Django模型初识

Django ​​QuerySet​​ 是 ORM 的核心组件，本文初步讲解QuerySet对象的功能

Django 视图初步认识

通过前面的Django学习，我们了解了Django采用了MVT的软件模式，下面我们来学习Django的模型层。

Django的模型 模型准确且唯一的描述了数据。它包含您储存的数据的重要字段和行为。一般来说，每一个模型都映射一张数据库表。 基础： 每个模型都是一个 Python 的类，这些类继承 django.db.models.Model 模型类的每个属性都相当于一个数据库的字段。 利用这些，Django 提供了一个自动生成访问数据库的 API；

Django是一个高级的Python Web框架，它鼓励快速开发和干净、实用的设计。Django遵循MVC设计模式，旨在让开发者能够快速地构建网站，同时提供安全性和可维护性。Django的设计哲学是“不要重复自己”（DRY）和“可维护性优于写起来简单”。它旨在减少Web开发中的重复性工作，让开发者能够快速地从概念到完成产品。

课程介绍与Django 框架 1. 课程介绍 2.Django介绍 1.起源 2005年发布，采用Python语言编写的开源web框架 早期的时候Django主做新闻和内容管理的 重量级的Python Web框架，Django 配备了常用的大部分组件 2.组件 包含组件如下： 基本配置文件/路由系统 模型层(M)/模板层(T)/视图层(V) Cookies和Session 分页及发邮件 Admin管理后台 3.用途 用途一：网站/微信公众号/小程序后端开发 用途二：人工智能平台融合

此时，我在此时再创建一个family类，再次执行python manage.py makemigrations语句，会发现在migrations的文件下又创建了一个0002_family.py。发现002_family.py是依赖于0001_initial.py，说明0002实在0001的基础上进行操作的。在settings.py的INSTALLED_APPS中注册了你的app，不然这个类是不会自动帮你生成数据库的表。

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

Django初识体验 什么是Django Django是一个由Python编写的一个开放源代码的Web应用框架，也是目前Python下使用最多的一个Web框架。Django的MVT模式：Model（模型）+ View（视图）+ Template（模板）；和MVC本质上是一样的，都是为了组件间保持松耦合关系。 Mode：编写程序应有的功能，负责业务对象与数据库的映射（ORM） View：负责业务逻辑 Template：负责页面的展示 虚拟环境 虚拟环境是为了将不同的项目分隔开，防止不同项目之间因版本和库

java 基础包含语法、面向对象，异常处理、文件操作等方面。

避坑经验：发现先安装vllm后安装LlamaFactory有依赖冲突，改为先安装LlamaFacotory后安装vllm。直接安装 2.2.0，这个安装有点久，耐心等。合并原模型与lora训练结果。autodl的学术加速。训练后，目录结构与大小。

解析引擎，可选 'c' (C语言引擎，更快) 或 'python' (Python引擎，功能更全)：填充方法 ('backfill', 'bfill', 'pad', 'ffill', None)：0 或 'index' (检查每列)，1 或 'columns' (检查每行)：0 或 'index' (删除行)，1 或 'columns' (删除列)：'any' (有缺失就删除) 或 'all' (全部为缺失才删除)：文件编码，如 'gbk', 'utf-8' 等。

前面的代码你看不懂，也没关系，我们再来叙述一下selenium工作的过程1.selenium client(python等语言编写的自动化测试脚本)初始化一个service服务，通过Webdriver启动浏览器驱动程序chromedriver.exe2.通过RemoteWebDriver向浏览器驱动程序发送HTTP请求，浏览器驱动程序解析请求，打开浏览器，并获得sessionid，如果再次对浏览器操作需携带此id。

本文记录了基于HuggingFace Transformers最新master分支对Qwen2模型的学习过程。主要内容包括：1) 开发环境搭建（Python 3.11、PyTorch CPU版）；2) 模型测试代码实现，通过调参创建轻量级配置；3) 核心架构分析，包括分词编码、DecoderLayer处理流程（RMSNorm归一化、自注意力机制、前馈网络）和分组查询注意力机制；4) Qwen2的三大优化点：RMSNorm计算优化、RoPE位置编码和GQA注意力机制；5) 开发中遇到的版本依赖问题及解决方法。

然后我随机初始化这个造假币的a，我每次给他随机的输入，他会生成不同的假币，每一张假币都会让警察来判断，警察能够分别出真假，如果说你是假的，那么造假币的就要更新参数，如果是真的，那么造假币的参数就不用更新，警察要更新参数。为了让警察能分辨真币，我需要给他看真币的样子，也就是先训练警察知道什么是真币，但是只给他一个真币他也没法训练，我中间得掺杂一些无意义的噪声图片，无意义的肯定不可能是真币，所以他大概可以训练好。那么如何评价好这个分布情况呢？判别器的损失定义在先，生成器的损失定义基于判别器的反馈。

摘要 本教程介绍了如何使用Matplotlib库美化数据可视化图表。内容涵盖颜色调整（预定义颜色、十六进制代码、RGB值）、线型修改（虚线、点线等）和标记样式设置（圆形、方形等）。教程还详细讲解了如何自定义字体和文本样式，包括全局字体设置和特定文本元素的样式调整。每个知识点都配有Python代码示例和对应的图表效果展示，帮助用户快速掌握图表美化的实用技巧，提升数据可视化的专业性和美观度。