《Django 5 By Example》阅读笔记:p165-p210

AI浏览器:从搜索工具到数字神经中枢的范式革命 AI浏览器不是传统浏览器的智能插件,而是基于意图识别、上下文记忆与任务执行重构的信息交互新范式。它突破关键词匹配的局限,依托本地大模型实现低延迟语义理解,将网页浏览升维为跨站点、跨应用、可执行的智能代理过程。其技术价值在于打通HTTP协议层的数据通路,赋予AI对全网内容的‘上帝视角’,支撑法律审阅、竞品比价、文献综述等高阶工作流自动化。作为当前最接近‘操作系统级AI入口’的终端形态,AI浏览器正成为知识工作者构建个人数字中枢的核心载体。 阅读详情

《Django 5 By Example》学习第6天,p165-p210总结,总计46页。

一、技术总结

1.bookmarks项目

(1)登录认证

作者这里使用的是Django自带的auth。

(2)上传头像

图片处理,使用Pillow。

(3)扩展user

扩展user模型与自带的user使用外键进行关联,命名为profile。

二、英语总结(生词:4)

1.de facto

(1)de facto

adv. existing in fact, although not legally。p202, Pillow is the de facto standard library for image processing in Python. de facto不完全等于in fact, 可以理解为虽然不是法律上或者标准上,但在实际中被认为是。例如202页的这句话,虽然Pillow不属于Python标准库,但在实际的使用中被大家认为是图像处理的Python标准库。

(2)de jure

de jure是de facto的反义词。

三、其它

chapter 04简评:本章作者新建了一个bookmarkds项目讲解关于“认证(authentication)”的流程,较详细。

四、参考资料

1. 编程

(1) Antonio Melé,《Django 5 By Example》:https://book.douban.com/subject/37007362/

2. 英语

(1) Etymology Dictionary:https://www.etymonline.com

(2) Cambridge Dictionary:https://dictionary.cambridge.org

在这里插入图片描述

欢迎搜索及关注:编程人(a_codists)

Python工程化实战:21个生存级工具构建可复现、可追踪、可预期系统 Python工程化本质是解决环境不一致、逻辑难验证、协作低效三大痛点。其核心原理在于通过分层工具链建立确定性(如pyenv+poetry保障环境可复现)、静态与运行时双重校验(mypy+pydantic提升代码可信度)、以及标准化约束(black+ruff实现协作可预期)。这类技术方案显著降低新人上手门槛,同时加速老手交付节奏,广泛应用于Web服务、数据管道与边缘计算等场景。本文聚焦真实生产验证的21个不可替代工具,覆盖从本地开发到K8s部署的全生命周期。 阅读详情

相关推荐

UV Python包管理器:用Rust重写的极速确定性依赖管理方案

Python依赖管理长期面临安装慢、环境不一致、锁文件非确定等核心痛点。其本质是传统pip基于动态试错的依赖求解机制与现代工程化对可重现性的根本冲突。UV通过Rust实现静态图遍历式依赖解析,将求解过程压缩为毫秒级内存计算,同时统一虚拟环境创建、依赖同步、可编辑安装等高频操作于单一二进制工具中。它原生支持PEP 621和PEP 660标准,无缝对接pyproject.toml与可编辑模式,显著提升CI/CD稳定性与团队协作效率。本文聚焦UV在真实项目中的落地实践,涵盖初始化、锁文件生成、私有源配置及渐进迁移

weixin_33978044的博客 379

基于深度学习的猫狗目标检测(Python+YOLO26m+Django)实现详解

详解基于深度学习的猫狗目标检测系统:YOLO26m迁移学习训练、数据划分与错标检测、ONNX导出、Energy阈值拒识、Django+Vue网站部署,附后端核心代码。

