| 文件/模块类型 | 主要功能与典型应用 | 代码示例 | | :--- | :--- | :--- | | **YOLO系列脚本** | YOLOv5/v8等目标检测框架的核心组件，用于训练、验证和推理。 | `python train.py --data coco128.yaml --weights yolov5s.pt --epochs 100` | | **Django框架核心文件** | 构建Web应用，实现MVT架构中的模型、视图和URL映射。 | `python manage.py runserver` | | **Python模块/包** | 代码组织与复用，通过`import`调用。 | `import numpy as np` | | **项目编译/构建文件** | 编译Cython/C++扩展以提升性能，常见于深度学习框架。 | `python setup.py build_ext --inplace` | | **环境/依赖管理** | 管理项目依赖和虚拟环境。 | `pip install -r requirements.txt` | ### 1. YOLO系列目标检测脚本 在目标检测领域，`py`文件常指YOLO系列框架中的核心脚本，它们分工明确[ref_1]。 * **`train.py`**: 负责模型训练。通过加载数据集、配置超参数（如学习率、批次大小）和预训练权重进行迭代训练，输出最佳模型权重（如`best.pt`）。 ```python # YOLOv5 训练命令示例 python train.py --img 640 --batch 16 --epochs 50 --data dataset.yaml --weights yolov5s.pt ``` * **`val.py`**: 用于模型验证与评估。在独立的验证集上测试训练好的模型，计算精确率（Precision）、召回率（Recall）、平均精度（mAP）等关键指标，以客观评估模型性能[ref_1]。 ```python # YOLOv5 验证命令示例 python val.py --weights runs/train/exp/weights/best.pt --data dataset.yaml ``` * **`detect.py`**: 执行推理预测。加载训练完毕的模型权重，对图像、视频或实时流进行目标检测，并输出带有边界框和标签的可视化结果[ref_1]。 ```python # YOLOv5 检测图片示例 python detect.py --weights yolov5s.pt --source data/images/bus.jpg ``` * **模块化拆分（如YOLOv8）**: 为了代码更清晰，YOLOv8将早期的`modules.py`拆分为多个专用文件，如`conv.py`（卷积模块）、`head.py`（检测头）等。使用时需在`__init__.py`中正确导入[ref_4]。 ### 2. Django Web框架核心文件 在Django框架中，`.py`文件是构建Web应用的核心，遵循MVT模式。 * **`models.py`**: 定义数据模型。每个类对应数据库中的一张表，类的属性对应表的字段。Django的ORM会据此自动生成数据库表[ref_2]。 ```python # models.py 示例 from django.db import models class Article(models.Model): title = models.CharField(max_length=200) # 字符字段 content = models.TextField() # 文本字段 pub_date = models.DateTimeField(auto_now_add=True) # 自动设置日期 def __str__(self): # 定义对象的友好显示名称 return self.title ``` * **`views.py`**: 编写视图函数或类。负责处理业务逻辑，接收Web请求，操作模型（数据库），并最终返回响应（如渲染一个HTML模板）[ref_2]。 ```python # views.py 示例 from django.shortcuts import render from .models import Article def article_list(request): articles = Article.objects.all().order_by('-pub_date') # 查询所有文章 return render(request, 'blog/article_list.html', {'articles': articles}) ``` * **`urls.py`**: 配置URL路由。将特定的URL模式映射到对应的视图函数，是请求的入口点[ref_2]。 ```python # urls.py 示例 from django.urls import path from . import views urlpatterns = [ path('articles/', views.article_list, name='article_list'), # 将 /articles/ 映射到 article_list 视图 ] ``` ### 3. 通用的Python模块与包 在Python项目中，`.py`文件最基础的作用是作为模块或包的一部分，实现代码的封装和复用。 * **模块导入与调用**: 在同一目录下，可以直接`import`其他`.py`文件（模块）来使用其函数和类[ref_5]。 ```python # 假设有 utils.py 和 main.py 在同一目录 # utils.py def greet(name): return f"Hello, {name}!" # main.py import utils print(utils.greet("World")) # 输出: Hello, World! ``` * **包管理与`__init__.py`**: 当一个目录包含`__init__.py`文件时，该目录就被视为一个Python包。`__init__.py`可以初始化包，或定义`__all__`变量来控制`from package import *`的行为[ref_5]。 * **路径处理**: 要调用不同目录下的模块，需要将模块所在路径添加到`sys.path`中[ref_5]。 ```python import sys sys.path.append('/path/to/your/module/directory') import your_module ``` ### 4. 项目编译与构建脚本 在一些高性能计算或深度学习项目中，`.py`文件也用作编译脚本，以构建C/C++或Cython扩展。 * **`setup.py`**: 传统的项目构建和分发脚本。通过`setuptools`定义如何编译和安装扩展模块[ref_3]。 ```python # setup.py 示例 (编译Cython扩展) from setuptools import setup from Cython.Build import cythonize import numpy setup( ext_modules = cythonize("your_module.pyx"), include_dirs=[numpy.get_include()] # 包含NumPy头文件 ) ``` 编译命令通常为： ```bash python setup.py build_ext --inplace ``` * **环境与依赖**: `requirements.txt`文件（虽然后缀不是`.py`，但由Python生态管理）列出了项目所有依赖包。通过`pip install -r requirements.txt`一键安装。 ### 5. 常见问题与解决 * **Py4J错误**: 在Spark等场景中连接Java和Python时，可能遇到`Py4JError: Could not find py4j jar`。这通常是由于`py4j`库未正确安装或版本不匹配导致。解决方法包括使用`pip install --upgrade py4j`确保安装最新版，或检查环境变量`PYTHONPATH`是否包含正确的`py4j`库路径[ref_6]。 * **模块导入错误**: 确保目标`.py`文件在Python解释器可搜索的路径下（`sys.path`），并检查文件名拼写和是否存在循环导入。