FastAPI第二天---参数校验
文章目录FastAPI第二天1.参数校验1.1 查询参数校验1.2 路径参数校验和数值检验2.请求体3.中间件FastAPI第二天第一天讲了如何快速搭建api以及如何利用路由参数，今天就来丰富一下其他的基本功能1.参数校验不论是前端还是后端，都同时涉及到参数校验这个功能。前端可能只是进行一些简单的判断校验；但是如果有人恶意绕过网页，直接向后端路由发送请求，这个时候后端检验就显得尤为重要。因此，现在的Web框架也基本包含了参数校验功能。1.1 查询参数校验之前我们讲了查询参数，今天我们就要为查询参
FastAPI第四天---数据库与模块化管理
文章目录FastAPI第四天1. 多应用程序管理2. 数据库相关FastAPI第四天1. 多应用程序管理当我们开发的时候，往往会涉及到大量的路由，如果将所有的路由都写在一个文件中，不利于我们对于某个路由以及其处理函数进行修改，更不利于整个项目后期的维护升级。而且一个文件中代码行数过大还会使得开发尤为不便，因此需要将路由进行分文件（模块化）处理。相信讲到这里，之前有学习过flask框架的应该都有感觉，这不就是flask中的蓝图吗？没错，FastAPI中的APIRouter与蓝图非常相似，同样都是为了分
TensorFlow2框架使用---中高阶API的使用
文章目录Tensorflow中高阶API的使用1. 构建数据管道1.1 numpy的ndarray构建1.2 从DataFrame构建1.3 生成器构建1.4 文本文件构建1.5 从文件路径构建2. 构建模型2.1 顺序模型2.2 函数式模型2.3 自定义模型结束Tensorflow中高阶API的使用1. 构建数据管道当数据量不大时，我们可以一次全部载入内存中训练；但是如果数据量很大，我们就要考虑将数据分批次载入内存中训练，这个时候就要利用数据管道。构建数据管道的途径有很多，下面介绍几种常见的数据格式
FastAPI第一天---环境搭建以及路由
文章目录FastAPI第一天1.环境配置2.“Hello World”3.参数问题4.查询参数FastAPI第一天这个专栏开始之前，我想先说说在这个专栏我想记录的到底是什么？或者说我们一起学习什么东西？作为一个喜欢并且经常弄一些机器学习、深度学习的学生，在平时我也喜欢学习一些web开发相关的知识，特别是一些火热/新的web框架，我都想上手试一试，并且把一些项目部署到web。简单点说，我希望将一些机器学习的项目上线，当然我希望使用到的技术尽量是新的，可以给人一些帮助的。所以我放弃了之前的Flask而是和
Gin第七天---中间件
文章目录Gin第七天1. 全局中间件2. 局部中间件3. 案例+写入日志文件结束Gin第七天Gin的中间件，或者说web框架中的中间件是提供系统软件和应用软件之间连接的软件。这些中间件可以是第三方的，也可以是自定义的，它们可以为web程序添加功能，也可以多处复用。在使用Gin创建路由的时候，我们经常会用到gin.Default()，其实这个之前就提到过，它默认就使用了Logger()和Recovery()这两个中间件。如果不想使用这两个可以直接使用gin.New()，其实一般情况下这两种差别不大。
FastAPI第三天---文件请求
文章目录FastAPI第三天1. 表单数据2. 文件请求FastAPI第三天1. 表单数据在每次我们实现登录的时候往往都是向服务器发送表单数据，但是从我们后端开发的角度来讲，表单数据确实最容易被攻击的部分。所以在设计表单的时候要设置好过滤器，处理用户发送给服务器的数据。当然，我们系统往往还涉及到数据库进行存储，这个时候SQL注入也是一件非常常见的攻击方式；还有其他类似于数据头注入、电子邮件注入等等手段，这些都是开发的时候需要考虑的。还是那句话，前端校验可以为我们避免部分攻击，但是后端的校验更为重要。
写给自己的TypeScript知识总结
文章目录TypeScript1.安装TS并且配置运行环境2.一些TS基础知识2.1 关于数据类型2.1.1 基础类型2.1.2 联合类型2.1.3 接口2.1.4 数组2.1.5 函数2.2 常用内容2.2.1 创建别名2.2.2 字面量限制2.2.3 元祖&枚举2.2.4 类与接口2.2.5 泛型TypeScript为了配合学习Vue3，所以昨天复习了一遍JavaScript，今天就接着学了一遍TypeScript，因为没有涉及到异步Promise那些，所以学起来还算轻松。1.安装TS并且配
FastAPI第五天---实现一个机器学习后端demo
文章目录FastAPI第五天1. 训练模型2.编写API3.优化APIFastAPI第五天在前面，我随着官网文档已经将常用的框架功能全部过了一遍，比如路由设置、模块化设计、数据库连接操作、路由参数以及参数校验……今天就可以正式利用FastAPI来实现我们本来的目标—利用FastAPI来搭建一个我们的机器学习服务开始之前，先来规划一下实现这个小demo的步骤：首先我们需要训练一个模型然后后端设置对应路由，并且调用模型预测，返回预测结果优化项目1. 训练模型在这个demo中，我们使用20 n
Opencv+ZBar识别条形码、二维码
文章目录Opencv识别条形码、二维码1.ZBar环境配置2.一维码（条形码）识别3. 二维码的识别4. Opencv识别二维码结束Opencv识别条形码、二维码最近的一次作业，恰好之前的项目也和c++图像处理相关，那今天就趁着熟练迅速把它搞定。c++其实关于图像处理的第三方库也有很多，只是大多数库需要根据自己的平台去自己cmake编译，而不是像python那样简单的pip就行。不过多编译几次熟练以后其实也很简单，而且编译的时候还可以摸鱼不香吗（特别是选择 with cuda编译opencv的时候，
