猿码记

Go常用包(三十六):自动化文档生成[swagger]

发表于2024-06-20|编程Go常用包篇

1.介绍1.1 什么是swaggerSwagger 是一套用于描述和文档化 RESTful API 的工具。它最初是由 Reverb Technologies 开发的，后来成为了 OpenAPI 规范的一部分。Swagger 提供了一种简单而直观的方式来定义、生成和可视化 API，帮助开发人员和团队更好地理解和使用 API。 1.2 swaggogithub.com/swaggo/swag 是一个开源项目，用于在 Go 语言中自动生成 Swagger 文档。它通过解析 Go 代码中的注释，生成符合 OpenAPI 规范的文档，从而简化了 API 文档的生成和维护过程。源码地址: https ...

Python框架篇(9):FastApi-SQLAlchemy集成

发表于2024-05-10|编程PythonFastAPI框架

1. 介绍ORM框架将数据库中的表（表结构）映射为面向对象的类（对象），将表中的记录（行）映射为类的实例（对象的实例），将表中的字段（列）映射为类的属性（对象的属性）。通过ORM框架，可以直接使用面向对象的方式来进行数据库操作，比如增删改查等，而不必编写复杂的SQL语句。 ORM框架的主要作用包括：简化数据库操作：ORM 框架封装了底层数据库的操作细节，提供了高级的对象操作接口，使得数据库操作更加简单和直观。提高开发效率：ORM 框架提供了自动化的数据库映射和对象关系管理，减少了开发人员对数据库操作的工作量，提高了开发效率。提高代码的可维护性：通过ORM框架，可以将数据模型和业务逻辑解 ...

Python框架篇(8):FastApi-文件处理

发表于2024-04-01|编程PythonFastAPI框架

1. 参数接收补充在之前的文章Python框架篇(2):FastApi-参数接收和验证学习中，忘了以下几种参数的接收，这里补充下： 1.1 注解Annotatedtyping.Annotated 是 Python 标准库中 typing 模块提供的一个工具，用于在类型提示中添加元数据（metadata）。它可以帮助开发者更清晰地描述变量或函数的含义和用途,使用基本语法如下： Annotated[type, metadata1, metadata2, ...] 其中，type 是变量或函数的类型，而 metadata1, metadata2, … 是元数据，可以是任何类型的对象，如字符串、字典 ...

Python框架篇(7):FastApi-依赖项

发表于2024-03-26|编程PythonFastAPI框架

有时选择太多也会让人陷入焦虑，比如突然有一段自由时间，却因为想做的事情太多，最后把时间都浪费在了摇摆不定上，静不下心做最重要的事，或者说根本不知道最重要的事情是什么。———- 《认知觉醒:开启自我改变的原动力》 1.介绍在软件工程中，依赖注入（dependency injection，缩写为 DI）是一种软件设计模式，也是实现控制反转的其中一种技术。这种模式能让一个对象接收它所依赖的其他对象。“依赖”是指接收方所需的对象。“注入”是指将“依赖”传递给接收方的过程。在“注入”之后，接收方才会调用该“依赖”[1]。此模式确保了任何想要使用给定服务的对象不需要知道如何建立这些服务。取而代之的是 ...

AI学习(5):PyTorch-核心模块(Autograd):自动求导

发表于2024-02-27|AI学习基础篇

1.介绍在深度学习中，自动求导是一项核心技术，它使得我们能够方便地计算梯度并优化模型参数。PyTorch 提供了一个强大的自动求导模块(Autograd)，它可以自动计算张量的导数得出梯度信息，同时也支持高阶导数计算。 1.1 概念词在学习PyTorch的过程中，经常会看到这些词汇: 自动求导、梯度计算、前向传播、反向传播、动态计算图等，下面是一些简单介绍: 自动求导：PyTorch 的 Autograd 模块负责自动计算张量的梯度。当我们在 PyTorch 中定义了一个张量，并设置了 requires_grad=True 时，PyTorch 会自动跟踪对该张量的所有操作，并构建一个动态 ...

AI学习(4):PyTorch实战-手写数字识别

发表于2024-01-31|AI学习基础篇

1.介绍在之前的文章中介绍了PyTorch的环境安装，和张量(tensor)的基本使用，为防止陷入枯燥的理论学习中，在这篇文章，我们将进行项目实战学习，项目主要内容: 基于MNIST数据集，实现一个手写数字识别的神经网络模型； @说明: 通过具体项目实战，我们可以初步了解：使用PyTorch框架开发一个人工智能应用的基本流程。 1.1 什么是MNISTMNIST数据集是一个广泛用于机器学习和深度学习领域的图像数据集,MNIST数据集包含了60,000个用于训练的图像和10,000个用于测试的图像，共计70,000张图片。每张图像都是28x28像素的灰度图，其中每个像素的灰度值在0到255之 ...

