- 博客(485)
- 收藏
- 关注
RSS订阅原创 Python FastApi（12）：表单数据
接收的不是 JSON，而是表单字段时，要使用Form。需预先安装。从fastapi导入Form创建表单（Form）参数的方式与Body和Query例如，OAuth2 规范的 "密码流" 模式规定要通过表单字段发送username和password。该规范要求字段必须命名为username和password，并通过表单字段发送，不能用 JSON。使用Form可以声明与Body（及QueryPathCookie）相同的元数据和验证。声明表单体要显式使用Form。
2025-04-03 09:37:24
771
原创 Python FastApi（10）：响应模型
你可以在任意的路径操作中使用它接收的类型与你将为 Pydantic 模型属性所声明的类型相同，因此它可以是一个 Pydantic 模型，但也可以是一个由 Pydantic 模型组成的list，例如List[Item]。FastAPI 将使用此路径操作响应模型在参数中被声明，而不是作为函数返回类型的注解，这是因为路径函数可能不会真正返回该响应模型，而是返回一个dict、数据库对象或其他模型，然后再使用来执行字段约束和序列化。
2025-04-01 09:37:40
919
原创 Python FastApi（9）：cookie和header
定义Cookie参数与定义Query和Path参数一样。首先，导入Cookie声明Cookie参数的方式与声明Query和Path参数相同。PathQuery是，都继承自共用的Param类。注意，从fastapi导入的QueryPathCookie等对象，实际上是返回特殊类的函数。必须使用Cookie声明 cookie 参数，否则该参数会被解释为查询参数。
2025-03-31 09:51:01
784
原创 Python FastApi（8）：模式的额外信息、额外数据类型
您可以在JSON模式中定义额外的信息。一个常见的用例是添加一个将在文档中显示的example。有几种方法可以声明额外的 JSON 模式信息。
2025-03-28 09:56:51
787
原创 Python FastApi（6）：路径参数和数值校验、查询参数模型
与使用Query为查询参数声明更多的校验和元数据的方式相同，你也可以使用Path为路径参数声明相同类型的校验和元数据。
2025-03-26 15:52:56
873
原创 Python FastApi（5）：请求体、查询参数和字符串校验
FastAPI 使用从客户端（例如浏览器）向 API 发送数据。是客户端发送给 API 的数据。是 API 发送给客户端的数据。API 基本上肯定要发送，但是客户端不一定发送。使用模型声明，能充分利用它的功能和优点。
2025-03-25 10:11:04
958
原创 Python FastApi（4）：查询参数
声明的参数不是路径参数时，路径操作函数会把该参数自动解释为参数。查询字符串是键值对的集合，这些键值对位于 URL 的?之后，以分隔。例如，以下 URL 中查询参数为skip：值为0，limit：值为这些值都是 URL 的组成部分，因此，它们的类型是字符串。但声明 Python 类型（上例中为int）之后，这些值就会转换为声明的类型，并进行类型校验。所有应用于路径参数的流程也适用于查询参数。
2025-03-24 09:21:58
245
原创 Python FastApi（3）：路径参数
FastAPI 支持使用 Python 字符串格式化语法声明这段代码把路径参数item_id的值传递给路径函数的参数item_id。运行示例并访问。
2025-03-23 18:24:37
645
原创 Python FastApi（2）：基础使用
进入文件所在目录，运行实时服务器。TestTest.pyappTest.py--reload打开浏览器访问。
2025-03-21 09:51:49
618
原创 Python FastApi（1）：介绍
