RabbitMQ及AMQP基本概念

       Rabbitmq是目前使用非常广泛的消息中间件,它是基于AMQP(Advanced Message Queue Protocol 高级消息队列协议)协议实现的。AMQP是具有现代特征的二进制协议,是一个提供统一消息服务的应用层标准高层消息队列协议,是应用层协议的一个开放标准,为面向消息的中间件设计。

一.虚拟主机 virtual host

     虚拟主机是一个虚拟的地址,用于进行逻辑隔离,是最上层的消息路由。一个 virtual host里面可以有若干个Exchange和Queue,但同一个virtual host里面不能有相同名称的Exchange或Quene。

二.交换机Exchange

交换机Exchange负责接收消息,根据路由配置转发消息到绑定的队列。交换机的主要类型有:direct、topic、fanout。

1.Direct Exchange

       所有发送到Direct Exchange的消息将被转发到routingkey中指定的Queue。
       消息生产者要指定exchange,然后通过路由规则,把消息路由到指定的队列。如果不指定exchange而是输入空字符串,可以使用RabbitMQ自带的Exchange,就会按照routingkey去找完全匹配的队列名,必须完全匹配才会被队列接收,否则就消息会被抛弃。
       直连direct方式,发送端和接收端的routingkey必须一致。或者发送端的routingkey与接收quene的name一致,这种情况就与不指定exchange的方式类似。

2.Topic Exchange

       所有发送到Topic Exchange的消息会被转发到所有绑定该Topic并匹配Routingkey的队列上。Topic与Routingkey进行模糊匹配。

3.Fanout Exchange

       fanout类型不处理路由键,性能是所有exchange中最快的。消息会被转发到与该交换机绑定的所有队列上。

三.队列Queue

       Queue负责保存消息并将它们转发给消费者。

四.Binding

       Binding是Exchange与Queue之间的虚拟连接,binding中可以包含routing key。routing key是一个路由规则,可用它来确定一个特定路由。

五.网络信道Channel

       几乎所有的操作都在channel中进行,是进行消息读写的通道。客户端可建立多个channel,每个channel代表一个会话任务。
在实际工作中特别要注意,消息发送者发送完消息后,一定要记得关闭连接。关闭连接要由小到大关闭。

//记得要关闭相关的连接
channel.close();
connection.close();

六.Message

      消息Message,是服务器与应用程序之间传送的数据,由Properties和body组成。Properties可定义一些消息的属性,比如消息优先级,过期时间等;body则是消息体的具体内容。

基于 NSFW Model 色情图片识别鉴黄 后面更新视频检测 项目背景: 随着互联网的快速发展,网络上的信息量呈现出爆炸式的增长。然而,互联网上的内容良莠不齐,其中不乏一些不良信息,如色情、暴力等。这些信息对青少年的健康成长和社会风气产生了不良影响。为了净化网络环境,保护青少年免受不良信息的侵害,我国政府加大了对网络内容的监管力度。在此背景下,本项目应运而生,旨在实现对网络图片和视频的自动识别与过滤,助力构建清朗的网络空间。 项目简介: 本项目基于 NSFW(Not Safe For Work)Model,利用深度学习技术对色情图片进行识别与鉴黄。NSFW Model 是一种基于卷积神经网络(CNN)的图像识别模型,通过学习大量的色情图片和非色情图片,能够准确地判断一张图片是否含有色情内容。本项目在 NSFW Model 的基础上,进一步优化了模型结构,提高了识别的准确率和效率。 项目功能: 色情图片识别:用户上传图片后,系统会自动调用 NSFW Model 对图片进行识别,判断图片是否含有色情内容。如果含有色情内容,系统会给出相应的提示,并阻止图片的传播。 视频检测:针对网络视频,本项目采用帧提取技术,将视频分解为一帧帧图片,然后使用 NSFW Model 对这些图片进行识别。如果检测到含有色情内容的图片,系统会给出相应的提示,并阻止视频的传播。 实时监控:本项目可应用于网络直播、短视频平台等场景,实时监控画面内容,一旦检测到含有色情内容的画面,立即进行屏蔽处理,确保网络环境的纯洁。
### 如何在本地部署 NSFW 模型或服务 要在本地环境中成功部署 NSFW(不适宜工作场合内容)检测模型或服务,以下是详细的说明: #### 准备环境 为了确保能够顺利运行模型和服务,需要安装必要的依赖项。这些工具和库包括但不限于以下几类: - **Python 环境**: 推荐使用 Python 3.7 或更高版本。 - **Transformers 库**: 提供加载预训练模型的功能[^1]。 - **PyTorch/TensorFlow**: 支持深度学习框架的计算需求。 - **Pillow (PIL)**: 处理图像文件并将其转换为适合输入模型的形式。 具体命令如下所示: ```bash pip install transformers torch Pillow ``` #### 加载模型与测试 通过 Hugging Face 的 `transformers` 工具包可以直接访问已有的 NSFW 图片分类模型。例如,可以采用名为 `"Falconsai/nsfw_image_detection"` 的公开模型来完成此任务[^1]。 下面是一个简单的代码片段展示如何加载该模型并对单张图片执行预测操作: ```python from PIL import Image from transformers import pipeline def classify_nsfw(image_path): # 打开指定路径下的图片文件 img = Image.open(image_path) # 初始化 image-classification 流水线对象,并指明使用的特定模型名称 classifier = pipeline("image-classification", model="Falconsai/nsfw_image_detection") # 对传入的图片调用流水线方法得到其类别标签及其置信度分数列表形式的结果 result = classifier(img) return result if __name__ == "__main__": test_img_path = "<your_test_image>" output_results = classify_nsfw(test_img_path) print(output_results) ``` 注意替换 `<your_test_image>` 成实际存在的图片绝对或者相对地址字符串值之前再尝试运行以上脚本。 #### 构建 RESTful API 服务 如果希望进一步扩展功能至 Web 应用程序层面,则可考虑利用 Flask/Django 这样的轻量级 web 开发框架构建起支持 HTTP 请求交互的服务端接口。这里给出基于 FastAPI 实现的一个简单例子作为示范用途: ```python import uvicorn from fastapi import FastAPI, File, UploadFile from PIL import Image from io import BytesIO from typing import List from pydantic import BaseModel app = FastAPI() class Prediction(BaseModel): label: str score: float @app.post("/predict/", response_model=List[Prediction]) async def predict(file: UploadFile = File(...)): try: contents = await file.read() pil_image = Image.open(BytesIO(contents)) clf_pipeline = pipeline('image-classification', model='Falconsai/nsfw_image_detection') predictions = clf_pipeline(pil_image) formatted_preds = [{"label": pred['label'], "score": round(pred['score'], 4)} for pred in predictions] return formatted_preds except Exception as e: raise ValueError(f"Error processing uploaded file {e}") if __name__ == '__main__': uvicorn.run(app, host='0.0.0.0', port=8000) ``` 启动服务器之后即可向 `/predict/` 路径发送 POST 请求附带上传待分析的目标图片获取返回结果了。 ---
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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