ToB企服应用市场:ToB评测及商务社交产业平台

标题: python云盘算有哪些岗位,华为python教程下载 [打印本页]
作者: 勿忘初心做自己    时间: 2024-6-14 22:00
标题: python云盘算有哪些岗位,华为python教程下载
大家好，小编来为大家解答以下问题，华为python语言通用编程规范，python云盘算有哪些岗位，本日让我们一起来看看吧！


Source code download: 本文相关源码
   
     文章目次

   
   
  
  前言

  近日，《本草纲目》毽子操的视频刷屏网络。公司里更是多了很多刘畊宏女孩，在520到来之际特意奉献这篇文章给大家python自学能乐成吗。假如故意仪的女孩这篇文章可以帮助你哦。
     歌词：抬腿！拍腿！，侧边的肥肉咔咔掉，人鱼线马甲线我都要！刘畊宏的男孩女孩看过来。
    让我们来用Python定制出心仪的“本草纲目女孩”，敲出魔性的代码舞蹈，520，准备美意仪女孩的舞蹈视频，把这份别出心裁的礼品给TA❤️。
  一、华为云ModelArts-Notebook先容

  1.华为云ModelArts-Notebook

  ModelArts集成了基于开源的Jupyter Notebook和JupyterLab，可为您提供在线的交互式开发调试工具。您无需关注安装配置，在ModelArts管理控制台直接使用Notebook，编写和调测模型训练代码，然后基于该代码进行模型的训练。
  此中，ModelArts还提供了华为自研的分布式训练加速框架MoXing，您可以在Notebook中使用MoXing编写训练脚本，让您代码编写更加高效、代码更加简洁。
  1.1 Jupyter Notebook是什么

  Jupyter Notebook是一个可以在浏览器中使用的交互式的盘算应用步伐，该应用步伐的所有可见的内容，以条记本文档表示，包罗盘算的输入和输出、表明文本、数学、图像和对象的富媒体等表示。因此，Jupyter Notebook可以实现将代码、笔墨完美结合起来，非常得当从事机器学习、数据分析等数据科学工作的职员。
  Jupyter Notebook相关文档：Project Jupyter Documentation — Jupyter Documentation 4.1.1 alpha documentation
  1.2 JupyterLab是什么

  JupyterLab是一个交互式的开发环境，是Jupyter Notebook的下一代产品，可以使用它编写Notebook、操纵终端、编辑MarkDown文本、打开交互模式、查看csv文件及图片等功能。
  JupyterLab相关文档：JupyterLab Documentation — JupyterLab 4.1.5 documentation
  1.3 什么是Moxing

  MoXing是华为云ModelArts团队自研的分布式训练加速框架，它构建于开源的深度学习引擎TensorFlow、MXNet、PyTorch、Keras之上。相对于TensorFlow和MXNet原生API而言，MoXing API让模型代码的编写更加简朴，答应用户只需要关心数据输入(input_fn)和模型构建(model_fn)的代码，即可实现任意模型在多GPU和分布式下的高性能运行，低落了TensorFlow和MXNet的使用门槛。别的，MoXing-TensorFlow还将支持自动超参选择和自动模型结构搜索，用户无需关心超参和模型结构，做到模型全自动学习。
  Moxing相关文档：ModelArts-Lab/docs/moxing_api_doc at master · huaweicloud/ModelArts-Lab · GitHub
  2.Python-Opencv

