如果要进行客户端和服务器端之间的消息传递,我们可以使用HTTP协议请求
通过URL网址传递信息,可以直接在URL中写上要传递的信息,也可以由表单进行传递(表单中的信息会自动转化为URL地址中的数据,通过URL地址传递)
备注:已经取得资源,并将资源添加到响应中的消息体
可以向服务器提交数据,是一种比较安全的数据传递方式,比如在登录时,经常使用 POST 请求发送数据
请求服务器存储一个资源,通常需要制定存储的位置
请求服务器删除一个资源
请求获取对应的 HTTP 报头信息
可以获得当前URL所支持的请求类型
状态码:200 OK
表明请求已经成功. 默认情况下成功的请求将会被缓存
不同请求方式对于请求成功的意义如下:
GET:已经取得资源,并将资源添加到响应中的消息体.
HEAD:作为消息体的头部信息
POST:在消息体中描述此次请求的结果
请求成功对于PUT 和 DELETE 来说并不是200 ok 而是 204 所代表的没有资源 (或者 201 所代表的当一个资源首次被创建成功
以下是常见状态码及含义
在Windows下使用是有这个包的。 不过很奇怪,我在14.04版本上python2是没有,python3有。这个不太对。因为http包应该是一个标准的包。其中有server模块更是常用。
可能问题就是在python2和python3上。在python2你可以用BaseHttpServer, SimpleHTTPServer, httplib等模块完成同样的功能。
1. python程序部分import argparse
FLAGS = tf.app.flags.FLAGS
office31_flags.train()
parser = argparse.ArgumentParser()
parser.add_argument('--unlabeled_data_path', type=str, default=None)
parser.add_argument('--labeled_train_data_dir', type=str, default=None)
parser.add_argument('--train_dir_for_save', type=str, default=None)
parser.add_argument('--pretrained_checkpoint_path', type=str, default=None)
parser.add_argument('--d_cross_entropy', type=float, default=None)
parser.add_argument('--d_fake', type=float, default=None)
parser.add_argument('--d_unlabel', type=float, default=None)
parser.add_argument('--g_fc7_match', type=float, default=None)
parser.add_argument('--g_logical', type=float, default=None)
parser.add_argument('--g_image_match', type=float, default=None)
parser_parameters = parser.parse_args()
FLAGS.unlabeled_data_path = parser_parameters.unlabeled_data_path
FLAGS.labeled_train_data_dir = parser_parameters.labeled_train_data_dir
FLAGS.train_dir_for_save = parser_parameters.train_dir_for_save
FLAGS.pretrained_checkpoint_path = parser_parameters.pretrained_checkpoint_path
FLAGS.d_cross_entropy = parser_parameters.d_cross_entropy
FLAGS.d_fake = parser_parameters.d_fake
FLAGS.d_unlabel = parser_parameters.d_unlabel
FLAGS.g_fc7_match = parser_parameters.g_fc7_match
FLAGS.g_logical = parser_parameters.g_logical
FLAGS.g_image_match = parser_parameters.g_image_match
FLAGS.unlabeled_data_path = os.path.join(path, 'office_data/webcam')
FLAGS.labeled_train_data_dir = os.path.join(path, 'office_data/amazon')
FLAGS.train_dir_for_save = os.path.join(path, 'trained_dir')
FLAGS.pretrained_checkpoint_path = os.path.join(path, 'pretrained_model/bvlc_alexnet.npy')
parser.add_argument('--dataset', type=str, default='CIFAR10', choices=['MNIST', 'SVHN', 'CIFAR10'])
parser.add_argument('--learning_rate', type=float, default=1e-4)
parser.add_argument('--update_rate', type=int, default=5)
parser.add_argument('--lr_weight_decay', action='store_true', default=False)
parser.add_argument('--dump_result', action='store_true', default=False)