《Django 5 By Example》阅读笔记:p551-p560

python-筛选出论文中引用的中英文文献 中文文献引用格式:比如 张三(2013)、张三和李四(2014)、张三等(2015)英文文献引用格式:比如 Zhang(2013)、Yu and Zhang(2014)、Zhang et al.(2015)# 读取word文件需要安装python-docx包:pip3 install python-docx import docx import re import os #获取word对象 fi... 阅读详情

《Django 5 By Example》学习第 20 天,p551-p560 总结,总计 10 页。

一、技术总结

1.custom model field

(1)示例

courses/fields.py

from django.core.exceptions import ObjectDoesNotExist
from django.db import models


class OrderField(models.PositiveIntegerField):
    def __init__(self, for_fields=None, *args, **kwargs):
        self.for_fields = for_fields
        super().__init__(*args, **kwargs)

    def pre_save(self, model_instance, add):
        if getattr(model_instance, self.attname) is None:
            # no current value
            try:
                qs = self.model.objects.all()
                if self.for_fields:
                    query = {
                        field: getattr(model_instance, field)
                        for field in self.for_fields
                    }
                    qs = qs.filter(**query)
                # get the order of the last item
                last_item = qs.latest(self.attname)
                value = getattr(last_item, self.attname) + 1
            except ObjectDoesNotExist:
                value = 0
            setattr(model_instance, self.attname, value)
            return value
        else:
            return super().pre_save(model_instance, add)

courses/models.py:

from django.db import models
from django.contrib.auth.models import User
from django.contrib.contenttypes.fields import GenericForeignKey
from django.contrib.contenttypes.models import ContentType

from .fields import OrderField


# Create your models here.

class Subject(models.Model):
    title = models.CharField(max_length=200)
    slug = models.SlugField(max_length=200, unique=True)

    class Meta:
        ordering = ['title']

    def __str__(self):
        return self.title


class Course(models.Model):
    owner = models.ForeignKey(User, related_name='courses_created', on_delete=models.CASCADE)
    subject = models.ForeignKey(Subject, on_delete=models.CASCADE, related_name='courses')
    title = models.CharField(max_length=200)
    slug = models.SlugField(max_length=200, unique=True)
    overview = models.TextField()
    created = models.DateTimeField(auto_now_add=True)

    class Meta:
        ordering = ['created']

    def __str__(self):
        return self.title


class Module(models.Model):
    course = models.ForeignKey(
        Course, related_name='modules', on_delete=models.CASCADE
    )
    title = models.CharField(max_length=200)
    description = models.TextField(blank=True)
    order = OrderField(blank=True, for_fields=['course'])

    class Meta:
        ordering = ['order']

    def __str__(self):
        return f'{self.order}. {self.title}'


class Content(models.Model):
    module = models.ForeignKey(Module, related_name="contents", on_delete=models.CASCADE)
    content_type = models.ForeignKey(
        ContentType,
        on_delete=models.CASCADE,
        limit_choices_to={
            'model__in': ('text', 'video', 'image', 'file')
        }
    )
    object_id = models.PositiveIntegerField()
    item = GenericForeignKey('content_type', 'object_id')
    order = OrderField(blank=True, for_fields=['module'])

    class Meta:
        ordering = ['order']


class ItemBase(models.Model):
    owner = models.ForeignKey(User, related_name='%(class)s_related', on_delete=models.CASCADE)
    title = models.CharField(max_length=250)
    created = models.DateTimeField(auto_now_add=True)
    updated = models.DateTimeField(auto_now=True)

    class Meta:
        # 如果不设置 abstract = True 会有什么影响?
        abstract = True

    def __str__(self):
        return self.title


class Text(ItemBase):
    content = models.TextField()


class File(ItemBase):
    file = models.FileField(upload_to='files')


class Image(ItemBase):
    file = models.ImageField(upload_to='images')


class Video(ItemBase):
    url = models.URLField()

二、英语总结(生词:1)

1.in respect of

也写作 with respect to,意思是“in connection with something(与xxx有关的)”。

class Content(models.Model):

    # ...

    order = OrderField(blank=True, for_fields=['module'])

p557, This time, you specify that the order is calculated with respect to the module field(这一次,指定根据 module 字段计算顺序)。

三、其它

今天也没有什么想说的。

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参考文献 python参考文献,是你学习python的指南针。 立即下载

相关推荐

django web 开发指南(英文版)

django web 开发指南.这本书是英文的,请朋友酌情下载.

基于python爬虫技术的淘宝电商销售信息采集系统的设计与实现(Django框架) 参考文献_基于python的商品数据抓取和数据分析系统的实现 参考文献

Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

2401_84139924的博客 643

伺服电机的位置控制模式:PP模式与CSP模式的比较

在轮廓位置模式下,上位机给定目标绝对位置(或相对位置)、速度、加速度等参数,伺服内部的轨迹发生器根据这些参数生成目标位置曲线指令,通过伺服驱动器内部实现三环控制(位置环、速度环、力矩环)。如果还不理解,不妨看看下面的类比:轮廓位置模式中,上位控制器对伺服电机说,我给你个位置,怎么去哪,走那条路,那是你自己的事,这个时候伺服电机是有自己的思想的。同期同步位置模式红,上位机控制器对伺服电机的管理就和 严格,除了告诉你目标位置,走那条路都是控制器说的算,伺服电机就是个没有灵魂的工具。重点关注,轮廓位置模式。

