程序设计作业接口文档

程序设计作业接口文档 统一返回格式 { code: ..., # 状态码 msg: ..., # 描述信息 data: { # 数据 ... } } code = { 200 == 成功, 500 == 失败, } msg = { success == 成功 fail == 失败 ... } data = { key : value } 前端 虚拟换衣功能 @请求格式 (请求后端) # 前后端需统一样例图片id { userId: ...<int>, # 标识哪个用户的请求 isUploadCloth: ...<bool>, # 若上传衣服图片使用base64,否则用id isUploadPerson: ...<bool>, # 若上传人物图片使用base64,否则用id clothData: ...<base64||null>, # 衣服图片base64编码 personData: ...<base64||null>, # 人物图片base64编码 exampleClothId: ...<int>, # 衣服样例图片id examplePersonId: ...<int> # 任务样例图片id } 动漫头像功能 @请求格式 (请求后端) { userId: ...<int>, # 标识哪个用户的请求 imgData: ...<base64> # 需要动漫化的图片 } 后端 虚拟换衣功能 前端请求API: https://talented-civet-separately.ngrok-free.app/tryon/ @返回格式 (返回前端) { code: ...<int>, # 状态码 (200表示成功, 500表示失败) msg: ...<string>, # 消息 (success / fail) data: { tryon_result : ...<url>, # 处理后的图片url } } 动漫头像功能 前端请求API: https://talented-civet-separately.ngrok-free.app/anime/ @返回格式 (返回前端) { code: ...<int>, # 状态码 (200表示成功, 500表示失败) msg : ...<string>, # 消息 (success / fail) data: { anime_result : ...<url>, # 处理后的图片url } } 模型端 虚拟换衣功能 后端请求API: https://certain-ideally-foal.ngrok-free.app/tryon/predict/ @请求格式 (后端发出请求) { userid : ...<int>, # 用户id cloth : ...<url>, # 衣服图片url链接 person : ...<url> # 人物图片url链接 } @返回格式 (返回后端) { code: ...<int>, # 状态码 (200表示成功, 500表示失败) msg: ...<string>, # 消息 (success / fail) data: { image_value : ...<base64>, # 处理后的图片base64编码 } } 动漫头像功能 后端请求API: https://certain-ideally-foal.ngrok-free.app/anime/predict/ @请求格式 { userid : ...<int>, # 用户id origin_image : ...<url>, # 原图片url链接 } @返回格式 { code: ...<int>, # 状态码 (200表示成功, 500表示失败) msg: ...<string>, # 消息 (success / fail) data: { image_value : ...<base64>, # 处理后的图片base64编码 } }

December 2, 2023 · 2 min · SwimmingLiu

地大服务器使用教程

地大服务器使用教程 1. 服务器环境介绍 NVIDIA RTX 3090 (24GB) NVIDIA RTX 2080 Ti (11GB) 2. 配置实验环境 2.1 Conda环境安装 每位同学都会分配个人用户,大家在自己的用户上使用Conda进行环境配置。 Conda安装教程:https://blog.csdn.net/JineD/article/details/129507719 大家按照教程步骤安装即可, 由于安装时间较长, 视频中暂不进行演示。 2.2 Conda环境配置 (以YOLOv8为例) # 创建conda环境 名为yolov8_lyj python版本为3.9 conda create -n yolov8_lyj python=3.9 # 激活环境 conda activate yolov8_lyj # 选择合适的路径,克隆github项目代码 git clone https://github.com/ultralytics/ultralytics # 进入到项目路径下 cd ultralytics/ # 安装相关依赖包 pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple 2.3 准备数据集 下载需要训练的数据集 (最好找顶刊/顶会论文中的公开数据集) 按照算法指定的数据集格式,对数据集格式进行调整。 ​ 目标检测中数据集格式之间的相互转换:(VOC、COCO、YOLO格式) ​ https://zhuanlan.zhihu.com/p/461488682 2.4 开始实验 在算法中指定数据集的存放路径 (相对/绝对路径均可) 初始化算法的参数 batch-size 批处理大小:每一次处理图片的个数,根据显卡内存进行调整 epochs 迭代次数:算法总共需要训练的轮次 workers 载入数据进程数:每一次调用多少个进程来载入数据 device 选择显卡设备: '0'使用3090,'1'使用2080ti,'0,1'使用两张卡 开始训练 # 运行训练代码 python mian.py (注:使用向日葵的同学,可以直接在Pycharm当中运行) ...

November 20, 2023 · 1 min · SwimmingLiu