FastAPI 是一个用于构建 API 的现代、快速（高性能）的 web 框架，使用 Python 并基于标准的 Python 类型提示。：可与和并肩的极高性能（归功于 Starlette 和 Pydantic）。。：提高功能开发速度约 200％ 至 300％。安装命令：安装所有的可选依赖及对应功能，安装还包括了uvicorn，你可以将其用作运行代码的服务器。也可以分开来安装。并且安装uvicorn然后对你想使用的每个可选依赖项也执行相同的操作。
2025-03-20 09:44:08
904
原创 Python（14）：Requests库
Requests 是⽤Python语⾔编写，基于urllib，采⽤开源协议的 HTTP 库。它⽐ urllib 更加⽅便，可以节约我们⼤量的⼯作，完全满⾜HTTP测试需求。
2025-03-18 10:23:33
694
原创 springboot3 webflux
传统的基于Servlet的Web框架，如Spring MVC,在本质上都是阻塞和多线程的，每个连接都会使用一个线程。在请求处理的时候，会在线程池中拉取一个工作者( worker )线程来对请求进行处理。同时，请求线程是阻塞的，直到工作者线程提示它已经完成为止。在Spring5中，引入了一个新的异步、非阻塞的WEB模块，就是Spring-WebFlux。该框架在很大程度上是基于Reactor项目的，能够解决Web应用和API中对更好的可扩展性的需求。
2025-03-13 13:53:27
702
原创 springboot3 RestClient、HTTP 客户端区别
RestClient是中引入的同步 HTTP 客户端，它取代了。同步 HTTP 客户端以阻塞方式发送和接收 HTTP 请求和响应，这意味着它会等待每个请求完成后才继续下一个请求。本文将带你了解RestClient的功能以及它与的比较。
2025-03-07 10:26:32
890
原创 springboot3 WebClient
从 Spring 5 开始，Spring 中全面引入了 Reactive 响应式编程。而 WebClient 则是 Spring WebFlux 模块提供的一个非阻塞的基于响应式编程的进行 Http 请求的客户端工具。由于 WebClient 的请求模式属于异步非阻塞，能够以少量固定的线程处理高并发的 HTTP 请求。因此，从 Spring 5 开始，HTTP 服务之间的通信我们就可以考虑使用 WebClient 来取代之前的 RestTemplate。首先，需要通过调用或调用其快捷方法，如getpost。
2025-03-06 17:25:56
1217
原创 Ollama（3）：API 交互、Python 使用
你还可以创建自定义客户端，来进一步控制请求配置，比如设置自定义的 headers 或指定本地服务的 URL。通过 Client，你可以自定义请求的设置（如请求头、URL 等），并发送请求。'content': '你是谁?',},])
2025-03-05 09:59:05
1200
原创 Ollama（2）：基本概念、模型交互
Ollama 是一个本地化的、支持多种自然语言处理（NLP）任务的机器学习框架，专注于模型加载、推理和生成任务。通过 Ollama，用户能够方便地与本地部署的大型预训练模型进行交互。
2025-03-04 09:33:40
828
原创 Ollama（1）：介绍
用户不仅可以使用 Ollama 提供的预训练模型，还可以在此基础上进行模型微调。根据自己的特定需求，开发者可以使用自己收集的数据对模型进行再训练，从而优化模型的性能和准确度。
2025-03-03 09:24:40
689
原创 OpenCV（12）：图像拼接、简单滤镜效果
图像拼接是计算机视觉中的一个重要应用，它可以将多张有重叠区域的图像拼接成一张更大的图像。常见的应用场景包括全景图生成、卫星图像拼接等。OpenCV 是一个强大的计算机视觉库，提供了丰富的工具来实现图像拼接。本文将详细介绍如何使用 OpenCV 进行图像拼接，重点讲解特征点检测和匹配的技术。应用场景。
2025-02-28 09:26:29
845
原创 OpenCV（11）：人脸检测、物体识别