  Python由荷兰数学和盘算机科学研究学会的吉多·范罗苏姆于1990年代初设计，作为一门叫做ABC语言的替代品。Python提供了高效的高级数据结构，还能简朴有用地面向对象编程。Python语法和动态类型，以及表明型语言的本质，使它成为多数平台上写脚本和快速开发应用的编程语言，随着版本的不断更新和语言新功能的添加，逐渐被用于独立的、大型项目的开发。
  Python表明器易于扩展，可以使用C语言或C++（大概其他可以通过C调用的语言）扩展新的功能和数据类型。Python也可用于可定制化软件中的扩展步伐语言。Python丰富的尺度库，提供了实用于各个主要体系平台的源码或机器码。
  OpenCV用C++语言编写，它具有C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和Mac OS，OpenCV主要倾向于实时视觉应用，并在可用时使用MMX和SSE指令，如今也提供对于C#、Ch、Ruby，GO的支持。
  opencv-python的github网址：opencv-python · PyPI
  OpenCV官网：OpenCV - Open Computer Vision Library
  二、本地案例实现Python定制我的《本草纲目女孩》

  1.案例实现流程

  众所周知，视频是由一帧帧图像构成，Opencv处理惩罚视频图像信息的原理就是将视频转为一帧帧图像，处理惩罚完图像后再转换为视频。
  用Python实现案例流程如下：
  

  2.案例环境摆设

  2.1 本机环境

  
  2.2 安装对应的anaconda包

  anaconda这是一个非常常用的python包集成管理工具，此中预安装了很多python库，使得我们不需要去手动安装各种的第三方库，我们知道本身取手动安装的过程中，很轻易就会遇到一些报错，办理起来也非常的贫困。
  anaconda官网：Free Download | Anaconda

下载完软件包一路点击安装就行了，安装乐成后会出现如下界面。

查看是否安装乐成下令：conda --version

  2.3 安装opencv-python

  进入anaconda控制台输入如下下令：
  1. pip install opencv-python
复制代码

  3.案例实现代码

  本案例的实现过程主要分为以下几步：
  1. 1. 导入数据
  2. 2. 导入库函数
  3. 3. 将视频转化为图像帧
  4. 4. 对图片帧进行ASCII码的转换
  5. 5. 将转换好的图片帧合成视频
复制代码
3.1 导入数据

  视频下载地址：https://cnnorth4-modelhub-datasets-obsfs-sfnua.obs.cn-north-4.myhuaweicloud.com/content/35d24c0e-f337-442b-935f-ef8123062d3e/QzNm9F/dataset/test_demo0510.mp4

  3.2 导入库函数

  1. #导入Python库
  2. import cv2
  3. from PIL import Image，ImageFont，ImageDraw
  4. import os
  5. from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize
复制代码
3.3 将视频转化为图像帧

  1. #将视频转换为图片存入目标文件夹
  3. def video_to_pic(vp):
  4.     number = 0
  5.    
  6.     # 判断载入的视频是否可以打开
  7.     if vp.isOpened():
  8.         
  9.         #r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组
  10.         r，frame = vp.read()
  11.         
  12.         #判断文件夹是否存在，不存在的话则新建文件夹
  13.         if not os.path.exists('cache_pic'):
  14.             os.mkdir('cache_pic')
  15.         os.chdir('cache_pic')
  16.         
  17.     else:
  18.         r = False
  19.         
  20.     #遍历视频，并将每一帧图片写入文件夹
  21.     while r:
  22.         number += 1
  23.         cv2.imwrite(str(number)+'.jpg'，frame)
  24.         r，frame = vp.read()
  25.         
  26.     print('\n由视频一共生成了{}张图片！'.format(number))
  27.    
  28.     # 修改当前工作目录至主目录
  29.     os.chdir("..")
  30.     return number
复制代码
3.4 对图片帧进行ASCII码的转换

