- Sort Score
- Result 10 results
- Languages All
Results 1 - 10 of 43 for entrada (0.06 sec)
-
docs/es/docs/how-to/separate-openapi-schemas.md
Digamos que tienes un modelo Pydantic con valores por defecto, como este: {* ../../docs_src/separate_openapi_schemas/tutorial001_py310.py ln[1:7] hl[7] *} ### Modelo para Entrada { #model-for-input } Si usas este modelo como entrada, como aquí: {* ../../docs_src/separate_openapi_schemas/tutorial001_py310.py ln[1:15] hl[14] *}Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Tue Dec 16 16:33:45 UTC 2025 - 4.8K bytes - Viewed (0) -
docs/pt/docs/tutorial/response-model.md
/// ## Adicione um modelo de saída { #add-an-output-model } Podemos, em vez disso, criar um modelo de entrada com a senha em texto simples e um modelo de saída sem ela: {* ../../docs_src/response_model/tutorial003_py310.py hl[9,11,16] *} Aqui, embora nossa *função de operação de rota* esteja retornando o mesmo usuário de entrada que contém a senha: {* ../../docs_src/response_model/tutorial003_py310.py hl[24] *}Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 20:41:43 UTC 2025 - 17.3K bytes - Viewed (0) -
docs/es/docs/tutorial/body-updates.md
Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Tue Dec 16 16:33:45 UTC 2025 - 5.1K bytes - Viewed (0) -
docs/es/docs/tutorial/response-model.md
/// ## Añadir un modelo de salida { #add-an-output-model } Podemos en cambio crear un modelo de entrada con la contraseña en texto plano y un modelo de salida sin ella: {* ../../docs_src/response_model/tutorial003_py310.py hl[9,11,16] *} Aquí, aunque nuestra *path operation function* está devolviendo el mismo usuario de entrada que contiene la contraseña: {* ../../docs_src/response_model/tutorial003_py310.py hl[24] *}Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 20:41:43 UTC 2025 - 17.7K bytes - Viewed (0) -
docs/es/docs/tutorial/request-forms.md
Esto no es una limitación de **FastAPI**, es parte del protocolo HTTP. /// ## Recapitulación { #recap }Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Tue Dec 16 16:33:45 UTC 2025 - 3.1K bytes - Viewed (0) -
docs/pt/docs/advanced/websockets.md
Você verá uma página simples como: <img src="/img/tutorial/websockets/image01.png"> Você pode digitar mensagens na caixa de entrada e enviá-las: <img src="/img/tutorial/websockets/image02.png"> E sua aplicação **FastAPI** com WebSockets responderá de volta: <img src="/img/tutorial/websockets/image03.png">
Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 20:41:43 UTC 2025 - 6K bytes - Viewed (0) -
docs/es/docs/advanced/websockets.md
Verás una página simple como: <img src="/img/tutorial/websockets/image01.png"> Puedes escribir mensajes en el cuadro de entrada y enviarlos: <img src="/img/tutorial/websockets/image02.png"> Y tu aplicación **FastAPI** con WebSockets responderá de vuelta: <img src="/img/tutorial/websockets/image03.png">
Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 20:41:43 UTC 2025 - 5.9K bytes - Viewed (0) -
docs/pt/docs/_llm-test.md
* <abbr title="Um método de aprendizado de máquina que usa redes neurais artificiais com numerosas camadas ocultas entre as camadas de entrada e saída, desenvolvendo assim uma estrutura interna abrangente">Deep Learning</abbr> ### O abbr fornece uma frase completa e uma explicação { #the-abbr-gives-a-full-phrase-and-an-explanation }
Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 10:17:03 UTC 2025 - 12.4K bytes - Viewed (0) -
docs/pt/docs/tutorial/body-nested-models.md
Você não conseguiria este tipo de suporte de editor se estivesse trabalhando diretamente com `dict` em vez de modelos Pydantic. Mas você também não precisa se preocupar com eles, os dicts de entrada são convertidos automaticamente e sua saída é convertida automaticamente para JSON também. ## Corpos de `dict`s arbitrários { #bodies-of-arbitrary-dicts }Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Wed Dec 17 20:41:43 UTC 2025 - 7.4K bytes - Viewed (0) -
docs/es/docs/_llm-test.md
* <abbr title="Un método de machine learning que usa redes neuronales artificiales con numerosas capas ocultas entre las capas de entrada y salida, desarrollando así una estructura interna completa">Deep Learning</abbr> ### El abbr da una frase completa y una explicación { #the-abbr-gives-a-full-phrase-and-an-explanation }
Registered: Sun Dec 28 07:19:09 UTC 2025 - Last Modified: Tue Dec 16 16:16:35 UTC 2025 - 12.6K bytes - Viewed (0)