# dl_pc_trainsphere

**Repository Path**: livehome/dl_pc_TrainSphere

## Basic Information

- **Project Name**: dl_pc_trainsphere
- **Description**: TrainSphere是一个创新的AI驱动平台，专注于自动化机器学习工作流程。它通过提供先进的自动标注和训练功能，使得用户能够在本地或云端环境中高效地开发和部署AI模型。
- **Primary Language**: Python
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2025-02-09
- **Last Updated**: 2025-02-09

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# TrainSphere 系统说明文档

## 1. 系统架构
本系统采用前后端分离架构,包含以下主要组件:
- master_server: 中心服务器,负责数据管理和任务调度
- end_app: 客户端应用程序,提供用户交互界面

## 2. 目录结构
### 2.1 master_server
- api/: REST API接口
- data/: 数据存储
  - clients.json: 客户端信息
  - datasets.json: 数据集信息
- backend/: 后端业务逻辑

### 2.2 end_app
- src/: 源代码目录
  - main.py: 程序入口
  - ui/: 用户界面
- setup.py: 依赖安装

## 3. 主要功能
- 客户端连接管理
- 数据集上传与管理
- 文件传输
- 用户认证

## 4. 开发工具
- 后端: FastAPI
- 前端: Vue.js
- 客户端: PyQt5
- 数据库: JSON文件存储

## 5. 启动说明

### 5.1 启动后端服务器
1. 进入master_server/backend目录
```bash
cd master_server/backend
```

2. 安装依赖
```bash
pip install -r requirements.txt
```

3. 启动后端服务
```bash
uvicorn main:app --host 0.0.0.0 --port 8000 --reload
```

### 5.2 启动前端服务
1. 进入master_server/frontend目录
```bash
cd master_server/frontend
```

2. 安装依赖
```bash
npm install
```

3. 启动开发服务器
```bash
npm run serve
```

4. 打开浏览器访问
```
http://localhost:8080
```

### 5.3 启动客户端应用
1. 进入end_app目录
```bash
cd end_app
```

2. 安装依赖
```bash
pip install -r requirements.txt
```

3. 运行客户端
```bash
python src/main.py
```

## 6. 注意事项
- 确保后端服务器先启动
- 确保所需端口(8000, 8080)未被占用
- 客户端启动前需要确保后端服务可访问