请求和响应

http协议里需要关注的

请求需要关注的东西 requests

url : 告诉浏览器,你要去哪里

Method:

​ get:传递数据:?&拼在url后面

​ 数据:url?key=value&key=value

​ post:

​ 请求体:

​ form data

​ 文件类型files

​ json

headers:

​ cookie:保存用户登录状态

​ User-Agent:告诉服务器你是谁

​ refere:告诉服务器你从哪里来

​ 服务器规定的特殊字段

2.2 请求需要关注的东西 response

Status Code:

​ 2xx

​ 请求成功(不一定)---后台程序员自己规定的---不能用作请求成功的唯一判断标准

​ 3xx

​ 重定向

响应头:

​ location:重定向地址

​ set_cookie:设置cookie

​ 服务器规定的特殊字段

响应体:

​ 1.html代码(css,html,js)

​ 2.json

​ 3.二进制(图片,视频,音频)

3、 常用请求库、解析库、数据库的用法

3.1 常用请求库 测试网站:http://httpbin.org/get

request库

安装:pip install requests

使用

请求

①get请求:

响应对象 = requests.get(......)

​				**参数:**

​					url:

​					headers = {}

​					cookies = {}        优先级低于headers里的cookie字段

​					params = {}	

​					proxies = {'http':‘http://ip:端口’}

​					timeout = 0.5

​					allow_redirects = True

②post请求:

响应对象 = requests.post(......)

​				**参数:**

​					url:

​					headers = {}

​					cookies = {}

​					data = {}

​					json = {}

​					files = {‘file’:open(...,‘rb’)}

​					timeout = 0.5

​					allow_redirects = False

自动保存cookie的请求:

session = requests.session()

​			r = session.get(......)

​			r = session.post(......)
	  补充:(保存cookie到本地)
	  	import http.cookiejar as cookielib
	  	session.cookie = cookielib.LWPCookieJar()
	  	session.cookie.save(filename='1.txt')
	  	
	  	session.cookies.load(filename='1.txt')

响应:

r.url

​			r.text    常用

​			r.encoding = 'gbk'    常用

​			r.content     常用

​			r.json()      常用
 
​			r.status_code    用的少

​			r.headers  

​			r.cookies  

​			r.history
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
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
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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