web服务器面向对象----进程/协程版

1.  协程版注意打补丁来更新gevent的操作.并调用spawn来执行任务

# from gevent import monkey

# monkey.patch_all()



2.  进程版需要导入multiprocessing模块来进行,并创建进程对象,使用start来开启进程

import re
import socket
import multiprocessing#进程版




class WebServer(object):
    """初始化服务器套接字"""


    def __init__(self):
        # 初始化服务器属性
        self.server_soc = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
        self.server_soc.setsockopt(socket.SOL_SOCKET, socket.SO_REUSEADDR, 1)  # 设置套接字复用地址
        self.server_soc.bind(('', 1314))
        self.server_soc.listen(128)


    @staticmethod
    def parse_http(request):
        """从浏览器请求里解析出资源路径"""
        # 获取请求行
        head_line = re.split(r'\r\n', request)


        # 获取请求的资源路径
        request_line = head_line[0]


        # 获取到请求的资源路径
        datas = re.split(r' ', request_line)


        # 对路径的安全检查
        path = datas[1]
        if path == '/':
            path = '/index.html'


        return path


    def handle_client(self, client_soc):
        """为一个客户端提供服务"""
        # 接收请求头
        recv_data = client_soc.recv(1024 * 4)
        print(recv_data)


        # 判断客户端是否关闭
        if not recv_data:
            print('浏览器已经关闭...')
            client_soc.close()
            return


        # 获取用户请求的资源路径
        path = WebServer.parse_http(recv_data.decode('utf-8'))


        # 捕捉异常,找不到文件是讲返回一个数据
        try:
            # 读取文件内容
            with open('html/index.html', 'rb') as file:
                file_content = file.read()


            # 返回响应数据
            response_line = 'HTTP/1.1 200 OK\r\n'
            response_head = 'Server: Itcastserver 1.0\r\n'
            response = response_line + response_head + '\r\n'


            response_body = file_content
            client_soc.send(response.encode())
            client_soc.send(response_body)
        except:
            # 读取404文件内容
            with open('html/404.html', 'rb') as file:
                file_content = file.read()


            # 返回响应数据
            response_line = 'HTTP/1.1 404 NOT FOUND\r\n'
            response_head = 'Server: Itcastserver 1.0\r\n'
            response = response_line + response_head + '\r\n'


            response_body = file_content


        client_soc.send(response.encode())
        client_soc.send(response_body)


        # 关闭套接字
        client_soc.close()


    def run_server(self):
        """开启服务器"""
        while True:
            # 获取客户端连接
            print('正在获取客户端连接...')
            client_soc, client_addr = self.server_soc.accept()


            # 为一个客户端提供服务
            # gevent.spawn(handle_client,client_soc)
            p1 = multiprocessing.Process(target=self.handle_client, args=(client_soc,))
            p1.start()


        # 关闭服务器套接字
        server_soc.close()




def main():
    """服务器模拟并能够响应浏览器的请求"""
    # 创建服务器对象
    server = WebServer()


    # 开启服务器
    server.run_server()




if __name__ == '__main__':
    main()
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。
评论 2
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