tags:
篇首語：主要介紹了category.php?catid=379&areaid=10785&streetid=4677如何寫偽靜態相關的知識，希望對你有一定的參考價值。
category.php?catid=379&areaid=10785&streetid=4677如何寫偽靜態
樓主，如果你調用的是地區，出來數字，那可能是用錯了變量，調用出了地區id ，areaid。
地區有緩存，可以根據程序返回的id去調用緩存。
$AREA[$areaid][name]
areaid替換成你調用地區的變量
參考技術A
顯示地區名稱用$AREA[$areaid][name]就行了.
或許程序中間$areaid變量有被重定義的情況.仔細檢查一下$areaid 是否
為正確期望值.可以echo $areaid;看一下.
參考技術B1、方法有開啟rewrite干，正則表達匹配。這種用的應該不多。
2、用框架路由實現。
laravel
$router->get('/category/catid/areaid/streetid', function()
return ""
);
3、不用框架
開啟rewrite，所有訪問都路由到一個php 上，比如index.php
RewriteRule ^(.*)$ index.php?/$1 [QSA,PT,L]
然后根據全局函數，獲取訪問路徑。
category/catid/379/areaid/10785/streetid/4677
$param=$_SERVER['REQUEST_URI']
然后根據“/”轉數組。
$param的值差不多這個樣子['category','catid','379','areaid','10785','streetid','4677']
然后設計算法，執行category.php 。大多框架的路由 基本上也差不多這個思路。
完美解決錯誤：in bbox2out catid = (clsid2catid[int(clsid)]) KeyError:
最近用了一下paddlepaddle深度學習框架訓練了一下目標檢測模型，然后在訓練一段時候后在驗證的時候出現了錯誤：
File "...PaddleDetection-masterppdetutilscoco_.py", line 318, in bbox2out
catid = (clsid2catid[int(clsid)])
KeyError: 6小編是訓練一個目標檢測的模型， KeyError: 6 中的6是要檢測的類別的數量（6個類別）。
遇到這個錯誤的時候，很多人可能要放棄了（這框架我不玩了）
其實產生這個錯誤的原因就是paddle在驗證的時候沒有可慮到不同數據的問題，也就是說這個代碼在coco數據集上訓練可能是完全沒有問題，那么怎樣才能訓練自己的數據呢?
首先找到報錯的文件 File "...PaddleDetection-masterppdetutilscoco_.py"，這個文件是目標檢測文件的位置，每個人可能放置的位置不一樣，因人而異，找到你的文件夾的對應的文件，即可。
然后小編找到了報錯的位置，對報錯的內容進行了輸出，發現是代碼的bug（不兼容），
報錯的函數：
def bbox2out(results, clsid2catid, is_bbox_normalized=False):
"""
Args:
results: request a dict, should include: `bbox`, `im_id`,
if is_bbox_normalized=True, also need `im_shape`.
clsid2catid: class id to category id map of COCO2017 dataset.
is_bbox_normalized: whether or not bbox is normalized.
"""
xywh_res = []
for t in results:
bboxes = t['bbox'][0]
if len(t['bbox'][1]) == 0: continue
lengths = t['bbox'][1][0]
im_ids = np.array(t['im_id'][0]).flatten()
if bboxes.shape == (1, 1) or bboxes is None or len(bboxes) == 0:
continue
k = 0
for i in range(len(lengths)):
num = lengths[i]
im_id = int(im_ids[i])
for j in range(num):
dt = bboxes[k]
clsid, score, xmin, ymin, xmax, ymax = dt.tolist()
if clsid < 0: continue
catid = (clsid2catid[int(clsid)])
if is_bbox_normalized:
xmin, ymin, xmax, ymax =
clip_bbox([xmin, ymin, xmax, ymax])
w = xmax - xmin
h = ymax - ymin
im_shape = t['im_shape'][0][i].tolist()
im_height, im_width = int(im_shape[0]), int(im_shape[1])
xmin *= im_width
ymin *= im_height
w *= im_width
h *= im_height
else:
# for yolov4
# w = xmax - xmin
# h = ymax - ymin
w = xmax - xmin + 1
h = ymax - ymin + 1
bbox = [xmin, ymin, w, h]
coco_res = {
'image_id': im_id,
'category_id': catid,
'bbox': bbox,
'score': score
}
xywh_res.append(coco_res)
k += 1
return xywh_res我們看下函數的注釋，說明了是用于coco數據集，那么我們的假的coco數據集可能就不兼容
后來小編通過自己編寫代碼完美修改了數據集標注的格式，模型訓練就不會再產生問題了。
以上是關于category.php?catid=379&areaid=10785&streetid=4677如何寫偽靜態的主要內容，如果未能解決你的問題，請參考以下文章