m0_49968063的博客 5812

python毕业设计论文基于django学生在线考试系统

2.1 B/S架构B/S结构就是指系统客户端与服务器分离,客户端通过浏览器访问服务端进行操作。B/S结构目前广泛应用于绝大部分系统搭建中,这种结构摒弃C/S结构客户端服务端不分离的缺点,具有更多的优势:(1)跨平台性:B/S的标准由标准化组织确立,适用于绝大多数的系统搭建,通用于应用之间。(2)低维护成本:客户端和服务器端分离,减轻了两端的压力,尤其是客户端,对客户端设备,硬件、软件要求都比较低,并且系统需要升级或维护时,只需要在服务器端升级或维护就可以,使相应的费用减少。

m0_50936939的博客 1135

给汽车工程师的TSN实战手册:用TSN Box和TSNTools搞定车载以太网时间同步

本文为汽车工程师提供TSN(时间敏感网络)实战指南,详细讲解如何利用TSN Box和TSNTools实现车载以太网时间同步。内容涵盖测试环境搭建、802.1AS协议配置、七种延时测量与故障诊断,以及智能驾驶域控制器的同步调试案例,帮助工程师快速掌握TSN技术并应用于实际项目。

weixin_30613343的博客 210

Qwen3.6-27B本地部署实战:LM Studio配置、硬件门槛与避坑指南

大语言模型本地部署是当前AI工程落地的核心能力之一,其本质是将高参数量模型(如27B级)在受限硬件环境下实现低延迟、高稳定推理。关键技术原理涵盖量化压缩(如GGUF格式与q4_k_m精度权衡)、GPU显存分配策略(KV Cache管理与Offloading机制)、以及运行时环境兼容性(CUDA驱动、llama.cpp后端版本)。该能力直接决定私有化AI应用的技术可行性与成本边界,广泛应用于企业知识库构建、代码辅助、长文档分析等对数据主权和响应确定性要求高的场景。本文聚焦Qwen3.6-27B这一典型27B模

weixin_33272631的博客 469

2024年12月文章一览

看了下是从23年7月就开始写文章一览了,感觉过了很长很长的时间。2025年,祝大家元旦快乐,在新的一年都能得偿所愿。欢迎搜索及关注:编程人(a_codists)

codists的博客 481

UE5 GAS实战:从零构建一个MOBA英雄技能系统

本文详细介绍了如何利用UE5的Gameplay Ability System(GAS)构建MOBA英雄技能系统,涵盖核心组件如Ability System Component和GameplayEffect的使用,以及技能冷却、资源管理和连招系统等高级功能的实现。通过实战案例和代码示例,帮助开发者快速掌握GAS在MOBA游戏开发中的应用。

weixin_29012765的博客 529

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

避坑实录:用certificate-manager重置vCenter 6.7证书时遇到的三个致命陷阱

本文详细解析了使用certificate-manager重置vCenter 6.7证书时可能遇到的三大致命陷阱,包括进度卡在85%的服务启动僵局、脚本突然退出的静默杀手以及密码错误锁死的隐藏机制。通过实战验证的解决方案和高级恢复技巧,帮助系统管理员有效避免vCenter环境瘫痪,确保证书更新过程顺利进行。

g5h6i7j的博客 919

从零构建基于ZYNQ与AD9361的SDR信号源:FPGA逻辑与射频前端的协同设计

本文详细介绍了从零开始构建基于ZYNQ与AD9361的SDR信号源的完整流程。通过解析FPGA逻辑与射频前端的协同设计,重点阐述了如何利用FPGA生成基带信号,并通过ARM处理器配置AD9361,最终实现一个可编程的2.4GHz载波信号发生器。内容涵盖硬件选型、Vivado环境搭建、AXI总线通信、LVDS接口设计及软件驱动开发,为SDR开发者提供了实用的实战指南。

weixin_29200485的博客 215

【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 187

【教程4>第10章>第13节】基于FPGA的图像双边滤波开发——单通道双边滤波Verilog实现

本文介绍了基于Vivado 2022.2的单通道高斯滤波FPGA实现方案。主要内容包括:1)采用3×3窗口像素提取、高斯权值计算、exp指数运算等模块构建双边滤波系统;2)详细分析了Verilog HDL实现的顶层设计文件,包含窗口数据生成、指数计算、混合权重、归一化处理等关键模块;3)展示了图像双边滤波器的RTL结构图。该设计为后续实现RGB三通道图像高斯滤波及MATLAB联合仿真奠定了基础。

FPGA/MATLAB学习教程/源码/项目合作开发 265

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

从零开始学习AI人工智能本体论:概念与实战

本文旨在为初学者提供一个全面而易于理解的人工智能本体论入门指南。我们将覆盖从基本概念到实际应用的全过程,帮助读者理解本体论在AI系统中的核心作用。核心概念与联系:介绍本体论的基本概念和原理核心算法与操作步骤:详细讲解本体构建和推理方法项目实战:通过实际案例展示本体论的应用实际应用场景:探讨本体论在不同领域的应用未来发展趋势:展望本体论在AI领域的前景本体论(Ontology): 在AI中,指对特定领域概念及其关系的明确形式化描述。

AI智能探索者的博客 870

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

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

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

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

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

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 355

【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+

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

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 131

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 218

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 349

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 165

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
上一篇: 《Django 5 By Example》阅读笔记:p543-p550
下一篇: 《Django 5 By Example》阅读笔记:p561-p613
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