  1. #将图片进行批量化处理
  3. def star_to_char(number， save_pic_path):
  4.    
  5.     #判断文件夹是否存在，不存在的话则新建文件夹
  6.     if not os.path.exists('cache_char'):
  7.         os.mkdir('cache_char')
  9.     # 生成目标图片文件的路径列表
  10.     img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
  11.     task = 0
  13.     for image_path in img_path_list:
  14.         
  15.         # 获取图片的分辨率
  16.         img_width， img_height = Image.open(image_path).size
  17.         task += 1
  19.         #处理图片，并显示处理进程
  20.         img_to_char(image_path， img_width， img_height， task)
  21.         
  22.         print('{}/{} is processed.'.format(task， number))
  23.         
  24.     print('=======================')
  25.     print('All pictures were processed!')
  26.     print('=======================')
  27.     return 0
  29. # 将图片转换为灰度图像后进行ascii_char中的ASCII值输出
  30. # 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。
  32. def get_char(r， g， b， alpha=256):
  33.    
  34.     #ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。
  35.     ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")
  36.    
  37.     #alpha在为0的时候便是完全透明的图片，所以返回空
  38.     if alpha == 0:
  39.         return ''
  40.    
  41.     length = len(ascii_char)
  42.    
  43.     #转为灰度图
  44.     #RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数
  45.     #如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素
  46.    
  47.     gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
  48.     # unit = (256.0 + 1) / len(ascii_char)
  49.     unit = 256 / len(ascii_char)
  50.     return ascii_char[int(gray / unit)]
  53. def img_to_char(image_path， raw_width， raw_height， task):
  54.     width = int(raw_width / 6)
  55.     height = int(raw_height / 15)
  57.     # 以RGB模式打开
  58.     im = Image.open(image_path).convert('RGB')
  59.     im = im.resize((width， height)， Image.NEAREST)
  61.     txt = ''
  62.     color = []
  63.    
  64.     #遍历图片的每个像素
  65.     for i in range(height):
  66.         for j in range(width):
  67.             pixel = im.getpixel((j， i))
  69.             # 将颜色加入进行索引
  70.             color.append((pixel[0]， pixel[1]， pixel[2]))
  71.             if len(pixel) == 4:
  72.                 txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])
  73.             else:
  74.                 txt += get_char(pixel[0]， pixel[1]， pixel[2])
  75.         txt += '\n'
  76.         color.append((255， 255， 255))
  78.     im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))
  79.     dr = ImageDraw.Draw(im_txt)
  80.     font = ImageFont.load_default().font
  81.     x， y = 0， 0
  82.     font_w， font_h = font.getsize(txt[1])
  83.     font_h *= 1.37  # 调整字体大小
  84.     for i in range(len(txt)):
  85.         if (txt[i] == '\n'):
  86.             x += font_h
  87.             y = -font_w
  88.         dr.text((y， x)， txt[i]， fill=color[i])
  89.         y += font_w
  90.         
  91.     #存储处理后的图片至文件夹
  92.     os.chdir('cache_char')
  93.     im_txt.save(str(task) + '.jpg')
  95.     #直接进入新创建的文件夹将生成的图片直接存入文件夹中
  96.     os.chdir("..")
  97.     return 0
复制代码
3.5 将转换好的图片帧合成视频

  1. # 进度条显示
  2. def process_bar(percent， start_str=''， end_str=''， total_length=0):
  3.     bar = ''.join("■ " * int(percent * total_length)) + ''
  4.     bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str
  5.     print(bar， end=''， flush=True)
  7. #图片帧合成视频
  9. def jpg_to_video(char_image_path， FPS):
  10.    
  11.     # 设置视频编码器，这里使用MP42编码器
  12.     video_fourcc = VideoWriter_fourcc(*"MP42")
  14.     # 生成目标字符图片文件的路径列表
  15.     char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
  17.     # 获取图片的分辨率
  18.     char_img_test = Image.open(char_img_path_list[1]).size
  19.     if not os.path.exists('video'):
  20.         os.mkdir('video')
  21.     video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)
  22.     sum = len(char_img_path_list)
  23.     count = 0
  24.     for image_path in char_img_path_list:
  25.         img = cv2.imread(image_path)
  26.         video_writter.write(img)
  27.         end_str = '100%'
  28.         count = count + 1
  29.         process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)
  31.     video_writter.release()
  32.     print('\n')
  33.     print('=======================')
  34.     print('The video is finished!')
  35.     print('=======================')
复制代码
3.6 主函数

