Jupyter Notebook应该很多同学都或多或少有所了解,超强但是数据,很多同学 还停留在Python、分析数据分析、工具个功交互式开发。超强 其实,数据除了这些之外,分析Jupyter Notebook还可以完成很多你意想不到的工具个功事情。 例如,超强Python工具包开发、数据创建幻灯片、分析创建电子书、工具个功写博客、超强写报告、数据数据看板、分析REST API、网页应用等。 以网页应用为例,提起开发一个网页应用,很多同学第一印象都会想到需要前端、后端、服务部署等繁琐的步骤,需要具备html、JavaScript、Java或者Python、Django知识。 其实,通过Jupyter Notebook就可以开发一款可部署的网页应用。 下面,就以一个图像处理的网站模板网页应用为例给大家演示一下。 在正式的开发之前,先把开发环境配置、Python工具包这些基本的准备工作做一下。 环境配置 创建一个虚拟环境,单独的用于这个网页应用,虚拟环境的好处就可以实现不同应用之间的环境隔离,避免不同项目/应用依赖不同版本的工具包导致冲突。 virtualenv sketchenv 这里的sketchenv是虚拟环境 的名称,你也可以起其他名称。 安装工具包 下面,就是按照开发网页应用需要的一些工具包: mljar-mercury opencv-python-headless pillow 其中,mercury是一款能够将jupyter notebook转换成网页 应用的框架,其余的几款都是用于图像处理的工具包。 下面,就正式开始开发工具。 首先,云服务器提供商打开一个Jupyter Notebook的窗口: 然后,导入一些需要用到的Python工具包并对图像进行一下初始设置: import os import cv2 from PIL import Image from matplotlib import pyplot as plt import matplotlib as mpl mpl.rcParams[figure.figsize] = (12,12) 在Jupyter Notebook打开一个新的单元格,输出以下代码,谨记,需要新打开一个,不能和其他单元格的代码放在一起: image_path = "/home/jackpop/Downloads/house.jpg" image_path是一个要处理图像的路径,output_dir是目录名,用于保存处理好的新图像。 在下一个单元中,将定义一个显示图像的函数: def imshow(image, title=None, fname=None): if len(image.shape) > 3: image = tf.squeeze(image, axis=0) plt.imshow(image) plt.axis(off) if title: plt.title(title) if fname: 然后,载入图像并显示: img = cv2.imread(image_path) RGB_img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) 你会看到下图: 现在开始对图像进行处理,生成艺术素描图像: # 图像转化 grayed = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) inverted = cv2.bitwise_not(grayed) blurred = cv2.GaussianBlur(inverted, (19, 19), sigmaX=0, sigmaY=0) def blend(x, y): return cv2.divide(x, 255 - y, scale=256) final_result = blend(grayed, blurred) # 保存图像 _ = cv2.imwrite(os.path.join(output_dir, "sketch_photo.jpg"), final_result) # 显示图像 RGB_img = cv2.cvtColor(final_result, cv2.COLOR_BGR2RGB) 经过处理之后,你会看到如下图像: 到这里,核心的代码都已经完成了,已经有了Jupyter Notebook代码,那么,该怎么编程网页应用呢? 这就用到前面安装的工具包mercury,前面 已经介绍,它可以将Jupyter Notebook转化成网页应用。 首先,执行如下命令: 在浏览器中打开http://127.0.0.1:8000/链接,会看到一个卡片,源码库如下所示: 请点击卡片,你会看到它的警告信息,告诉你缺少YAML头。 这就涉及到mercury中的一个比较重要的东西,配置信息,它是一种yaml格式的配置信息 ,主要包含标题、配置参数等内容。 下面,就在Jupyter Notebook开头创建一个RAW格式的单元,输入相关的yaml配置信息: ---准备工作
正式开始