bbossgroups-3.0发布,新增子项目bboss mvc

bbossgroups-3.0发布
release version : bbossgroups-3.0
release date: 2011/02/26

主要的功能特性:
1.新增的一套mvc框架即bboss-mvc子项目,这是bbossgroups-3.0相比bbossgroups-2.0-RC1最大的变化。
bboss mvc基于bboss aop开发,能够与bboss aop(aop框架,业务组件管理),bboss persistent(持久层框架),bboss taglib(标签库框架)协作完成j2ee项目的开发过程;
bboss mvc很好地实现了mvc 2模型,支持多方法控制器,注解控制器,支持restful功能,能非常方便地与bboss taglib结合实现分页功能;
支持多文件上传功能;
支持基本数据类型、po对象、List<bean>对象数据绑定,提供丰富的参数绑定注解;
控制器全部采用单例模式;
利用bboss aop,可以非常方便地将业务组件注入到mvc 控制器中;
扩展容器规范,支持web应用lib目录下的jar按目录分类存放,方便管理应用中日益增多的jar包。

2.同时为了开发mvc框架,对bboss aop,bboss persistent,bboss taglib,bboss util做了功能扩展。
3.bboss aop新增国际化功能
4.bboss aop改进了rpc远程调用协议,使得rpc更加稳定、性能更好
5.bboss aop新增了http/https rpc远程调用协议,可以直接使用应用服务器提供的http协议,很容易地实现aop 组件的远程调用
6.改进了bboss aop 中提供的集群功能
7.改进了bboss aop 中提供的quartz任务调度功能
8.修复了一系列bug
9.bboss persistent中新增了一套简洁易用的api,实现各种常用的数据库操作更加方便。

10.与bbossgroups-3.0一起发布的文档有:
《BBoss AOP框架技术白皮书.doc》
《bboss mvc开发手册.doc》
《frameworkset开发手册.doc》
这些文档放置在发布包的文档目录下。
11.与bbossgroups-3.0一起发布的demo有
mvcdemo.rar
位于文档目录的mvcdemo子目录下

更详细的情况请浏览release note:
[url]http://sourceforge.net/projects/bboss/files/bbossgroups-3.0/README.txt/download[/url]

bbossgroups-3.0下载地址:
[url]http://sourceforge.net/projects/bboss/files/bbossgroups-3.0/bbossgroups-3.0.zip/download[/url]

bboss group project blog:
[url]http://blog.csdn.net/yin_bp[/url]
[url]http://yin-bp.iteye.com/[/url]

bbossgroups论坛地址:
[url]http://www.xtzy.com:800[/url]

bboss group project sourceforge site url:
[url]http://sourceforge.net/projects/bboss/files/[/url]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于YOLOv9实现工业布匹缺陷(破洞、污渍)检测系统python源码+详细运行教程+训练好的模型+评估 【使用教程】 一、环境配置 1、建议下载anaconda和pycharm 在anaconda中配置好环境,然后直接导入到pycharm中,在pycharm中运行项目 anaconda和pycharm安装及环境配置参考网上博客,有很多博主介绍 2、在anacodna中安装requirements.txt中的软件包 命令为:pip install -r requirements.txt 或者改成清华源后再执行以上命令,这样安装要快一些 软件包都安装成功后才算成功 3、安装好软件包后,把anaconda中对应的python导入到pycharm中即可(不难,参考网上博客) 二、环境配置好后,开始训练(也可以训练自己数据集) 1、数据集准备 需要准备yolo格式的目标检测数据集,如果不清楚yolo数据集格式,或者有其他数据训练需求,请看博主yolo格式各种数据集集合链接:https://blog.csdn.net/DeepLearning_/article/details/127276492 里面涵盖了上百种yolo数据集,且在不断更新,基本都是实际项目使用。来自于网上收集、实际场景采集制作等,自己使用labelimg标注工具标注的。数据集质量绝对有保证! 本项目所使用的数据集,见csdn该资源下载页面中的介绍栏,里面有对应的下载链接,下载后可直接使用。 2、数据准备好,开始修改配置文件 参考代码中data文件夹下的banana_ripe.yaml,可以自己新建一个不同名称的yaml文件 train:训练集的图片路径 val:验证集的图片路径 names: 0: very-ripe 类别1 1: immature 类别2 2: mid-ripe 类别3 格式按照banana_ripe.yaml照葫芦画瓢就行,不需要过多参考网上的 3、修改train_dual.py中的配置参数,开始训练模型 方式一: 修改点: a.--weights参数,填入'yolov9-s.pt',博主训练的是yolov9-s,根据自己需求可自定义 b.--cfg参数,填入 models/detect/yolov9-c.yaml c.--data参数,填入data/banana_ripe.yaml,可自定义自己的yaml路径 d.--hyp参数,填入hyp.scratch-high.yaml e.--epochs参数,填入100或者200都行,根据自己的数据集可改 f.--batch-size参数,根据自己的电脑性能(显存大小)自定义修改 g.--device参数,一张显卡的话,就填0。没显卡,使用cpu训练,就填cpu h.--close-mosaic参数,填入15 以上修改好,直接pycharm中运行train_dual.py开始训练 方式二: 命令行方式,在pycharm中的终端窗口输入如下命令,可根据自己情况修改参数 官方示例:python train_dual.py --workers 8 --device 0 --batch 16 --data data/coco.yaml --img 640 --cfg models/detect/yolov9-c.yaml --weights '' --name yolov9-c --hyp hyp.scratch-high.yaml --min-items 0 --epochs 500 --close-mosaic 15 训练完会在runs/train文件下生成对应的训练文件及模型,后续测试可以拿来用。 三、测试 1、训练完,测试 修改detect_dual.py中的参数 --weights,改成上面训练得到的best.pt对应的路径 --source,需要测试的数据图片存放的位置,代码中的test_imgs --conf-thres,置信度阈值,自定义修改 --iou-thres,iou阈值,自定义修改 其他默认即可 pycharm中运行detect_dual.py 在runs/detect文件夹下存放检测结果图片或者视频 【特别说明】 *项目内容完全原创,请勿对项目进行外传,或者进行违法等商业行为! 【备注】 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用!有问题请及时沟通交流。 2、适用人群:计算机相关专业(如计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网、自动化、电子信息等)在校学生、专业老师或者企业员工下载使用。
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