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
|
26天前
|
人工智能 移动开发 JavaScript
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
如何用uniapp打包桌面客户端exe包,vue或者uni项目如何打包桌面客户端之electron开发-优雅草央千澈以开源蜻蜓AI工具为例子演示完整教程-开源代码附上
135 18
|
23天前
|
人工智能 开发框架 安全
Smolagents:三行代码就能开发 AI 智能体,Hugging Face 开源轻量级 Agent 构建库
Smolagents 是 Hugging Face 推出的轻量级开源库,旨在简化智能代理的构建过程,支持多种大语言模型集成和代码执行代理功能。
264 69
Smolagents:三行代码就能开发 AI 智能体,Hugging Face 开源轻量级 Agent 构建库
|
11天前
|
机器学习/深度学习 人工智能 自然语言处理
三行代码实现实时语音转文本,支持自动断句和语音唤醒,用 RealtimeSTT 轻松创建高效语音 AI 助手
RealtimeSTT 是一款开源的实时语音转文本库,支持低延迟应用,具备语音活动检测、唤醒词激活等功能,适用于语音助手、实时字幕等场景。
94 18
三行代码实现实时语音转文本,支持自动断句和语音唤醒,用 RealtimeSTT 轻松创建高效语音 AI 助手
|
2天前
|
存储 缓存 Java
Python高性能编程:五种核心优化技术的原理与Python代码
Python在高性能应用场景中常因执行速度不及C、C++等编译型语言而受质疑,但通过合理利用标准库的优化特性,如`__slots__`机制、列表推导式、`@lru_cache`装饰器和生成器等,可以显著提升代码效率。本文详细介绍了这些实用的性能优化技术,帮助开发者在不牺牲代码质量的前提下提高程序性能。实验数据表明,这些优化方法能在内存使用和计算效率方面带来显著改进,适用于大规模数据处理、递归计算等场景。
20 6
Python高性能编程:五种核心优化技术的原理与Python代码
|
21天前
|
人工智能 安全 API
OpenHands:能自主检索外部知识的 AI 编程工具,自动执行命令、网页浏览和生成代码等操作
OpenHands 是一款基于 AI 的编程工具,支持多智能体协作,能够自动生成代码、执行命令、浏览网页等,显著提升开发效率。
133 26
OpenHands:能自主检索外部知识的 AI 编程工具,自动执行命令、网页浏览和生成代码等操作
|
28天前
|
人工智能 前端开发 Unix
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
使用tree命令把自己的代码归类文件目录的方法-优雅草央千澈以优雅草AI智能功能为例给大家展示tree命令实际用法
|
27天前
|
Python
课程设计项目之基于Python实现围棋游戏代码
游戏进去默认为九路玩法,当然也可以选择十三路或是十九路玩法 使用pycharam打开项目,pip安装模块并引用,然后运行即可, 代码每行都有详细的注释,可以做课程设计或者毕业设计项目参考
63 33
|
10天前
|
人工智能 JavaScript 前端开发
一段 JavaScript 代码,集成网站AI语音助手
根据本教程,只需通过白屏化的界面操作,即可快速构建一个专属的AI智能体。
|
28天前
|
JavaScript API C#
【Azure Developer】Python代码调用Graph API将外部用户添加到组,结果无效,也无错误信息
根据Graph API文档,在单个请求中将多个成员添加到组时,Python代码示例中的`members@odata.bind`被错误写为`members@odata_bind`,导致用户未成功添加。
47 10
|
1月前
|
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。
101 10