第10.10节 Python使用__init__.py自动加载包下内容

在前面章节老猿介绍了包下模块及子包的加载的各种方式,并说明包的加载首先是自动加载包下的__init__.py文件。在《第10.6节 Python包的概念》中介绍了__init__.py文件的作用主要用于包内模块的加载,那么使用__init__.py来加载包的模块有什么好处呢?
我们先来看例子,下面例子还是以《第10.7节 Python包的和子包定义步骤》中规划的包为基础来介绍的,本节唯一的变化是包goodspricequery的__init__.py增加了两行增加注释的内容,如下:

#package goodspricequery's __init__.py
'''package goodspricequery is a example of module and package,inculding:
1.subpackage:dataaccess
2.module:mainwin
'''
print('Start loading packeg:goodspricequery ...')
goodspricequeryloaded=True
dataaccessloaded=False

from goodspricequery.dataaccess import  * #增加导入包下子包
from 	goodspricequery.mainwin import    * #增加导入包下模块

input('Package goodspricequery loaded!Press Enter to exit.')。

我们执行包goodspricequery的加载:

>>> import goodspricequery
Start loading packeg:goodspricequery ...
Start loading dataaccess package ...
Package dataaccess loaded!
Module:mainwin start load...
Module:mainwin loaded.
Package goodspricequery loaded!Press Enter to exit.
>>> goodspricequery.mainwin()
I'm mainwin
>>> goodspricequery.dataaccessloaded
True
>>>

执行截图:
在这里插入图片描述
从上述执行来看,通过包的__init__.py使用import *加载的包下和子包下的模块成员,都可以通过“包名.成员”方式进行访问,这样对外提供能力时,调用者无需关注提供能力的模块是哪个,相关功能都认为是包的功能,此时的包对调用者来说就跟一个独立的模块文件一样。
类似的,凡是导入后属于调用者无需加包名和模块名就可以访问的导入方法如“from 包名.模块名 import 成员 ”、“import 包名.子包名.模块名 as 模块别名”等,相关的导入模块属性或模块本身都可以通过“包名.”方式访问。
本节介绍的通过包的__init__.py特定的导入方法导入的内容,都可以通过”包名.”方法访问,而无需关注相关属性的模块文件或子包文件,体现了一个包作为一个整体提供服务的能力。

