springboot项目yml文件中${}的使用

作用

项目启动时可以灵活的通过修改环境变量来替换配置中的值,如果没有传该环境变量时,就是用默认值;

格式:${自定义参数名:默认值}

代码举例,已开启应用的端口号为例:

server:
  port: ${SERVER_PORT:9600}

如果启动项目是传入了SERVER_PORT值时,会优先使用传入的值作为端口号启动项目,如果没有传该环境变量的值时,就使用9600作为项目端口号;

使用idea进行环境变量配置

没有进行环境变量配置

可以看到使用的默认值9600端口启动的项目;

在idea中修改环境变量

 

到此就将端口号换成了9601了,来看看效果

 

可以看到虽然配置文件中虽然还是9600,但是项目启动的端口号是使用刚才配置的9601来启动的;

使用jar包启动时进行环境变量配置

格式

java -jar jar包名.jar --参数名=参数值

如果有多个参数时,多个参数用空格分开即可

举例

//单个参数
java -jar test.jar --SERVER_PORT=9601

//多个参数时
java -jar test.jar --SERVER_PORT=9601 --SERVETL_CONTEXT_PATH=/all

  没有添加环境变量启动jar包

 

添加环境变量再启动jar包时

可以看到项目启动已经使用环境变量里的端口号来启动项目了

### 实现 YOLOv8 模型复现 为了快速实现YOLOv8模型的复现,可以遵循一系列结构化步骤来确保高效完成。环境配置是成功运行任何深度学习项目的基础[^2]。 #### 环境搭建及依赖安装 首先,创建一个新的Python虚拟环境并激活它: ```bash python -m venv yolov8-env source yolov8-env/bin/activate # Windows 用户应使用 `yolov8-env\Scripts\activate` ``` 接着,在环境中安装必要的库和支持工具: ```bash pip install fastdeploy # 安装FastDeploy用于加速部署过程 pip install paddlepaddle # 如果选择PaddlePaddle作为后端支持 ``` #### 下载预训练模型与测试图像 获取官方提供的预训练权重文件以及一张用于验证效果的图片非常重要。可以通过提供的链接下载这些资源。 #### 加载模型和执行预测 编写一段简单的脚本来加载模型并对新输入的数据做出预测。下面是一个基于`fastdeploy`的例子: ```python import cv2 from fastdeploy import ModelFormat, RuntimeOption, create_predictor def load_model(model_file, params_file=None): option = RuntimeOption() predictor = create_predictor(model_file, params_file, option) return predictor model_path = "path/to/model" image_path = "test_image.jpg" predictor = load_model(model_path) # 准备输入数据 input_data = {"inputs": [{"data": cv2.imread(image_path)}]} result = predictor.predict(input_data) print(result) ``` 这段代码展示了如何利用`fastdeploy`加载本地存储的YOLOv8模型,并对指定路径下的图片进行目标检测操作。 #### 数据集准备与自定义训练 对于想要进一步调整或重新训练模型的情况,则需准备好合适格式的数据集。通常情况下,这意味着收集标注好的图像样本,并按照特定框架的要求整理成相应的目录结构。之后便可以根据具体需求微调超参数设置来进行更深入的学习任务。 通过上述方法能够较为便捷地实现在不同平台上对YOLOv8模型的有效复现与初步应用开发工作。
评论 1
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