WEIXIN_JSJBSZDS的博客 379

汽水音乐自动化薅羊毛教程:从零搭建稳定赚钱脚本

📖 前言:为什么要学习自动化脚本?在数字时代,时间就是金钱。汽水音乐等App通过观看广告奖励用户金币的模式,本质上是将我们的时间转化为收益。本教程将教你如何用Python自动化这个过程,让程序为你"打工",实现被动收入。通过本教程,你将学到:移动端自动化测试的核心技术Python在自动化领域的实际应用如何将重复性任务转化为自动化流程创造属于自己的"数字员工"第一章:环境准备与基础配置1.1 硬件要求Android手机一部(建议使用备用机)USB数据线。

weixin_44947827的博客 5832

【复古】浅尝Django前后端不分离

之前我们已经学过用 DRF 开发前后端分离的 Django 项目了,现在我们补充一下前后端不分离的古法 Web 开发的知识点。

2403_88863963的博客 185

RC滤波电路工作原理:【带图+公式计算】

容抗Xc和电容C成反比,和频率f也成反比,C越大,交流电容易通过电容,说明电容量大,电容的阻碍作用小;交流电的频率高,交流电也容易通过电容,说明频率高,电容的阻碍作用也小。我们可以看到,一个2V的纹波,经常RC电路后,幅值下降到mv级别,基本可以忽略不计,这就是RC滤波电路的工作原理。一个频率为1Khz的信号,通过一个容值为0.1uf的电容,计算电容对该信号产生的阻抗。将RC滤波器电路中的电阻,取值为1KΩ,电容取值为0.47uf,纹波幅值为2V。从公式1可以看到,Xc越大,Vout值就越接近Vin的值。

weixin_66299220的博客 2万+

【NVIDIA驱动的顽固问题】---- /dev/sdax:clean,xxx/xxx files,xxx/xxx blocks ---- 最全解决方法

本文的意义在于整理总结关于此问题的全部解决方法,希望能给大家节约时间。

lc1852109的博客 3129

基于 Django 的 B 站弹幕情感分析系统-毕业设计

面向UP主与内容研究者的弹幕情感分析系统:粘贴B站视频地址即可采集其全部可见弹幕(自实现WBI接口签名与protobuf解码,无需登录),经清洗、jieba分词、停用词过滤与朴素贝叶斯情感分类,输出情感分布、弹幕密度与情绪时间轴、高频关键词与词云;弹幕语境词由可维护的情感词典二次校正,支持多视频对比与Excel

csbysj2020 167

保姆级教程:手把手配置MAX9295/9296 GMSL2-CSI2链路,搞定4LAN/1LAN模式与常见调试

本文提供MAX9295/9296 GMSL2-CSI2链路的详细配置教程,涵盖4LAN和1LAN模式的硬件连接、寄存器配置及调试技巧。通过实战案例和代码示例,帮助开发者快速实现高带宽视频传输,解决常见问题如信号同步和功耗优化,适用于车载摄像头和机器人视觉系统开发。

weixin_42561143的博客 437

基于深度学习的交通场景多目标检测与交通流量分析——YOLO26m训练、ONNX部署与Django流量大屏实现

本文介绍一套基于深度学习的交通场景多目标检测与交通流量分析系统。模型侧使用6633张交通画面、79628个标注实例训练YOLO26m主模型,并以YOLO11m、YOLOv8m做同条件对比,评估采用逐类AP应对类别不平衡;应用侧基于Django与Vue2实现登录、图片识别、历史记录与流量大屏四个模块,识别优先走ONNX推理并支持模型切换,检测结果按类别聚合,直观呈现道路车流构成。

WEIXIN_JSJBSZDS的博客 296

低代码组件开发——OpenClaw智能助手的组件设计与开发(2026技术版)

OpenClaw智能助手的低代码组件开发平台采用分层架构设计,包含组件定义、注册、配置、渲染和生命周期管理等核心模块。该系统支持UI、功能、数据和集成四种组件类型,强调可重用性、可配置性和可扩展性。组件定义通过TypeScript、React等技术实现组件结构和行为的描述,组件注册中心基于Node.js和MongoDB管理组件版本。该平台通过React、Redux等技术实现组件渲染和状态管理,并提供完整的生命周期管理机制。这种架构设计显著提升了智能助手应用的开发效率和质量。

一键难忘的博客 408

YOLOv12改进专栏目录 | 本专栏持续更新500+篇内容 | 包含各种卷积、主干网络、各种注意力机制、检测头、损失函数、小目标检测改进、二次创新模块、独家创新等几百种创新点改进

《YOLOv12高效涨点改进专栏》提供500+创新改进方案,涵盖卷积、主干网络、注意力机制等模块优化,适用于检测、分割等任务。改进点来自顶会论文和个人经验,支持多种模型版本和任务场景。专栏包含详细教程、数据集增强、性能评估工具等,帮助科研人员快速实现模型优化和论文发表。提供完整运行项目和环境配置指导,适合计算机及相关专业研究人员使用,持续更新保障长期科研需求。