AI学习(3):PyTorch-初识张量

发表于2024-01-26|AI学习基础篇

1.介绍 @注:下面是对PyTorch进行了简单的介绍，不喜欢可直接跳过。 1.1 什么是PyTorchPyTorch是一个由Facebook人工智能研究团队开发的开源机器学习库，用于开发人工智能和深度学习的应用程序。PyTorch支持广泛的机器学习和深度学习算法，并基于强大的GPU加速计算库CUDA，提供了高效的张量计算（如数组计算）和深度神经网络功能。 PyTorch的主要特性: 易用性：PyTorch提供了一个类似于NumPy的编程环境，以及全面的深度学习功能，使得神经网络的构造和训练都变得非常直观。动态计算图：PyTorch使用动态计算图，这意味着您可以在运行过程中更改图形。 ...

AI学习(2):PyTorch2.1 环境安装

发表于2024-01-19|AI学习基础篇

1.介绍 @注:下面是对PyTorch进行了简单的介绍，不喜欢可直接跳过。 1.1 什么是PyTorchPyTorch是一个由Facebook人工智能研究团队开发的开源机器学习库，用于开发人工智能和深度学习的应用程序。PyTorch支持广泛的机器学习和深度学习算法，并基于强大的GPU加速计算库CUDA，提供了高效的张量计算（如数组计算）和深度神经网络功能。 PyTorch的主要特性: 易用性：PyTorch提供了一个类似于NumPy的编程环境，以及全面的深度学习功能，使得神经网络的构造和训练都变得非常直观。动态计算图：PyTorch使用动态计算图，这意味着您可以在运行过程中更改图形。 ...

AI学习(1):初识AI,踏上未来之旅

发表于2024-01-15|AI学习基础篇

1.介绍1.1 人工智能人工智能是一门研究如何使计算机系统能够模拟、仿效人类智能行为的科学与技术领域。其目标是使机器能够执行需要智能的任务，包括感知、学习、推理、问题解决和自主行动等。人工智能的发展涵盖了多个学科，包括计算机科学、数学、心理学、神经科学等，旨在创造出能够表现出类似人类智慧的机器系统。关键特征和能力：感知和认知：人工智能系统能够感知和理解环境中的信息，包括视觉、听觉、触觉等感知方式。学习能力：人工智能具备学习的能力，可以通过处理大量数据来提高性能，不断优化自身的表现。推理和决策： AI系统能够推理和进行决策，基于已有知识和经验来解决问题，并在不断学习的过程中改进 ...

Python库学习(十四):ORM框架-SQLAlchemy

发表于2024-01-07|编程Python常用库

1.介绍SQLAlchemy 是一个用于 Python 的 SQL 工具和对象关系映射（ORM）库。它允许开发者通过 Python 代码而不是 SQL查询语言来操作数据库。SQLAlchemy 提供了一种灵活且强大的方式来与关系型数据库交互，支持多种数据库后端，如 PostgreSQL、MySQL、SQLite 等。本文使用的SQLAlchemy版本: 1.4.51 1.1 Core和Orm当学习使用 SQLAlchemy 时，经常会听到两个核心概念：SQLAlchemy ORM 和 SQLAlchemy Core。它们分别是 SQLAlchemy 的两个主要组件，用于处理数据库操作的不 ...

Python库学习(十三):爬虫框架-Scrapy

发表于2023-12-21|编程Python常用库

微信搜索【猿码记】查看更多文章… 1.介绍Scrapy是一个用于爬取网站数据的Python框架。它提供了一套强大而灵活的工具，使开发者能够轻松地创建和管理爬虫，从而从网站中提取所需的信息。框架要求Python的版本 3.8+ Github Star:49.6k: https://github.com/scrapy/scrapy 中文文档: https://www.osgeo.cn/scrapy/intro/tutorial.html 1.1 特点和优势以下是一些Scrapy的主要特点和优势：结构化的框架： Scrapy提供了一个清晰的结构，将爬虫的不同部分组织起来，包括爬虫代码 ...

Python框架篇(6):FastApi-配置管理

发表于2023-12-19|编程PythonFastAPI框架

@提示: 微信搜索【猿码记】回复【fastapi】即可获取源码信息~ 在这一篇文章中,对fastapi框架和pydantic进行了升级，然后就是各种不兼容，以后再也不敢轻易升级…. pydantic：从1.10.11升级到2.5.2，这里有坑，里面有很多属性都给删除了，而且升级pydantic后，fastapi也必须升级，否则底层使用的pydantic会有问题； fastapi: 从 0.94.0升级到0.105.0； 1.介绍在大型项目中，良好的配置管理是确保系统可维护性和灵活性的关键，FastAPI官方文档在设置和环境变量: https://fastapi.tiangolo.c ...

本地搜索

由 hexo-generator-search 提供支持