模板匹配是一种在图像中寻找与给定模板图像最相似区域的技术。简单来说，模板匹配就是在一幅大图像中寻找与模板图像（即我们想要识别的物体）最匹配的部分，这种方法适用于物体在图像中的大小、方向和形状基本不变的情况。目标物体的图像片段。待检测的图像。表示模板图像在搜索图像中的相似度分布。
2025-02-27 09:46:47
1618
原创 OpenCV（10）：视频目标跟踪、视频背景减除
在计算机视觉领域，视频目标跟踪是一个非常重要的任务。视频目标跟踪广泛应用于监控、自动驾驶、人机交互等多个领域。OpenCV 提供了多种目标跟踪算法，其中 MeanShift 和 CamShift 是两种经典且常用的算法。本文将详细讲解这两种算法的原理、实现步骤以及如何在 OpenCV 中使用它们。
2025-02-26 10:01:30
1339
1
原创 OpenCV（9）：视频处理
视频是由一系列连续的图像帧组成的，每一帧都是一幅静态图像。视频处理的核心就是对这些图像帧进行处理。常见的视频处理任务包括视频读取、视频播放、视频保存、视频帧处理等。OpenCV 提供了和两个类，分别用于视频的读取和写入。此外，OpenCV 还提供了丰富的图像处理函数，可以对视频帧进行各种操作。
2025-02-25 10:12:25
950
原创 OpenCV（8）：图像直方图
图像直方图是图像像素强度分布的图形表示，对于灰度图像，直方图显示了每个灰度级（0到255）在图像中出现的频率，对于彩色图像，我们可以分别计算每个通道（如R、G、B）的直方图。直方图可以帮助我们了解图像的亮度、对比度等信息。例如，如果直方图集中在低灰度区域，说明图像偏暗；如果直方图分布均匀，说明图像对比度较好。表示图像中像素强度的分布情况，横轴表示像素强度值，纵轴表示该强度值的像素数量。针对灰度图像的直方图，表示每个灰度级的像素数量。针对彩色图像的直方图，分别表示每个颜色通道（如 BGR）的像素强度分布。
2025-02-24 09:27:32
567
原创 OpenCV（7）：图像轮廓检测
轮廓检测是图像处理中的重要任务，用于提取图像中物体的边界。OpenCV 提供了强大的轮廓检测功能，可以用于物体识别、形状分析、目标跟踪等应用。以下是 OpenCV 图像轮廓检测的详细说明。
2025-02-23 15:05:28
649
原创 OpenCV（6）：图像边缘检测
图像边缘检测是计算机视觉和图像处理中的一项基本任务，它用于识别图像中亮度变化明显的区域，这些区域通常对应于物体的边界。
2025-02-22 13:22:02
914
原创 OpenCV（5）：图像形态学操作
图像形态学操作是图像处理中的一种重要技术，主要用于处理二值图像（即黑白图像）。OpenCV 中的图像形态学操作是图像处理中的重要工具，通过腐蚀、膨胀、开运算、闭运算和形态学梯度等操作，可以实现对图像的噪声去除、对象分离、边缘检测等效果。掌握这些操作有助于更好地处理和分析图像数据。
2025-02-21 09:27:18
906
原创 OpenCV（4）：图像阈值处理、图像平滑处理
通过设定一个阈值，可以将图像中的像素分为两类：高于阈值的像素和低于阈值的像素。OpenCV 提供了多种阈值处理方法，下面将详细介绍三种常见的阈值处理技术：简单阈值处理、自适应阈值处理以及 Otsu's 二值化。与高斯滤波不同，双边滤波在平滑图像的同时，能够保留图像的边缘信息。与均值滤波不同，高斯滤波在计算像素平均值时，会给中心像素赋予更高的权重，而给边缘像素赋予较低的权重。OpenCV 提供了多种平滑处理的方法，下面将详细讲解四种常用的平滑处理技术：均值滤波、高斯滤波、中值滤波和双边滤波。
2025-02-20 09:31:30
998
原创 OpenCV（3）：图像算术运算
在图像处理中，算术运算和位运算是非常基础且重要的操作。本文将详细介绍如何使用 OpenCV 进行图像的加法、减法、乘法、除法、位运算以及图像混合操作。
2025-02-19 09:41:27
903
原创 OpenCV（2）：图像基本操作
本文将详细介绍图像的四种基本操作：访问和修改像素值、图像 ROI (Region of Interest) 操作、图像通道分离与合并、以及图像的缩放、旋转、平移和翻转。
2025-02-18 09:56:24
618
原创 OpenCV（1）：简介、安装、入门案例、基础模块