opencv形态学处理
文章目录形态学处理1. 灰度化与二值化2. 形态学操作3. 利用形态学取样4. 代码部分形态学处理1. 灰度化与二值化这个在opencv中实现起来十分简单cvtColor(src,temp, COLOR_BGR2GRAY);threshold(temp,temp, 0, 255, THRESH_OTSU);当然二值化效果是否理想，阈值选取是否恰当还是要根据imshow二值化后的图来调整的。2. 形态学操作关于形态学的一些基本操作，比如腐蚀、膨胀、开运算（先腐蚀后膨胀），闭运算（先膨胀后腐
opencv 模板匹配&&形状匹配
文章目录1. 找圆垫子1.1 得到模板1.2 形状匹配2. 找瓜子这是第四次作业要求所以今天就趁机会讲讲模板匹配，正好之前的项目有一部分重要工作就是和模板匹配紧密相关，对于今天作业来说，之前的项目难度更大，因为涉及到许多要考虑的因素，还要考虑效率实时性等问题。太详细的我也不方便展开，下面先看看之前的效果 17_50_13_9 当然也有其他的车型，视频就不放了直接上结果图现
大学生人工智能挑战赛—智慧零售 从目标检测到算法落地
文章目录前言构思开始动手1.数据集准备2. 训练模型3. 转换模型格式4. 使用tensorRT改写效果最后前言这是最近的一次作业,试试本科竞赛内容应该没啥大问题吧正好水一篇博客.首先下载数据集,提取码 wwsj查看数据集给出的是json格式，训练集和测试集有标注(共110张)，其余还有无标注的需要自己手工标注。但是既然只是作业又不是去参加比赛，那就直接当小数据量样本训练.构思目前数据量较小,而且很明显是一个目标检测任务,并且涉及到算法落地的问题,所以开始之前一定要理清思路,想清楚每一步应
NC | 程蜀琳/陈洛南/张晨虹-运动干预脂肪肝的改善与肠道菌群网络的联系
https://doi.org/10.1038/s41467-022-29968-02022年5月10日，Nature Communications在线发表了上海交通大学运动转化医学中心（系统生物医学研究院/体育系）程蜀琳团队、中国科学院分子细胞科学卓越创新中心（生物化学与细胞生物学研究所）陈洛南研究组与上海交通大学生命科学技术学院张晨虹团队的合作研究成果A rando...
一文讲透肿瘤微生物组研究怎么做
肿瘤微生物组（Tumor Microbiome）或称瘤内微生物组（Intratumoral Microbiome）是肿瘤微环境中不可或缺的成员，与肿瘤的发生发展乃至治疗紧密相关，正受到越来越多研究者的密切关注。笔者有幸从2020年开始接触和了解肿瘤微生物组的研究方法和策略，并直接参与了许多科研项目的实施，积累了不少一手的材料。以下笔者从多个角度系统地介绍肿瘤微生物组的相关...
如何做一次高效的事故复盘？
2022中国 DevOps 现状调查全面启动！>>> 事故复盘无疑是系统服务可用性管理或DevOps建设中非常重要的一个环节，但是如何做到高效，却很难。我这里对高效复盘的基本原则做一些阐述。 背景： 我们先从最近的一则新闻说起，Google 在2020年12月14日凌晨发生一起全球Down机的事故，47分钟内Google账号服务不可用，导致依赖该账号服务的各种Google产品服务包括Google Cloud Console以及Gmail/Docs和Youtube等都不能正常的使用。看到有同学搞
InnerSource（内部开源）正当时 ---国际内源基金会Summit 2021 参后感
2022中国 DevOps 现状调查全面启动！>>> 上个月，又一次以member的身份参加国际内部开源基金会InnerSource Commons组织的InnerSource Summit 2021，并分享了一个议题。现在抽一点时间，写下我参加本次Summit的一些感受，并分享给大家。 首先介绍一下什么是内部开源和内部开源基金会。内部开源(InnerSource)就是在企业内部，采用开源社区习惯的方式进行协作，简单来说就是在企业内部开放源码，并接受其他团队的贡献，可以参考这里（gitee上关
工程师如何对待开源---一个老工程师的肺腑之言
2022中国 DevOps 现状调查全面启动！>>> 工程师如何对待开源 本文是笔者作为一个在知名科技企业内从事开源相关工作超过20年的工程师，亲身经历或者亲眼目睹很多工程师对待开源软件的优秀实践，也看到了很多Bad Cases，所以想把自己的一些心得体会写在这里，供工程师进行参考，希望能帮助工程师更好的成长。 概述 作为一个在科技企业内部进行技术工作的工程师，工作任务就是用技术手段支持和实现公司所关注的商业目标。 实际工作过程中，需要主动或者被动的使用和维护大量的开源软件。 据统计，每个工程
爱啦爱啦，这三款最频繁使用的 Python 数据探索分析神器真香啊
大家好，EDA 是数据分析必须的过程，用来查看变量统计特征，可以此为基础尝试做特征工程。今天我分享3个 EDA 神器，包括安装、代码编写、实操。方便大家学习与比较这三个工具包。 喜欢本文点赞、收藏、关注。⚠️注：文末提供技术交流群1. Pandas_Profiling这个属于三个中最轻便、简单的了。它可以快速生成报告，一览变量概况。首先，我们需要安装该软件包。# 安装Jupyter扩展widget jupyter nbextension enable --py widgetsnbextensi
今日推荐
周排行