- Sort Score
- Result 10 results
- Languages All
Results 11 - 20 of 75 for modello (0.34 sec)
-
api/maven-api-metadata/pom.xml
XML - Registered: Sun May 05 03:35:11 GMT 2024 - Last Modified: Thu Apr 25 08:48:58 GMT 2024 - 3.1K bytes - Viewed (0) -
maven-api-impl/pom.xml
XML - Registered: Sun May 05 03:35:11 GMT 2024 - Last Modified: Thu May 02 15:10:38 GMT 2024 - 9.8K bytes - Viewed (0) -
maven-api-impl/src/main/java/org/apache/maven/api/services/model/ModelNormalizer.java
* * @param model The model whose duplicate elements should be merged, must not be {@code null}. * @param request The model building request that holds further settings, must not be {@code null}. * @param problems The container used to collect problems that were encountered, must not be {@code null}. */
Java - Registered: Sun May 05 03:35:11 GMT 2024 - Last Modified: Fri Apr 12 10:50:18 GMT 2024 - 2.3K bytes - Viewed (0) -
docs/de/docs/tutorial/extra-models.md
#### Pydantic's `.dict()` `user_in` ist ein Pydantic-Modell der Klasse `UserIn`. Pydantic-Modelle haben eine `.dict()`-Methode, die ein `dict` mit den Daten des Modells zurückgibt. Wenn wir also ein Pydantic-Objekt `user_in` erstellen, etwa so: ```Python user_in = UserIn(username="john", password="secret", email="******@****.***") ``` und wir rufen seine `.dict()`-Methode auf: ```Python user_dict = user_in.dict()
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Sat Mar 30 20:26:47 GMT 2024 - 8.7K bytes - Viewed (0) -
docs/de/docs/advanced/events.md
## Anwendungsfall Beginnen wir mit einem Beispiel-**Anwendungsfall** und schauen uns dann an, wie wir ihn mit dieser Methode implementieren können. Stellen wir uns vor, Sie verfügen über einige **Modelle für maschinelles Lernen**, die Sie zur Bearbeitung von Requests verwenden möchten. 🤖
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Sat Mar 30 20:30:59 GMT 2024 - 9.1K bytes - Viewed (0) -
docs/de/docs/tutorial/body.md
Es verbessert die Editor-Unterstützung für Pydantic-Modelle, mit: * Code-Vervollständigung * Typüberprüfungen * Refaktorisierung * Suchen * Inspektionen ## Das Modell verwenden Innerhalb der Funktion können Sie alle Attribute des Modells direkt verwenden: === "Python 3.10+" ```Python hl_lines="19"
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Fri Mar 22 01:42:11 GMT 2024 - 8.1K bytes - Viewed (0) -
docs/pt/docs/tutorial/extra-models.md
# Modelos Adicionais Continuando com o exemplo anterior, será comum ter mais de um modelo relacionado. Isso é especialmente o caso para modelos de usuários, porque: * O **modelo de entrada** precisa ser capaz de ter uma senha. * O **modelo de saída** não deve ter uma senha. * O **modelo de banco de dados** provavelmente precisaria ter uma senha criptografada. !!! danger
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Fri Mar 22 01:42:11 GMT 2024 - 7.8K bytes - Viewed (0) -
docs/de/docs/tutorial/security/get-current-user.md
Und Sie können alle Modelle und Daten für die Sicherheitsanforderungen verwenden (in diesem Fall ein Pydantic-Modell `User`). Sie sind jedoch nicht auf die Verwendung von bestimmten Datenmodellen, Klassen, oder Typen beschränkt. Möchten Sie eine `id` und eine `email` und keinen `username` in Ihrem Modell haben? Kein Problem. Sie können dieselben Tools verwenden.
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Sat Mar 30 18:08:05 GMT 2024 - 8.5K bytes - Viewed (0) -
docs/pt/docs/tutorial/body-nested-models.md
## Modelos aninhados Cada atributo de um modelo Pydantic tem um tipo. Mas esse tipo pode ser outro modelo Pydantic. Portanto, você pode declarar "objects" JSON profundamente aninhados com nomes, tipos e validações de atributos específicos. Tudo isso, aninhado arbitrariamente. ### Defina um sub-modelo Por exemplo, nós podemos definir um modelo `Image`: ```Python hl_lines="9-11"
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Thu Apr 18 19:53:19 GMT 2024 - 7.4K bytes - Viewed (0) -
docs/de/docs/tutorial/body-updates.md
* Fügen Sie diese in ein Pydantic-Modell ein. * Erzeugen Sie aus dem empfangenen Modell ein `dict` ohne Defaultwerte (mittels `exclude_unset`). * So ersetzen Sie nur die tatsächlich vom Benutzer gesetzten Werte, statt dass bereits gespeicherte Werte mit Defaultwerten des Modells überschrieben werden.
Plain Text - Registered: Sun May 05 07:19:11 GMT 2024 - Last Modified: Sat Mar 30 20:26:37 GMT 2024 - 6.5K bytes - Viewed (0)