OpenCV 是一个功能强大、应用广泛的计算机视觉库，它为开发人员提供了丰富的工具和算法，可以帮助他们快速构建各种视觉应用。随着计算机视觉技术的不断发展，OpenCV 也将会继续发挥重要的作用。OpenCV 提供了大量的计算机视觉算法和图像处理工具，广泛应用于图像和视频的处理、分析以及机器学习领域。
2025-02-17 14:06:36
1419
原创 springboot与Freemarker
在对象的构造函数中指定要渲染的视图（模板），不需要添加.ftl后缀，因为已经统一在配置文件中定义了。// 创建 ModelAndView 对象，并指定视图名称// 添加 title 属性到 Model。
2025-02-16 14:05:40
962
原创 Python Pandas（13）：Pandas 性能优化
Pandas 是一个非常强大的数据分析工具，但当数据集变得庞大时，常常会遇到性能瓶颈。为了提高 Pandas 在处理大规模数据时的效率，了解并应用一些性能优化技巧是非常必要的。Pandas 性能优化涉及多个方面，包括数据类型优化、避免不必要的循环、使用向量化操作、优化索引以及分块加载大数据集等方法。下面我们将详细介绍 Pandas 性能优化的几种方法。
2025-02-15 11:45:50
1033
原创 Springboot3与openApi
其实是一种用于描述RESTful API的标准化格式，它定义了如何描述API的基本信息、结构、参数、响应等方面的规范。OpenAPI规范以机器可读的方式定义了RESTful API的结构和特征，支持自动生成文档、客户端与服务端代码、Mock Server和测试工具等。OpenAPI规范最初由开发Swagger的团队在2010年推出，从Swagger 2.0开始，Swagger规范被正式更名为OpenAPI规范，并得到了许多社区的支持和贡献。
2025-02-13 17:56:51
727
原创 Python Pandas（11）：Pandas 数据可视化
Pandas 提供的plot()方法可以轻松地绘制不同类型的图表，包括折线图、柱状图、直方图、散点图等。plot()方法有很多参数，可以定制图表的样式、颜色、标签等。除了使用 Pandas 提供的plot()方法外，Matplotlib 还可以提供更灵活的自定义功能，例如添加标题、标签、设置图表风格、调整坐标轴等。# 示例数据# 绘制折线图# 自定义# 显示plt.show()
2025-02-13 09:29:46
1305
原创 Python Pandas（10）：Pandas 数据排序与聚合
数据排序与聚合是数据分析中非常常见且重要的操作，特别是在大数据集中的数据分析时。排序帮助我们按特定标准对数据进行排列，而聚合则让我们对数据进行汇总，计算出各种统计量。Pandas 提供了强大的排序和聚合功能，能够帮助分析人员高效地处理数据。
2025-02-12 09:53:51
353
原创 Python Pandas（9）：Pandas 相关性分析
相关性分析是数据分析中常见且重要的一步，它帮助我们理解数据中不同变量之间的关系。在 Pandas 中，数据相关性分析是通过计算不同变量之间的相关系数来了解它们之间的关系。数据相关性是一项重要的分析任务，它帮助我们理解数据中各个变量之间的关系。Pandas 提供了多种方法来计算和分析数据的相关性，常见的相关性方法包括皮尔逊相关系数（Pearson）、斯皮尔曼等级相关系数（Spearman）以及肯德尔秩相关系数（Kendall）。相关性表示两个或多个变量之间的关系强度和方向。
2025-02-11 10:13:05
1070
dataease恢复资料包
2025-01-22
java系统用户相关的entity、service、mapper类
2024-10-14
ERP进销存系统需求规格说明
2024-10-14
linux系统docker离线镜像apollo-2.2.0镜像资源
2024-10-12
MyOffice办公系统的需求分析与设计方案
2024-09-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人