  1. if __name__ == "__main__":
  2.     #初始视频路径
  3.     video_path = 'test_demo0510.mp4'
  5.     #原始视频转为图片的图片保存路径
  6.     save_pic_path = 'cache_pic'
  8.     #图片经处理后的图片保存路径
  9.     save_charpic_path = 'cache_char'
  11.     # 读取视频
  12.     vp = cv2.VideoCapture(video_path)
  14.     # 将视频转换为图片 并进行计数，返回总共生成了多少张图片
  15.     number = video_to_pic(vp)
  17.     # 计算视频帧数
  18.     FPS = vp.get(cv2.CAP_PROP_FPS)
  20.     # 将图像进行字符串处理后
  21.     star_to_char(number， save_pic_path)
  23.     vp.release()
  25.     # 将图片合成为视频
  26.     jpg_to_video(save_charpic_path， FPS)
复制代码
3.7 运行结果

  运行后一共天生了382张图片，和视频文件，保存在如下文件夹下。

  4.案例播放代码

  1. import cv2
  2. from IPython.display import clear_output， Image， display
  4. def show_video(video_path， show_text):
  5.     video = cv2.VideoCapture(video_path)
  7.     while True:
  8.         try:
  9.             clear_output(wait=True)
  10.             # 读取视频
  11.             ret， frame = video.read()
  12.             if not ret:
  13.                 break
  14.             height， width， _ = frame.shape
  15.             cv2.putText(frame， show_text， (0， 100)， cv2.FONT_HERSHEY_TRIPLEX， 3.65， (255， 0， 0)， 2)
  16.             frame = cv2.resize(frame， (int(width / 2)， int(height / 2)))
  17.             _， ret = cv2.imencode('.jpg'， frame)
  18.             
  19.             display(Image(data=ret))
  20.             
  21.         except KeyboardInterrupt:
  22.             video.release()
  23.             
  24. #视频循环播放
  25. i=1
  26. while i>0:
  27.     show_video('video/output.avi'，str(i))
  28.     i=i+1
复制代码

  三、华为云AI实现Python定制我的《本草纲目女孩》

  1.基础配置

  "本草纲目"健身操字符串视频操纵实例的案例页面如下：https://developer.huaweicloud.com/develop/aigallery/Notebook/detail?id=c81526e5-cc88-497f-8a21-41a5632e014e
  

  点击Run in ModelArts，进入JupyterLab页面。
  

  配置当前运行环境，切换规格，并选择免费的就好了。

  2.导入数据

  选择下方代码，点击运行。

  运行完成后如下：

  3.安装相关依赖

  选择下方代码，点击运行安装opencv包
  1. pip install opencv_python
复制代码

  4.导入库函数

  1. #导入Python库
  2. import cv2
  3. from PIL import Image，ImageFont，ImageDraw
  4. import os
  5. from cv2 import VideoWriter， VideoWriter_fourcc， imread， resize
复制代码

  5.将视频转化为图像帧

  1. #将视频转换为图片存入目标文件夹
  3. def video_to_pic(vp):
  4.     number = 0
  5.    
  6.     # 判断载入的视频是否可以打开
  7.     if vp.isOpened():
  8.         
  9.         #r：布尔型 （True 或者False），代表有没有读取到图片，frame：表示截取到的一帧的图片的数据，是个三维数组
  10.         r，frame = vp.read()
  11.         
  12.         #判断文件夹是否存在，不存在的话则新建文件夹
  13.         if not os.path.exists('cache_pic'):
  14.             os.mkdir('cache_pic')
  15.         os.chdir('cache_pic')
  16.         
  17.     else:
  18.         r = False
  19.         
  20.     #遍历视频，并将每一帧图片写入文件夹
  21.     while r:
  22.         number += 1
  23.         cv2.imwrite(str(number)+'.jpg'，frame)
  24.         r，frame = vp.read()
  25.         
  26.     print('\n由视频一共生成了{}张图片！'.format(number))
  27.    
  28.     # 修改当前工作目录至主目录
  29.     os.chdir("..")
  30.     return number
复制代码

