AI助理化繁为简,速取代码参数——使用python SDK 处理OSS存储的图片

简介: 只需要通过向AI助理提问的方式输入您的需求,即可瞬间获得核心流程代码及参数,缩短学习路径、提升开发效率。

案例简述

在本案例中,您将学习使用AI助理,帮助您在使用python SDK处理OSS中图片时的多个步骤中的关键参数进行一键提取,无需从开发参考文档中逐个翻阅汇总,提升您的开发效率。

本案例中,我们将使用AI助理帮我们实现使用python SDK来将OSS中的jpg格式的图片统一宽度并旋转180度后,再下载到本地。


使用AI助理极速获取关键参数

1. 直接向AI助理提问

点击阿里云官网右下角AI助理图标,向AI助理提问:

使用Python SDK处理阿里云OSS中bucket内所有jpg格式的图片,使其宽度变为1080px并旋转180度,并把图片下载到本地

image.png

AI助理会直接给我们提供方案:

image.png

2. 根据AI助理答复,在IDE中编写代码(以Pycharm为例)

2.1 导入所需模块

创建工程并新建processOssPics.py文件。

image.png

在终端中安装oss2:

pip3 install oss2

image.png

成功安装即可:

image.png


2.2 配置环境变量,复制代码并修改代码中的OSS bucket、region等参数为自己实际的参数

2.2.1 配置环境变量

如您已经在环境变量中配置了AK,可忽略。

如您未配置,可参考:https://help.aliyun.com/zh/oss/developer-reference/python-configuration-access-credentials?spm=a2c4g.11186623.0.0.682219c2aihis5#dd657ea839xv1

2.2.2 复制代码

根据AI助理的答复,复制代码至IDE中。

image.png

示例代码:

# -*- coding: utf-8 -*-
# @FileName: processOssPics
# @Software: PyCharm
# @Desc    : 使用Python SDK处理OSS中的图片

import oss2
from oss2.credentials import EnvironmentVariableCredentialsProvider

# 从环境变量中获取访问凭证
auth = oss2.ProviderAuthV4(EnvironmentVariableCredentialsProvider())

# 设置Endpoint、Bucket名称及Region
endpoint = 'https://oss-cn-hangzhou.aliyuncs.com'
bucket_name = 'your_bucket_name'
region = 'cn-hangzhou'

def handle_image(bucket, object_key):
    # 图片处理参数:宽度调整至1080px并旋转180度
    image_process = 'image/resize,w_1080/rotate,180'

    # 指定本地保存路径,可根据需要动态生成
    local_path = f'D:/processed_images/{object_key}'

    # 下载并处理图片
    bucket.get_object_to_file(object_key, local_path, process=image_process)


# 创建Bucket实例
bucket = oss2.Bucket(auth, endpoint, bucket_name, region=region)

# 列举Bucket内的jpg文件
prefix = ''  # 如果图片位于Bucket的特定目录下,可设置前缀,如 'images/'
for obj in oss2.ObjectIterator(bucket, prefix=prefix):
    if obj.key.endswith('.jpg'):
        # 处理单个图片
        handle_image(bucket, obj.key)

2.2.3 修改为自己的实际配置

修改其中的endpoint、bucket_name、region、local_path、prefix为自己的实际配置。本例中,修改为代码所在路径下的pics文件夹下。 image.png

2.3 运行代码,检查效果是否达到预期

OSS中图片:

image.png

代码处理后图片: image.png

案例优势

您无需从众多API参考文档中寻找关键参数,只需要通过向AI助理提问的方式输入您的需求,即可瞬间获得核心流程代码及参数,缩短学习路径、提升开发效率。

本例中图像处理参数需找到API,并根据规则进行组装:

image.png

但使用AI助理时,可以直接给出组装好的图像处理规则,大大提升开发效率。

image.png

相关实践学习
借助OSS搭建在线教育视频课程分享网站
本教程介绍如何基于云服务器ECS和对象存储OSS,搭建一个在线教育视频课程分享网站。
目录
相关文章
|
3天前
|
存储 人工智能 开发工具
AI场景下的对象存储OSS数据管理实践
本文介绍了对象存储(OSS)在AI业务中的应用与实践。内容涵盖四个方面:1) 对象存储作为AI数据基石,因其低成本和高弹性成为云上数据存储首选;2) AI场景下的对象存储实践方案,包括数据获取、预处理、训练及推理阶段的具体使用方法;3) 国内主要区域的默认吞吐量提升至100Gbps,优化了大数据量下的带宽需求;4) 常用工具介绍,如OSSutil、ossfs、Python SDK等,帮助用户高效管理数据。重点讲解了OSS在AI训练和推理中的性能优化措施,以及不同工具的特点和应用场景。
32 10
|
3天前
|
弹性计算 人工智能 数据管理
AI场景下的对象存储OSS数据管理实践
本文介绍了ECS和OSS的操作流程,分为两大部分。第一部分详细讲解了ECS的登录、密码重置、安全组设置及OSSUTIL工具的安装与配置,通过实验创建并管理存储桶,上传下载文件,确保资源及时释放。第二部分则聚焦于OSSFS工具的应用,演示如何将对象存储挂载为磁盘,进行大文件加载与模型训练,强调环境搭建(如Conda环境)及依赖安装步骤,确保实验结束后正确清理AccessKey和相关资源。整个过程注重操作细节与安全性,帮助用户高效利用云资源完成实验任务。
40 10
|
10天前
|
弹性计算 安全 开发工具
灵码评测-阿里云提供的ECS python3 sdk做安全组管理
批量变更阿里云ECS安全组策略(批量变更)
|
1月前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
2月前
|
存储 人工智能 缓存
AI助理直击要害,从繁复中提炼精华——使用CDN加速访问OSS存储的图片
本案例介绍如何利用AI助理快速实现OSS存储的图片接入CDN,以加速图片访问。通过AI助理提炼关键操作步骤,避免在复杂文档中寻找解决方案。主要步骤包括开通CDN、添加加速域名、配置CNAME等。实测显示,接入CDN后图片加载时间显著缩短,验证了加速效果。此方法大幅提高了操作效率,降低了学习成本。
5469 16
|
3月前
|
Kubernetes API 开发工具
【Azure Developer】通过SDK(for python)获取Azure服务生命周期信息
需要通过Python SDK获取Azure服务的一些通知信息,如:K8S版本需要更新到指定的版本,Azure服务的维护通知,服务处于不健康状态时的通知,及相关的操作建议等内容。
52 18
|
数据挖掘 人工智能 算法框架/工具
AI可以通过图片找BUG吗?闲鱼给出了他们的实践结果
随着AI技术的不断发展,TensorFlow大热,也给测试手段带来了更多种可能,本文接下来给大家介绍AI在闲鱼测试的一点实践:如何应用AI技术通过图片找bug。
1027 2
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
61 10
|
12天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
7天前
|
机器学习/深度学习 人工智能 算法
探索AI在医疗诊断中的应用与挑战
【10月更文挑战第21天】 本文深入探讨了人工智能(AI)技术在医疗诊断领域的应用现状与面临的挑战,旨在为读者提供一个全面的视角,了解AI如何改变传统医疗模式,以及这一变革过程中所伴随的技术、伦理和法律问题。通过分析AI技术的优势和局限性,本文旨在促进对AI在医疗领域应用的更深层次理解和讨论。