一个基于python的flask框架的资讯网站
演示地址： ://119.29.100.53:
1背景介绍
该比赛要求参赛者开发一种数据舆情产品，帮助用户了解P2P行业现状。本人在比赛中负责网站的设计，开发和部署。团队最终排名第2。涉及内容：
前端：HTML5 + CSS + JavaScript + JSON
后台：Python轻量级Web应用框架Flask
2项目基本介绍
。
本项目主要是一个展示数据的网站。
数据来源是其他三位队友爬取数据后处理得到的，他们的项目在目录中。
本项目数据源在目录中，项目启动前需要将其引入到mongodb数据库中。
3快速入门
3.1安装环境
安装pyt
2021-09-12 20:06:24
7.64MB
1
完整版的----基于Python Flask框架+jquery Ajax技术实现的增删改查（CRUD）+Ajax的异步文件上传-----的代码
2021-09-12 16:50:30
22.34MB
1
主要介绍了Python flask框架如何显示图像到web页面,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2021-09-12 09:35:34
121KB
1
1、run_cnews_classifier.py 原生bert实现的文本分类
原文链接：
2、run_tnews_classifier.py 基于keras_bert实现的文本分类
原文链接：
3、run_lcqmc_similarity.py 基于bert4keras实现的文本相似度计算
原文链接：
4、run_kashgari_classifier.py 基于kashgari实现的文本分类
原文链接：
5、run_ChineseDailyNerCorpus.py 基于kashgari + bert/albert实现的ner
原文链接：
6、Bert_Train.py 基于bert训练模型，并保存为pb格式
原文链接：
7、Bert_Predict.py requests调用tf serving中的bert模型
原文链接：
8、fastbert.py 基于fastbert实现文本分类
2021-09-09 19:11:30
6.44MB
1
像素精简版
开源Flask入门程序在Pixel Lite UI Kit之上编码有基本模块，数据库，ORM和部署脚本， Pixel Lite UI Kit是一款功能全面的现代Bootstrap 4 UI Kit，可帮助您构建富有创意的专业网站。
产品特点
UI套件： Themesberg的Pixel Lite （免费版）
SQLite数据库，Flask-SQLAlchemy ORM
基于会话的身份验证流程（登录，注册）
部署脚本：Docker，Gunicorn / Nginx，Heroku
通过Github （问题跟踪器）和。
链接
产品页面
-实时部署
想要更多？ 专业版！
PR
2021-09-09 15:42:10
8.01MB
1
准备工作：
1.阿里云 ubuntu 系统的服务器
2.安装好Xshell软件，如果不会请参照我之前的博客
3.以及自己已经写好的flask的web工程
废话少说，进入正题：
1.首先用Xshell软件连接我们的云服务器
2.更新软件源
键入命令 sudo apt update
键入命令 sudo apt upgrade
3. 设置安全组
4. 部署 Ngin
键入命令 sudo apt-get install software-properties-common
键入命令 sudo add-apt-repository ppa:nginx/stable
键入命令
2021-09-09 14:23:26
537KB
1
本文章来为各位介绍一个python的例子，这个就是bootstrap+flask写登录页面的例子，希望文章能够对各位有所帮助。
Flask是一个使用 Python 编写的轻量级 Web 应用框架。其 WSGI 工具箱采用 Werkzeug ，模板引擎则使用 Jinja2 。在一般应用或个人开发中，可以很容易的写出应用。本篇就结合bootstrap，写一个简单的login界面。
一、效果图
无图无真像，先上效果图：
flask-bootstrap
flask-login
二、目录结构
该代码写时采用动静分离的方法进行编写，目录树如下：
[root@jb51 login]#
2021-09-09 10:16:28
84KB
1
主要介绍了Flask前后端分离项目案例，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2021-09-09 00:11:03
94KB
1
PyTorch版的YOLOv5是轻量而高性能的实时目标检测方法。利用YOLOv5训练完自己的数据集后，如何向大众展示并提供落地的服务呢？
本课程将提供相应的解决方案，具体讲述如何使用Web应用程序框架Flask进行YOLOv5的Web应用部署。用户可通过客户端浏览器上传图片，经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。
本课程的YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示，并提供在Windows系统上的部署方式文档。
本项目采取前后端分离的系统架构和开发方式，减少前后端的耦合。课程包括：YOLOv5的安装、 Flask的安装、YOLOv5的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产系统部署建议等。
本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：
《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》
Ubuntu系统 https://edu.csdn.net/course
2021-09-08 16:58:17
3.98MB
1