  6.对图片帧进行ASCII码的转换

  1. #将图片进行批量化处理
  3. def star_to_char(number， save_pic_path):
  4.    
  5.     #判断文件夹是否存在，不存在的话则新建文件夹
  6.     if not os.path.exists('cache_char'):
  7.         os.mkdir('cache_char')
  9.     # 生成目标图片文件的路径列表
  10.     img_path_list = [save_pic_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
  11.     task = 0
  13.     for image_path in img_path_list:
  14.         
  15.         # 获取图片的分辨率
  16.         img_width， img_height = Image.open(image_path).size
  17.         task += 1
  19.         #处理图片，并显示处理进程
  20.         img_to_char(image_path， img_width， img_height， task)
  21.         
  22.         print('{}/{} is processed.'.format(task， number))
  23.         
  24.     print('=======================')
  25.     print('All pictures were processed!')
  26.     print('=======================')
  27.     return 0
  29. # 将图片转换为灰度图像后进行ascii_char中的ASCII值输出
  30. # 函数输入像素RGBA值，输出对应的字符码。其原理是将字符均匀地分布在整个灰度范围内，像素灰度值落在哪个区间就对应哪个字符码。
  32. def get_char(r， g， b， alpha=256):
  33.    
  34.     #ascii_char就是字符列表，用来将不同灰度的像素进行不同字符体替换的参照。
  35.     ascii_char = list("#RMNHQODBWGPZ*@$C&98?32I1>!:-;. ")
  36.    
  37.     #alpha在为0的时候便是完全透明的图片，所以返回空
  38.     if alpha == 0:
  39.         return ''
  40.    
  41.     length = len(ascii_char)
  42.    
  43.     #转为灰度图
  44.     #RGBA是代表Red(红色)、Green(绿色)、Blue(蓝色)和Alpha的色彩空间，Alpha通道一般用作不透明度参数
  45.     #如果一个像素的alpha通道数值为0%，那它就是完全透明的，而数值为100%则意味着一个完全不透明的像素
  46.    
  47.     gray = int(0.2126 * r + 0.7152 * g + 0.0722 * b)
  48.     # unit = (256.0 + 1) / len(ascii_char)
  49.     unit = 256 / len(ascii_char)
  50.     return ascii_char[int(gray / unit)]
  53. def img_to_char(image_path， raw_width， raw_height， task):
  54.     width = int(raw_width / 6)
  55.     height = int(raw_height / 15)
  57.     # 以RGB模式打开
  58.     im = Image.open(image_path).convert('RGB')
  59.     im = im.resize((width， height)， Image.NEAREST)
  61.     txt = ''
  62.     color = []
  63.    
  64.     #遍历图片的每个像素
  65.     for i in range(height):
  66.         for j in range(width):
  67.             pixel = im.getpixel((j， i))
  69.             # 将颜色加入进行索引
  70.             color.append((pixel[0]， pixel[1]， pixel[2]))
  71.             if len(pixel) == 4:
  72.                 txt += get_char(pixel[0]， pixel[1]， pixel[2]， pixel[3])
  73.             else:
  74.                 txt += get_char(pixel[0]， pixel[1]， pixel[2])
  75.         txt += '\n'
  76.         color.append((255， 255， 255))
  78.     im_txt = Image.new("RGB"， (raw_width， raw_height)， (255， 255， 255))
  79.     dr = ImageDraw.Draw(im_txt)
  80.     font = ImageFont.load_default().font
  81.     x， y = 0， 0
  82.     font_w， font_h = font.getsize(txt[1])
  83.     font_h *= 1.37  # 调整字体大小
  84.     for i in range(len(txt)):
  85.         if (txt[i] == '\n'):
  86.             x += font_h
  87.             y = -font_w
  88.         dr.text((y， x)， txt[i]， fill=color[i])
  89.         y += font_w
  90.         
  91.     #存储处理后的图片至文件夹
  92.     os.chdir('cache_char')
  93.     im_txt.save(str(task) + '.jpg')
  95.     #直接进入新创建的文件夹将生成的图片直接存入文件夹中
  96.     os.chdir("..")
  97.     return 0
复制代码

