python manager.py compress_python pyminizip compress_multiple如何工作?

在Windows 10环境中,我的python版本是3.5,通过Anaconda。我使用Pyminizip,因为我需要密码保护我的zip文件,并且Zipfile不支持它。python pyminizip compress_multiple如何工作?

我可以通过函数pyminizip.compress压缩单个文件,并且加密函数按预期工作。但是,当试图使用pyminizip.compress_multiple时,我总是遇到Python崩溃(如图片),我认为这是由于我的输入格式不正确的问题。

我想知道的是:什么是输入参数src file LIST path的可接受格式?从Pyminizip的文档:

pyminizip.compress_multiple([u'pyminizip.so”, 'FILE2.TXT'], “file.zip”, “1233”,4,进度)

参数数量:

1. SRC文件LIST路径(列表)

2. DST文件路径(字符串)

3.密码(字符串)或无(以创建无密码拉链)之间1

4. compress_level(int)的到9,1(更快)< ---> 9(更多压缩)

看起来第一个参数src file LIST path应该是一个包含需要压缩的所有文件的列表。因此,我试图用compress_multiple来压缩与命令单个文件:

pyminizip.compress_multiple([ '则Filename.txt'], 'output.zip', '密码',4,可选)

并导致Python崩溃。所以我尝试在参数中添加完整路径。

pyminizip.compress_multiple([os.getcwd() '则Filename.txt'],...)

,仍然,它再次崩溃。所以我想也许我有分裂这样

路径= os.getcwd()。分裂(os.sep)

pyminizip.compress_multiple([路径 '则Filename.txt'],路径.. )

仍然运气不好。有任何想法吗?

+0

现在看来似乎不是关于输入的格式,但潜在的bug ... HTTPS: //github.com/smihica/pyminizip/issues/5 –

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这段代码是在一个基于多层感知器(MLP)的模块中,用于定义多个卷积操作。具体来说,代码中的部分含义如下: - compress_c = 8 if rfb else 16:根据rfb的取值,定义一个压缩因子。当rfb为真时,压缩因子为8,否则为16。 - self.weight_level_0 = Conv(self.inter_dim, compress_c, 1, 1):定义一个卷积操作,用于将输入特征图的通道数从self.inter_dim降到compress_c。具体来说,卷积核数量为compress_c,输入特征图的通道数为self.inter_dim,卷积核大小为1x1,卷积操作的步长为1。 - self.weight_level_1 = Conv(self.inter_dim, compress_c, 1, 1):同样是一个卷积操作,用于将输入特征图的通道数从self.inter_dim降到compress_c。 - self.weight_level_2 = Conv(self.inter_dim, compress_c, 1, 1):同样是一个卷积操作,用于将输入特征图的通道数从self.inter_dim降到compress_c。 - self.weight_levels = Conv(compress_c*3, 3, 1, 1):定义一个卷积操作,用于将三个不同层级的特征图进行融合。具体来说,卷积核数量为3,输入特征图的通道数为compress_c*3,卷积核大小为1x1,卷积操作的步长为1。 - self.vis = vis:用于可视化调试。 这些操作都是卷积神经网络中常用的操作,可以帮助模型更好地处理输入的特征图,从而提高模型的性能和准确率。其中,通道数调整操作可以增加或减少特征图的通道数,从而影响网络的表达能力和特征提取能力;特征融合操作则可以将不同层级的特征图进行融合,从而提高模型的表示能力和泛化能力。

“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
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