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
def unzip_infer_data(src_path,target_path): ''' 解压预测数据集 ''' if(not os.path.isdir(target_path)): z = zipfile.ZipFile(src_path, 'r') z.extractall(path=target_path) z.close() def load_image(img_path): ''' 预测图片预处理 ''' img = Image.open(img_path) if img.mode != 'RGB': img = img.convert('RGB') img = img.resize((224, 224), Image.BILINEAR) img = np.array(img).astype('float32') img = img.transpose((2, 0, 1)) # HWC to CHW img = img/255 # 像素值归一化 return img infer_src_path = '/home/aistudio/data/data55032/archive_test.zip' infer_dst_path = '/home/aistudio/data/archive_test' unzip_infer_data(infer_src_path,infer_dst_path) para_state_dict = paddle.load("MyCNN") model = MyCNN() model.set_state_dict(para_state_dict) #加载模型参数 model.eval() #验证模式 #展示预测图片 infer_path='data/archive_test/alexandrite_6.jpg' img = Image.open(infer_path) plt.imshow(img) #根据数组绘制图像 plt.show() #显示图像 #对预测图片进行预处理 infer_imgs = [] infer_imgs.append(load_image(infer_path)) infer_imgs = np.array(infer_imgs) label_dic = train_parameters['label_dict'] for i in range(len(infer_imgs)): data = infer_imgs[i] dy_x_data = np.array(data).astype('float32') dy_x_data=dy_x_data[np.newaxis,:, : ,:] img = paddle.to_tensor (dy_x_data) out = model(img) lab = np.argmax(out.numpy()) #argmax():返回最大数的索引 print("第{}个样本,被预测为:{},真实标签为:{}".format(i+1,label_dic[str(lab)],infer_path.split('/')[-1].split("_")[0])) print("结束") 以上代码进行DNN预测,根据这段代码写一段续写一段利用这个模型进行宝石预测的GUI界面,其中含预测结果是否正确的判断功能
05-25
好的,以下是一个简单的GUI界面的代码,可以利用模型进行宝石预测,并且含预测结果是否正确的判断功能。 ```python import tkinter as tk from tkinter import filedialog from PIL import Image, ImageTk import numpy as np import paddle class MyCNN(paddle.nn.Layer): # 省略模型定义,保持与上述代码一致 def unzip_infer_data(src_path,target_path): ''' 解压预测数据集 ''' if(not os.path.isdir(target_path)): z = zipfile.ZipFile(src_path, 'r') z.extractall(path=target_path) z.close() def load_image(img_path): ''' 预测图片预处理 ''' img = Image.open(img_path) if img.mode != 'RGB': img = img.convert('RGB') img = img.resize((224, 224), Image.BILINEAR) img = np.array(img).astype('float32') img = img.transpose((2, 0, 1)) # HWC to CHW img = img/255 # 像素值归一化 return img def predict(image_path, model): label_dic = train_parameters['label_dict'] data = load_image(image_path) dy_x_data = np.array(data).astype('float32') dy_x_data = dy_x_data[np.newaxis,:, : ,:] img = paddle.to_tensor(dy_x_data) out = model(img) lab = np.argmax(out.numpy()) #argmax():返回最大数的索引 return label_dic[str(lab)], label_dic def check_result(predicted_label, true_label): if predicted_label == true_label: return True else: return False class App: def __init__(self, root): self.root = root self.model = MyCNN() para_state_dict = paddle.load("MyCNN") self.model.set_state_dict(para_state_dict) self.model.eval() #验证模式 self.label_dic = train_parameters['label_dict'] self.true_label = '' self.predicted_label = '' self.result_label = '' self.canvas = tk.Canvas(root, width=300, height=300) self.canvas.pack(side='left') self.frame = tk.Frame(root) self.frame.pack(side='right', padx=10) self.select_image_button = tk.Button( self.frame, text='选择图片', command=self.select_image) self.select_image_button.pack(pady=10) self.predict_button = tk.Button( self.frame, text='预测', command=self.predict) self.predict_button.pack(pady=10) self.result_label = tk.Label(self.frame, text='') self.result_label.pack(pady=10) def select_image(self): file_path = filedialog.askopenfilename() if file_path: self.image_path = file_path self.show_image() def show_image(self): image = Image.open(self.image_path) image = image.resize((300, 300)) self.photo = ImageTk.PhotoImage(image) self.canvas.create_image(0, 0, anchor='nw', image=self.photo) def predict(self): if hasattr(self, 'image_path'): self.true_label = self.image_path.split('/')[-1].split("_")[0] self.predicted_label, label_dic = predict(self.image_path, self.model) result = check_result(self.predicted_label, self.true_label) if result: self.result_label.config(text='预测结果正确') else: self.result_label.config(text='预测结果错误') if __name__ == '__main__': infer_src_path = '/home/aistudio/data/data55032/archive_test.zip' infer_dst_path = '/home/aistudio/data/archive_test' unzip_infer_data(infer_src_path, infer_dst_path) train_parameters = {'label_dict': {'0': 'alexandrite', '1': 'aquamarine', '2': 'diamond', '3': 'emerald', '4': 'opal', '5': 'pearl', '6': 'peridot', '7': 'ruby', '8': 'sapphire', '9': 'spinel', '10': 'tanzanite', '11': 'topaz', '12': 'tourmaline', '13': 'tsavorite'}} root = tk.Tk() app = App(root) root.mainloop() ``` 你可以把以上代码保存为.py文件,在命令行中运行即可看到GUI界面。界面含一个选择图片的按钮和一个预测按钮。选择图片后,点击预测按钮可以进行宝石预测,并且会显示预测结果是否正确。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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

打赏作者

LaoYuanPython

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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