的js 只有ECMAScript 独立于浏览器运行的

nodejs内置模块

fs文件模块

// 导入模块  require("模块名")  模块名是nodejs内部规定死的 不能动
// 左边保存的变量可以修改 但是通常情况下和模块名保持一致
const fs = require('fs');
// 读取文件
// 参数1 : 需要被读取的文件的路径
// 参数2 : 可选参数 我们这里给的是编码格式
// 参数3 : 回调函数 里面有连个参数 err 表示读取失败时返回的信息 data是读取到的文件信息
fs.readFile("./novels/01.txt","utf-8",  (err, data) => {
    // console.log(err);
    // console.log(data);
    if(!err) {
        console.log(data);
    }  else {
        console.log("文件读取失败");
    }
})

// nodejs里面 如果有sync结尾的方法都是同步的方法
// var novel = fs.readFileSync("./novels/01.txt", "utf-8");

// 写入文件
// 参数1 : 存入信息或者数据的文件路径
// 参数2 : 需要写入的数据
// 参数3 : 回调函数
fs.writeFile("./novels/02.txt", "我是第二个文件的内容", err => {
    // console.log(err);
    if(!err) {
        console.log('写入成功');
    } else {
        console.log("写入失败");
    }
})

http服务器模块

// 导入模块
const http = require('http')
// 创建服务器对象
const server = http.createServer((request,response) =>{
    // 请求路径
    console.log(request.url);
    // 请求方式
    console.log(request.method);
    // 设置响应头 用utf-8解析
    response.setHeader('content-type','text/html;charset=utf-8')
    response.end("响应内容")
})
// 地址可以省略 但是端口号不行 地址默认是127.0.0.1
server.listen('80',()=>{
    console.log('start');
})

在这里插入图片描述

在这里插入图片描述

关于路径

nodejs里面的相对路径 是相对于当前运行node命令的终端所处的相对路径

为了保证在任何地方打开终端 都可以运行 那么我们的路径使用绝对路径

__dirname 是当前文件所在的绝对路径

__filename 是当前文件的绝对路径

const fs = require("fs")
fs.readFile(__dirname +"\\novels\\01.txt","utf-8",(err,data)=>{
    console.log(data);
})
console.log(__dirname+"\\novels\\01.txt");
console.log(__filename);

path路径模块

// 导入模块
const path = require("path")
const fs = require("fs")
const pathName = path.join("name","info","asset","index.html")
console.log(pathName);
// 在使用到路径的地方 使用绝对路径
const txtPath = path.join(__dirname,"novels","01.txt")
console.log(txtPath);
// 读取文件
fs.readFile(txtPath,"utf-8",(err,data)=>{
    if(!err){
        console.log(data);
    }else{
        console.log(err);
    }
})
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、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挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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