QingMVC官方案例

9 篇文章 0 订阅

QingMVC官方案例

使用方法

  • 创建数据库’qingmvc_demo’
  • 导入数据库文件database.sql

访问

  • 设置根目录为public
  • 或访问目录public
index.php
index.php/add
index.php/.test/Com01

HelloWorld-创建第一个应用

qingmvc官方案例

获取源码

https://github.com/qingmvc/qingmvc_demo

  • 下载源码压缩包,解压
  • 克隆仓库到本地

安装

  • comporser : php composer.phar install
  • 或手动加载qingmvc依赖

应用目录

常用应用目录介绍

详见 1.3.应用目录

案例应用目录介绍

  • main (主模块根目录)
    • config (配置目录)
      • local.configs.php (本地环境配置子包含文件)
      • local.db.php (本地环境配置子包含文件)
      • main.configs.php (用户配置组件)
      • main.db.php (数据库组件配置)
      • main.php (主配置文件,所以环境使用这些配置为基础)
    • run.php (入口文件,可修改,public包含该文件)
  • public (公开访问目录,存放可以访问的php/js/css/图片等文件)
    • static (前端静态文件目录,js/css/图片)
    • index.php (应用入口文件)
  • test (测试用例目录)
  • tests (第三方依赖目录,composer)
  • tests (测试用例目录)
  • vendor (第三方依赖目录,composer)
  • composer.json (composer配置文件)
  • composer.sh (composer脚本帮助文件)
  • database.sql (数据库文件,表创建语句和测试数据语句)

入口文件

应用目录

  • main (应用根目录/主模块根目录)
    • run.php (入口文件,可修改,public包含该文件)
  • public (公开访问目录,存放可以访问的php/js/css/图片等文件)
    • static (前端静态文件目录,js/css/图片)
    • index.php (应用入口文件)

启动流程

//#访问公开文件
/pulic/index.php

//#包含run.php文件
require __DIR__.'/../main/run.php';

//#debug模式
define('APP_DEBUG'			,true);
//#自定义错误报告等级
define('APP_ERROR_LEVEL'	,E_ALL ^E_NOTICE);

//#加载qingmvc框架
//composer加载
$Q_composer=require __DIR__.'/../vendor/autoload.php';
//qingmvc自动加载器
//require_once __DIR__.'/../../qingmvc2018/qingmvc07/autoload.php';

//#主配置文件
$configFile=__DIR__.'/config/main.php';
//\qing\Qing::runWebApp($configFile);
//#创建应用实例
$app=new \qing\app\WebApp($configFile);
//#执行应用,解析http请求
$app->run();

应用部署

创建数据库

  • 创建数据库: qingmvc_demo
  • 导入表和数据:database.sql
  • 修改数据库用户名和密码: config/main.db.php

部署框架和依赖

  • 应用依赖:qingmvc框架和qingtpl模版编译引擎
  • 加载方式: composer模式或qingmvc模式

使用composer部署

  • composer用法这里不做具体介绍
//#安装依赖包
php composer.phar install

//#注册类自动加载器
//注意:$Q_composer必须,不可改名;如果改名或者该全局变量未定义;其他的类自动加载将使用qingmvc模式。
$Q_composer=require __DIR__.'/../vendor/autoload.php';

使用qingmvc部署

  • 下载依赖包到本地解压
  • 比如/vendor/qingmvc和/vendor/qingtpl

1. 注册类自动加载器

require_once '/vendor/qingmvc/autoload.php';

2. 依赖命名空间自动加载映射

//命名空间自动加载映射
'namespaces' =>
[
	'qingtpl'=>'vendor/qingtpl/src',
	//'FastRoute'=>'FastRoute/src'	
],

访问入口文件

  • 至此部署完毕
  • 访问入口文件:public/index.php
  • 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
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