129 Django数据库链接, 路由分发,反向解析和名称空间

昨日回顾

1 MTV和MVC
	-MVC:model数据库操作,view视图,controler控制器
	-MTV:model数据库相关操作,template视图模版文件,views视图函数
2 Django的请求生命周期
	web服务器->http拆成字典->调起可调用对象(django,flask,tornodo)->路由匹配->执行视图函数(数据库拿数据,模版文件拿模版,渲染)->生成html页面->返回
3虚拟环境
	-作用:隔离项目
	-go mod
	-java maven
4 orm介绍
	-对象关系映射
		数据中一个表对应一个类
		一条数据对应程序中一个对象
	django orm, sqlachemy
5 django orm简单使用
	-django默认支持sqlite(不需要额外配置)
	-models中写一个类(继承models.Model)
	-写字段,新增字段;删字段,注释
	
	-两条数据库迁移命令(一个是记录,一个是真正的迁移)
	python manage.py makemigrations
	python manage.py migrate
	
	-插入
		user = UserInfo(name=lqz,age=10)
		user.save()
		或
		user=UserInfo.objects.create(name=lqz,age=19)
		
	-查询所有
		user,objects.all()查询所有记录,放到列表中[user1,user2,user3]
    

1 django连接mysql

1 如果项目使用sqlite,不需要额外配置,直接操作即可
2 django默认情况下链接mysql,用的驱动是mysqldb模块,python3以后用不了了,用的是pymysql,需要做替换
	showmigrations:查看哪些记录更改了,但是没有同步到数据库中
3 如果要使用mysql,配置如下:
	-1 配置文件中配置setting.py
	DATABASES = {
	'default': {
		'ENGINE': 'django.db.backends.mysql',
		'NAME': 'user',
		'HOST': '127.0.0.1',
		'PORT': '3306',
		'USER': 'root',
		'PASSWORD': '',
		}
	}
	- 需要 在app的__init__.py
	import pymysql
	pymysql.install_as_MySQLdb()	
	-后续操作一样,models中建类,写字段
	-视图函数中插入,查询
	-pycharm->tools->run manage.py task(opt+R)

2 pycharm操作sqlite和mysql

右侧database点一点就好了

3 路由层之简单路由配置

1 路由参数
	# 第一个参数是正则表达式
	# 第二个参数是视图函数
	# 第三个参数是字典{'name':"lqz",'age':18},作用:给视图函数传递默认值
	# 第四个参数name,当前路由的别名,用作反向解析
	-url(r'^home/', views.home, {'name': 'lqz', 'age': 18}, 			name='home')

2 访问根路径,触发视图函数执行(路由怎么配置)
	-url(r'^$', views.home),

3 在路由中配置多个相同路由会怎样
	-只执行第一个
	
4 如下路由会怎样
	url(r'^login', views.home),
	url(r'^login2', views.login),
	都会执行views.home,因为正则表达式一旦匹配到login就跳转
	

4 路由层之APPEND_SLASH

在这里插入图片描述

1 路由配置如下
	url(r'^login/$',views.home)
	访问:http://127.0.0.1:8000/login/ 状态码200
	访问:http://127.0.0.1:8000/login 状态码301和200,因为访问了两次, /login重定向到/login/
	
2 这是由于中间件
	# 是否开启URL访问地址后面不为/跳转至带有/的路径的配置项
	APPEND_SLASH=True
	如果要关闭,就改成False

3 django中如何实现
	通过django.middleware.common.CommonMiddleware

5 有名分组 无名分组

1 无名分组
	# 无名分组,把分组出来的值,当作位置参数传递给视图参数
	url(r'^login/([0-9]{4})/([0-9]{2})', views.login),
2 有名分组:
	# 有名分组,把分组出来的值,当作关键字参数传递给视图参数
	url(r'^login/(?P<year>[0-9]{4})/(?P<month>[0-9]{2})', views.login2),
3 作用:
	可以从url地址中解析出参数,传递给视图函数使用
4 案例: ilovejaney/p/13748739.html
	把地址中的人名和id分出来
	#无名分组
	url(r'^(.*?)/p/(\d+).html', views.article)
	#有名分组
	url(r'^(?P<name>.*?)/p/(?P<id>\d+).html', views.article)
5 伪静态
	-原来是动态页面/login 做成login.html 伪装成静态页面,便于seo优化
	-seo优化:
	-https://www.cnblogs.com/liuqingzheng/articles/9509792.html

6 路由分发

1 有一个总路径负责分发,根路由,总路由负责做分发
2 每个app有自己的路由和视图函数的对应关系
3 使用:
	-1 在根路由中配置:
	# 第一种方式:
	url(r'^app01/',include('app01.urls') )
	# 第二种方式:
	url(r'^app01/',include(urls) )
	-2 在不同的app中新建ulrs.py
	urlpatterns=[
			url(r'login/',views.login),
			url(r'home/',views.home),
	]
	-3 http://127.0.0.1:8000/app01/login/
	 先匹配app01,如果成功分发到app01的urls中继续匹配

7 反向解析

1 通过路由的别名解析出路由的地址
2 用在视图函数中
		url=reverse('home')  #就是路由的别名
		print(url)
3 模版文件中使用
	{% url 'home' %}

4 有什么作用
	-动态根据路由别名获得路径,一旦路径改变,不需要改其他代码
	

8 名称空间

1 路由做反向解析时,有同名路由,出现问题
2 在做路由分发时,给每个app的路径设置一个名称空间

3 使用步骤
	-1 在总路由中设置
	url(r'^app01',include('app01.urls','名称空间的名字'))
	-2 用在视图函数中:
	url=reverse('名称空间的名字:home')  # home就是路由的别名
	-3 在模版文件中使用
	{% url '名称空间的名字:home'%}

作业:

1 一个http请求从浏览器发出去, 经历的过程

2 讲的东西整理成博客

3 写6个视图函数,2个app

-app01:index,login,article

-app02:index,login,article

1 使用路由分发,

2 使用别名

3 在app01的index中反向解析出app02的index的地址

4 使用有名分组和无名分组实现如下

app01的article使用无名分组/liuqingzheng/articles/9509792.html

app02的article使用无名分组/liuqingzheng/articles/9509792.html

5 加入名称空间

4 扩展:使用虚拟环境,切换成django 2.0.7,研究一下path和re_path,

5 研究在2.0版本后还有没有url(),有的话在哪?

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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