Ai缝合怪、助力小伙伴高效发论文 2338

第3章 第1节:Mapping 映射详解

ip:存 IPv4/IPv6 地址,支持 CIDR 网段查询(10.0.0.0/8)、范围查询、排序聚合。geo_point:存经纬度,支持(附近 N 公里)、(矩形范围)、按距离排序,适合"附近的门店"类需求,入门了解即可。预期返回。

啊渊的专栏 156

YOLO11涨点优化:卷积魔改 | DCNv2升级版本,助力检测

在DCN的基础上,增加了2个创新点,分别是调制模块和使用多个调制后的DCN模块,从形成了DCN的升级版本——DCNv2

①答疑群聊服务;②YOLO大模型知识问答系统;③计算机视觉论文生成智能体; 969

多 Agent 共用数据库,元数据检索怎么省下 token 账单?

多 Agent 编排正在从 Demo 走向生产。一个典型的变化是,过去是一个 Agent 连一个数据库,现在是五个、十个 Agent 同时连同一个数据库,有人查数,有人写数,还有人改表结构。数量一上来,问题就变成三个更实际的账:token 账单、协议互通、并发一致。下面逐个拆开,说清楚多 Agent 时代的数据库底座该怎么搭。多 Agent 时代数据库要接住三个账:token、协议、一致性,角色从「被动仓库」转向「主动中枢」

augen1355的博客 354

基于STM32L4XX、HAL库的MMA8452QR1姿态传感器驱动程序设计

/ HAL库需要左移1位。#define MMA8452Q_I2C_ADDRESS 0x1D // SA0=1时的地址。* @param range: 量程(MMA8452Q_RANGE_2G/4G/8G)* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。* @param haccel: MMA8452Q句柄。

zhusl6688的博客 779

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

【Python编程—从入门到实践】(Django入门:把Python变成网站,亲手搭建你的学习笔记)

本文以“学习笔记”网站为实战项目,带领 Python 初学者使用 Django,将基础编程知识转化为可访问、可交互的网页应用。内容涵盖虚拟环境搭建、项目与应用创建、数据模型设计、数据库迁移和后台管理,并通过首页、主题列表与笔记详情页,逐步理解路由、视图、模板和模型之间的协作关系。结合模板继承、数据查询与页面渲染,梳理从浏览器请求到内容展示的完整流程,掌握学习主题与笔记条目的组织方法。帮助读者建立网站开发的整体思路,搭建结构清晰、便于扩展的项目,为后续添加表单、用户登录与权限控制打下基础。

承于所学,探技术之渊;以代码求政,寻成长之道。 1万+

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

基于深度学习的皮肤镜图像黑色素瘤良恶性分类研究——ResNet50训练与Django部署全流程实现(Python)

针对皮肤镜图像黑色素瘤良恶性判别问题,本课题构建了一套基于深度学习的分类研究系统。数据层面完成画像、查重与分层划分,测试集冻结评估;模型层面以ResNet50迁移学习完成训练,以Macro-F1为主要指标,配合Grad-CAM热力图进行可解释性分析;应用层面将模型导出为ONNX格式,在Django框架下实现图片、视频、摄像头三类识别入口,并提供识别历史与统计大屏功能,部署推理与训练评估结果保持一致,全流程留痕可复现。

WEIXIN_JSJBSZDS的博客 370

怀旧版电脑GBC模拟器

再现原版GBC掌机的界面,电脑运行连游戏界面都一样大小,很怀旧,很真实,(英文版)强烈推荐,很小的文件,很难才找到的。

RU DOS版、EFI版32bit/64bit BIOS常用工具

DOS版、EFI版的RU工具,可用来查看IO、MEM、PCI、SMBIOS等资源。亲测在EFI SHELL下可用。

列式存储为什么适合分析类负载?原理、限制与日志场景应用

列式存储因按列组织数据,显著减少分析类查询中无关列的读取,结合高效压缩与向量化执行,提升宽表聚合性能。其优势源于存储布局、编码压缩与执行优化三层协同,但代价包括行重组开销、点查延迟及更新成本。适用性取决于查询列占比,日志分析场景可借助内建倒排索引实现检索与聚合一体化,是否合一需根据负载类型权衡。

