php smarty

1.下载smarty插件,最终会拿到一个libs的文件夹,里面包含几个PHP及几个文件夹,其中有一个PHP叫Smarty.class.php

2.将libs中的Smarty.class.php引入自己的PHP中,也可以当作头文件引入,引入方式类型于

require '../../libs/Smarty.class.php';


3.Smarty可配置四个目录,默认名称分别是 templates/, templates_c/, configs/ cache/

4.可手动配置目录对应位置,注意文件及目录相对路径,配置方式类型于

define("__SITE_ROOT", "D:/workspace-portal/toal/csb_portal/zt/demo");

$tpl = new Smarty;

$tpl->setTemplateDir(__SITE_ROOT . "/templates/");
$tpl->setCompileDir(__SITE_ROOT . "/templates_c/");
$tpl->setConfigDir(__SITE_ROOT . "/configs/");
$tpl->setCacheDir(__SITE_ROOT . "/cache/");
$tpl->left_delimiter = '<{';
$tpl->right_delimiter = '}>';

5.以头文件方式引入smarty框架完整代码

main.php

<?php


require '../../libs/Smarty.class.php';

define("__SITE_ROOT", "D:/workspace-portal/toal/csb_portal/zt/demo");

$tpl = new Smarty;

$tpl->setTemplateDir(__SITE_ROOT . "/templates/");
$tpl->setCompileDir(__SITE_ROOT . "/templates_c/");
$tpl->setConfigDir(__SITE_ROOT . "/configs/");
$tpl->setCacheDir(__SITE_ROOT . "/cache/");
$tpl->left_delimiter = '<{';
$tpl->right_delimiter = '}>';
?>


使用smarty例子,我把它放在htdocs目录下

test.php

<?php
require "main.php";
$tpl->assign("title", "测试标题");
$tpl->assign("content", "测试内容");
$tpl->display('test.htm');
?>

在main.php配置的templates目录中新加test.htm文件,文件后缀名随意,内容类似于

<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
<title><{$title}></title>
</head>
<body>
<{$content}>
</body>
</html>


浏览器http://xx.xx.xx/projectname/htdocs/test.php

 

  • 0
    点赞
  • 1
    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