remote server ppt2003 to images

private List<String> getPPTImages(String url) {
        List<String> imageFiles = null;
        File pptFile = null;
        FileOutputStream fos = null;
        ReadableByteChannel rbc = null;
        HSLFSlideShow ppt = null;
        BufferedInputStream is = null;
        InputStream iStream = null;
        ByteArrayOutputStream br = null;
        try {   
            URL requestUrl = new URL(url);  
            String tempFilePath = tempFolder + requestUrl.getFile();

            pptFile = new File(tempFilePath);
            if(!pptFile.getParentFile().exists()){
                pptFile.getParentFile().mkdirs();
            }

            // Code to download
            is = new BufferedInputStream(requestUrl.openStream());
            br = new ByteArrayOutputStream();
            byte[] buf = new byte[1024];
            int n = 0;
            while (-1 != (n = is.read(buf))) {
                br.write(buf, 0, n);
            }
            byte[] response = br.toByteArray();

            fos = new FileOutputStream(pptFile);
            fos.write(response);
            ppt =  new HSLFSlideShow(new HSLFSlideShowImpl(tempFilePath));
            Dimension pgsize = ppt.getPageSize();
            String path = url.replaceFirst(hostUrl, "");
            String destFormat = FileTypeHelper._s_defaultImgExtension;
            int lastDotIndex = path.lastIndexOf(".");
            if (ppt.getSlides() != null && !ppt.getSlides().isEmpty()) {
                imageFiles = new ArrayList<>();
                List<HSLFSlide> slides = ppt.getSlides();
                int i = 1;
                for (HSLFSlide slide: slides) {
                    //防止中文乱码  
                    for(HSLFShape shape : slide.getShapes()){  
                        if(shape instanceof HSLFTextShape) {  
                            HSLFTextShape tsh = (HSLFTextShape)shape;  
                            for(HSLFTextParagraph p : tsh){  
                                for(HSLFTextRun r : p){  
                                    r.setFontFamily("宋体");  
                                }  
                            }  
                        }  
                    } 
                    BufferedImage img = new BufferedImage(pgsize.width,pgsize.height, BufferedImage.TYPE_INT_RGB);

                    Graphics2D graphics = img.createGraphics();
                    graphics.setPaint(Color.white);
                    graphics.clearRect(0, 0, pgsize.width, pgsize.height);
                    graphics.fill(new Rectangle2D.Float(0, 0, pgsize.width,pgsize.height));
                    slide.draw(graphics);
                    // save the output and upload
                    String newPath =path.substring(0, lastDotIndex) + "(" + i + ")" + destFormat;
                    File imageFile = new File( tempFolder+ "/" + newPath);
                    fos = new FileOutputStream(imageFile);
                    ImageIO.write(img, "jpeg", fos);
                    GenericResult<String> token = getUptoken(newPath);
                    if (token.getHr() == HResult.S_OK.getIndex() && token.getData() != null) {
                        Response uploadResponse = uploadManager.put(tempFolder+ "/" + newPath, newPath, token.getData(), null, MimeTypeHelper.getMimeType(newPath), false);
                        if (uploadResponse.isOK()) {
                            imageFiles.add(hostUrl + newPath);
                            imageFile.delete();
                        }
                    }
                    i++;
                }
            }

        } catch (Exception e) {
            logger.error("qiniu get ppt pages count error: ", e);
        } finally {
            try {
                if (is != null)
                    is.close();
                if (br != null)
                    br.close();
                if (fos != null)
                    fos.close();
                if (iStream != null)
                    iStream.close();
                if (rbc != null)
                    rbc.close();
                if(ppt != null) ppt.close();
                if (pptFile != null && pptFile.exists())
                    pptFile.delete();
            } catch (IOException e) {
            }
        }

        return imageFiles;
    }
【6层】一字型框架办公楼(含建筑结构图、计算书) 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
1、资源项目源码均已通过严格测试验证,保证能够正常运行;、 2项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
评论 1
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