SelectDB 329

Django 权限系统项目实战详细图文教程 7--系统主页功能实现 3

7、Django 权限系统项目实战详细图文教程 7--系统主页功能实现 3

测试开发 130

基于深度学习的猫图像目标检测方法研究:YOLOv8s模型海选、多种子对比训练与Django+ONNX部署实现详解

本课题基于深度学习研究猫图像目标检测问题。数据集含1000张猫图像、1188个标注框,按固定比例划分并冻结清单;训练前在多个候选族中短训海选,确定YOLOv8s为主模型,经学习率搜索与显存标定后完成150轮训练,验证集mAP50达到0.92,并以7个随机种子的对比实验验证稳定性。最优权重导出为ONNX接入Django系统,提供图片、视频、摄像头三种识别方式,配套识别记录管理与统计大屏,形成从训练到应用的完整闭环。

WEIXIN_JSJBSZDS的博客 217

基于深度学习的水下复杂场景鱼类目标检测系统:YOLOv8+Django实现详解

本课题面向水下复杂场景的鱼类检测问题,以YOLOv8s为主模型,在约8200张、13类的水下图像上完成训练。训练前通过短训海选自动选型,训练后与Faster R-CNN、SSD300在同一冻结划分和COCO评测口径下对比,三个随机种子重复实验并做统计检验,验证集mAP50-95为0.734。最优权重经对账后导出为端到端ONNX,接入Django与Vue系统,提供图片、视频、摄像头识别、识别历史管理与可视化大屏,形成从模型到应用的完整闭环。

WEIXIN_JSJBSZDS的博客 348

基于深度学习的塑料类型图像分类研究(Python+PyTorch+Django完整实现)

本课题围绕塑料回收分拣场景,完成基于深度学习的塑料类型图像分类研究。项目使用公开塑料识别数据集,覆盖六类常见塑料,先以ResNet18预训练特征做错标检测,自动隔离可疑样本并复测清洗效果,再按类别分层划分数据集;模型选用ResNet50进行迁移学习,训练中引入标签平滑与EMA应对标签噪声,以宏平均F1,各类别召回和混淆矩阵作为主要评估指标;训练完成的模型导出为ONNX格式,由Django后端加载推理,Vue前端实现图片上传与结果展示,形成从数据,训练到应用的完整闭环,可作为深度学习方向毕业设计的实现参考。

WEIXIN_JSJBSZDS的博客 159

深度学习毕业设计实战:基于YOLO26m的室内火灾早期烟雾与火焰检测系统(数据集+训练+Django部署)

这是一套面向室内早期火情的目标检测系统:主模型YOLO26m,训练数据约6500张室内火情图像,覆盖火焰与烟雾两类目标。系统提供图片、视频、摄像头三种识别方式,页面可在YOLO26m、YOLO11m、RTDETR间切换对比。后端Django、前端Vue,识别记录分级管理,数据大屏汇总置信度与任务类型,训练流程完整可复现,适合计算机专业毕设参考。

WEIXIN_JSJBSZDS的博客 314

认证、后台、站点地图、ORM:Django 替 CMS 备好的四样

四个 Python CMS 共用 Django 地基,后台却各盖各的;认证、权限、ORM 开箱自带。Flask 试过,Quokka 仓库停在 2019 年。

damoluomu的专栏 336

计算机毕设参考:基于深度学习的鸟类物种图像分类研究(PyTorch+ResNet50+Django逐行讲解)

本课题以Kaggle公开鸟类图像数据集为基础,包含7个鸟种类别、8400张图像。课题先完成数据查重、损坏检测与错标评估,按70/15/15划分数据集并做防泄露核对;随后基于PyTorch使用ResNet-50完成迁移学习训练,产出训练曲线、混淆矩阵、Grad-CAM热力图等图表;模型导出为ONNX并标定域外拒识双防线;通过Django与Vue搭建识别网站,支持图片、视频、摄像头识别与统计大屏,形成训练与应用的闭环。

WEIXIN_JSJBSZDS的博客 421

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

weixin_53637133的博客 184
上一篇: 《Django 5 By Example》阅读笔记:p105-p164
下一篇: 《Django 5 By Example》阅读笔记:p211-p236
codists
博客等级 码龄6年 1488粉丝 379原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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