  7.将转换好的图片帧合成视频

  1. # 进度条显示
  2. def process_bar(percent， start_str=''， end_str=''， total_length=0):
  3.     bar = ''.join("■ " * int(percent * total_length)) + ''
  4.     bar = '\r' + start_str + bar.ljust(total_length) + ' {:0>4.1f}%|'.format(percent * 100) + end_str
  5.     print(bar， end=''， flush=True)
  7. #图片帧合成视频
  9. def jpg_to_video(char_image_path， FPS):
  10.    
  11.     # 设置视频编码器，这里使用MP42编码器
  12.     video_fourcc = VideoWriter_fourcc(*"MP42")
  14.     # 生成目标字符图片文件的路径列表
  15.     char_img_path_list = [char_image_path + r'/{}.jpg'.format(i) for i in range(1， number + 1)]
  17.     # 获取图片的分辨率
  18.     char_img_test = Image.open(char_img_path_list[1]).size
  19.     if not os.path.exists('video'):
  20.         os.mkdir('video')
  21.     video_writter = VideoWriter('video/output.avi'， video_fourcc， FPS， char_img_test)
  22.     sum = len(char_img_path_list)
  23.     count = 0
  24.     for image_path in char_img_path_list:
  25.         img = cv2.imread(image_path)
  26.         video_writter.write(img)
  27.         end_str = '100%'
  28.         count = count + 1
  29.         process_bar(count / sum， start_str=''， end_str=end_str， total_length=15)
  31.     video_writter.release()
  32.     print('\n')
  33.     print('=======================')
  34.     print('The video is finished!')
  35.     print('=======================')
复制代码

  8.运行主函数

  1. if __name__ == "__main__":
  2.     #初始视频路径
  3.     video_path = 'test_demo0510.mp4'
  5.     #原始视频转为图片的图片保存路径
  6.     save_pic_path = 'cache_pic'
  8.     #图片经处理后的图片保存路径
  9.     save_charpic_path = 'cache_char'
  11.     # 读取视频
  12.     vp = cv2.VideoCapture(video_path)
  14.     # 将视频转换为图片 并进行计数，返回总共生成了多少张图片
  15.     number = video_to_pic(vp)
  17.     # 计算视频帧数
  18.     FPS = vp.get(cv2.CAP_PROP_FPS)
  20.     # 将图像进行字符串处理后
  21.     star_to_char(number， save_pic_path)
  23.     vp.release()
  25.     # 将图片合成为视频
  26.     jpg_to_video(save_charpic_path， FPS)
复制代码

  等待主函数执行完成，后会天生如下三个文件夹：

  9.播放视频

  

  总结

  本文主要先容了本地开发和华为云ModelArts开发两种形式，从开发流程中大家也明确那种形式开发更简朴。
  ModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理惩罚及半自动化标注、大规模分布式Training、自动化模型天生，及端-边-云模型按需摆设能力，帮助用户快速创建和摆设模型，管理全周期AI工作流。
  华为云ModelArts-Notebook云开发的优势不需要本地进行安装资源包，在ModelArts-Notebook环境就已经集成了这些环境，减少了人为摆设压力，更易于上手、更高性能、一站式服务、支持多种主流框架。
  
  本文整理自华为云社区【内容共创】运动第16期。
  查看运动详情：【奖励公示】【内容共创】第16期 五月絮升华，共创好时光！签约华为云小编，还可赢高达500元礼包！-云社区-华为云
  相关任务详情：任务1.用Python定制我的“本草纲目女孩”

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。



欢迎光临 ToB企服应用市场:ToB评测及商务社交产业平台 (https://dis.qidao123.com/) Powered by Discuz! X3.4