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
通义万相文本绘图与人像美化
本解决方案展示了如何利用自研的通义万相AIGC技术在Web服务中实现先进的图像生成。
目录
相关文章
|
2月前
|
人工智能 监控 安全
人体姿态[站着、摔倒、坐、深蹲、跑]检测数据集(6000张图片已划分、已标注)| AI训练适用于目标检测
本数据集包含6000张已标注人体姿态图片,覆盖站着、摔倒、坐、深蹲、跑五类动作,按5:1划分训练集与验证集,标注格式兼容YOLO等主流框架,适用于跌倒检测、健身分析、安防监控等AI目标检测任务,开箱即用,助力模型快速训练与部署。
|
2月前
|
人工智能 监控 算法
人群计数、行人检测数据集(9000张图片已划分、已标注) | AI训练适用于目标检测任务
本数据集包含9000张已标注、已划分的行人图像,适用于人群计数与目标检测任务。支持YOLO等主流框架,涵盖街道、商场等多种场景,标注精准,结构清晰,助力AI开发者快速训练高精度模型,应用于智慧安防、人流统计等场景。
人群计数、行人检测数据集(9000张图片已划分、已标注) | AI训练适用于目标检测任务
|
2月前
|
机器学习/深度学习 人工智能 算法
用于实验室智能识别的目标检测数据集(2500张图片已划分、已标注) | AI训练适用于目标检测任务
本数据集包含2500张已标注实验室设备图片,涵盖空调、灭火器、显示器等10类常见设备,适用于YOLO等目标检测模型训练。数据多样、标注规范,支持智能巡检、设备管理与科研教学,助力AI赋能智慧实验室建设。
用于实验室智能识别的目标检测数据集(2500张图片已划分、已标注) | AI训练适用于目标检测任务
|
2月前
|
机器学习/深度学习 人工智能 监控
面向智慧牧场的牛行为识别数据集(5000张图片已划分、已标注) | AI训练适用于目标检测任务
本数据集包含5000张已标注牛行为图片,涵盖卧、站立、行走三类,适用于YOLO等目标检测模型训练。数据划分清晰,标注规范,场景多样,助力智慧牧场、健康监测与AI科研。
面向智慧牧场的牛行为识别数据集(5000张图片已划分、已标注) | AI训练适用于目标检测任务
|
5月前
|
人工智能 数据安全/隐私保护 Python
小红书图文生成器,小红书AI图文生成工具,python版本软件
Pillow库自动生成符合平台尺寸要求的配图7;3)利用Playwright实现自动化发布流程6。
|
3月前
|
设计模式 人工智能 API
AI智能体开发实战:17种核心架构模式详解与Python代码实现
本文系统解析17种智能体架构设计模式,涵盖多智能体协作、思维树、反思优化与工具调用等核心范式,结合LangChain与LangGraph实现代码工作流,并通过真实案例验证效果,助力构建高效AI系统。
538 7
|
2月前
|
人工智能 编解码 搜索推荐
AI智能换背景,助力电商图片营销升级
电商产品图换背景是提升销量与品牌形象的关键。传统抠图耗时费力,AI技术则实现一键智能换背景,高效精准。本文详解燕雀光年AI全能设计、Canva、Remove.bg等十大AI工具,涵盖功能特点与选型建议,助力商家快速打造高质量、高吸引力的商品图,提升转化率与品牌价值。(238字)
339 0
|
4月前
|
机器学习/深度学习 人工智能 自动驾驶
交通标识与信号灯数据集(1000张图片已划分、已标注)| AI训练适用于目标检测任务
在智能驾驶与智慧交通的研究中,交通标识与信号灯识别 是最基础且最关键的任务之一。为了方便研究人员和开发者快速上手目标检测模型训练,本数据集提供了 1000张交通场景图片,并且已经按照目标检测任务的需求完成了 数据标注与划分。该数据集可直接应用于 YOLO、Faster R-CNN、SSD 等深度学习模型的训练与测试。
交通标识与信号灯数据集(1000张图片已划分、已标注)| AI训练适用于目标检测任务
|
5月前
|
机器学习/深度学习 人工智能 API
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化
AI-Compass LLM训练框架生态:整合ms-swift、Unsloth、Megatron-LM等核心框架,涵盖全参数/PEFT训练与分布式优化