python 从 dict 中保存 image

本文介绍了如何使用深度学习模型对图像进行处理,详细步骤包括模型预测、数据类型转换、CPU转numpy、图像数组生成和最终保存为PNG格式,展示了图像输出流程的关键操作。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

image_outputs = model(image_inputs) # dict['est', 'gt', 'raw']
image_outputs = image_outputs['est'] # dist 1x1920x1024
image_outputs = image_outputs[0] # tensor 1x1920x1024
image_outputs = image_outputs.to("cpu").numpy().astype(np.uint8)[0] # ndarry 1920x1024
image_outputs = Image.fromarray(image_outputs) # img 1920x1024
image_outputs.save("./imgs_dir/" + str(batch_idx + 1).zfill(4) + ".png") # ./imgs_dir/0001.png
### 使用Python编写爬虫并将数据保存到文件或数据库的方法 在Python中,编写爬虫程序通常依赖于`requests`和`BeautifulSoup`库来抓取网页内容并解析HTML结构。随后,可以根据需求选择将数据保存到文件或者数据库中。 #### 数据保存到文件 一种常见的做法是利用Python内置的文件操作函数将爬取的数据写入本地文件。例如,如果希望把爬取的内容存为`.txt`文件,可以按照以下方式实现: ```python import requests from bs4 import BeautifulSoup url = "http://example.com" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') data_to_save = soup.prettify() # 获取整个HTML文档作为字符串 with open('output.html', 'w', encoding='utf-8') as file: file.write(data_to_save) # 将数据写入名为 output.html 的文件中[^3] ``` 此代码片段展示了如何访问网站、提取其全部HTML源码并通过标准I/O流将其持久化至磁盘上的特定位置。 #### 数据保存到Excel文件 当面对表格形式的数据集时,推荐采用第三方模块pandas简化流程。它不仅能够轻松读写多种格式(CSV/XLSX),而且具备优秀的数据分析能力。下面是一个简单的例子说明怎么用pandas把列表型别的记录转换成excel表单: ```python import pandas as pd # 假设我们已经得到了一些条目组成的list of dict items = [{'name': 'Item A', 'price': '$10'}, {'name': 'Item B', 'price': '$20'}] df = pd.DataFrame(items) writer = pd.ExcelWriter('products.xlsx') df.to_excel(writer, index=False) writer.save() print("Data successfully written to Excel.")[^1] ``` 这里构建了一个DataFrame对象代表二维数组样式的资料集合;接着调用了to_excel方法指定了输出的目标工作簿名称连同其它参数一起传给ExcelWriter实例完成最终导出动作。 #### 数据保存到远程数据库 对于大规模应用而言,直接存储原始多媒体资源可能不太现实,所以仅保留它们对应的网络链接成为了一种折衷方案。MySQL是一种广泛使用的开源关系型数据库管理系统(RDBMS),配合SQLAlchemy ORM框架可以让开发者专注于业务逻辑而不是底层细节。下面是连接mysql server并且插入一条新纪录的一个示范: ```python from sqlalchemy import create_engine, Column, Integer, String from sqlalchemy.ext.declarative import declarative_base from sqlalchemy.orm import sessionmaker Base = declarative_base() class Image(Base): __tablename__ = 'images' id = Column(Integer, primary_key=True) url = Column(String(255)) engine = create_engine('mysql+pymysql://username:password@host/db_name') Session = sessionmaker(bind=engine) session = Session() new_image = Image(url="https://example/image.jpg") session.add(new_image) session.commit() print(f"New image added with URL {new_image.url}")[^2] ``` 上述脚本首先定义了一个映射类Image对应着数据库里的某张表;之后借助alchemy engine建立会话通道执行增删改查等事务性指令直至提交更改结束为止。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值