怎么给网站做关键词,百度一下浏览器下载安装,要是360网站不安全怎么做,网站轮播效果【多模态处理】利用GPT逐一读取本地图片并生成描述#xff0c;支持崩溃后从最新进度恢复题 代码功能#xff1a;核心功能最后碎碎念 代码#xff08;使用中转平台url#xff09;#xff1a;代码#xff08;直接使用openai的key#xff09; 注意 代码功能#xff1a;
读… 【多模态处理】利用GPT逐一读取本地图片并生成描述支持崩溃后从最新进度恢复题 代码功能核心功能最后碎碎念 代码使用中转平台url代码直接使用openai的key 注意 代码功能
读取本地图片文件并使用GPT模型生成图像的元数据描述。生成的结果会保存到一个JSON文件中。代码还包含了检查点机制以便在处理过程中程序崩溃时能够从最新的位置继续生成。
核心功能
读取文件并设置变量 从JSON文件中读取图像路径、宽度和高度等变量。根据读取的变量设置prompt调用GPT模型。 调用GPT模型 使用openai.ChatCompletion.create方法调用GPT模型生成图像的元数据描述。将生成的结果保存到JSON文件中。 保存输出到JSON 每处理一张图片就将结果追加到JSON文件中。 使用检查点机制 每处理一张图片后保存当前处理的位置。如果处理过程中出现错误程序可以从上次保存的位置继续处理。 处理本地图片文件 从本地文件夹读取图片文件并对每张图片进行处理。
最后碎碎念
提供一个模板方便大家理解其思想使用的时候可以和openai最基本的代码对比着看
代码使用中转平台url
使用中转平台需要设置中转平台url
from PIL import Image
import os
import base64
import openai
import pickle
import json# 设置API密钥和中转平台URL
API_SECRET_KEY your_api_secret_key
BASE_URL https://api.your_base_url.com/v1# 图像文件夹路径
image_directory_path your_image_directory_path# 设置要处理的图像数量
number_of_images_to_process 50# 输出文件路径
output_file_path output_results.json# 初始化计数器
image_counter 0# 读取 JSON 数据文件
data_file your_data_file.json
with open(data_file, r) as f:data json.load(f)def encode_image(image_path):with open(image_path, rb) as image_file:return base64.b64encode(image_file.read()).decode(utf-8)def get_image_details(image_path):获取图像的详细信息包括图像ID和尺寸。参数:image_path (str): 图像文件的路径。返回:tuple: 包含图像ID文件名不包括扩展名和图像尺寸宽度高度的元组。示例:get_image_details(path/to/image.jpg) - (image, (800, 600))image_filename os.path.basename(image_path)image_id os.path.splitext(image_filename)[0]with Image.open(image_path) as img:image_size img.sizereturn image_id, image_sizedef chat_completions(image_path, width, height):base64_image encode_image(image_path)image_id, image_size get_image_details(image_path)client OpenAI(api_keyAPI_SECRET_KEY, base_urlBASE_URL)response openai.ChatCompletion.create(modelgpt-4,messages[{role: system, content: You are an assistant that provides metadata information about images.},{role: user, content: fImage ID: {image_id}, Width: {width}, Height: {height}}],max_tokens3000,timeout999,)return response# 初始化结果字典
results_dict {}# 检查是否存在检查点文件
checkpoint_file checkpoint.pkl
if os.path.exists(checkpoint_file):with open(checkpoint_file, rb) as f:start_index pickle.load(f)
else:start_index 0# 处理图像文件
for i, image in enumerate(data[start_index:], startstart_index):image_name image[image_path]image_file os.path.join(image_directory_path, image_name)image_width image[width]image_height image[height]if image_name.lower().endswith((.png, .jpg, .jpeg, .tiff, .bmp, .gif)):try:response chat_completions(image_file, image_width, image_height)result {image_name: response.choices[0].message[content]}with open(output_file_path, a) as output_file:output_file.write(json.dumps(result) \n)except Exception as e:print(fError processing image {image_name}: {e})continueimage_counter 1if image_counter number_of_images_to_process:breakwith open(checkpoint_file, wb) as f:pickle.dump(i1, f)
代码直接使用openai的key
from PIL import Image
import os
import base64
import openai
import pickle
import json# 设置API密钥
API_SECRET_KEY your_api_secret_key# 图像文件夹路径
image_directory_path your_image_directory_path# 设置要处理的图像数量
number_of_images_to_process 50# 输出文件路径
output_file_path output_results.json# 初始化计数器
image_counter 0# 读取 JSON 数据文件
data_file your_data_file.json
with open(data_file, r) as f:data json.load(f)def encode_image(image_path):with open(image_path, rb) as image_file:return base64.b64encode(image_file.read()).decode(utf-8)def get_image_details(image_path):获取图像的详细信息包括图像ID和尺寸。参数:image_path (str): 图像文件的路径。返回:tuple: 包含图像ID文件名不包括扩展名和图像尺寸宽度高度的元组。示例:get_image_details(path/to/image.jpg) - (image, (800, 600))image_filename os.path.basename(image_path)image_id os.path.splitext(image_filename)[0]with Image.open(image_path) as img:image_size img.sizereturn image_id, image_sizedef chat_completions(image_path, width, height):base64_image encode_image(image_path)image_id, image_size get_image_details(image_path)openai.api_key API_SECRET_KEYresponse openai.ChatCompletion.create(modelgpt-4,messages[{role: system, content: You are an assistant that provides metadata information about images.},{role: user, content: fImage ID: {image_id}, Width: {width}, Height: {height}}],max_tokens3000,timeout999,)return response# 初始化结果字典
results_dict {}# 检查是否存在检查点文件
checkpoint_file checkpoint.pkl
if os.path.exists(checkpoint_file):with open(checkpoint_file, rb) as f:start_index pickle.load(f)
else:start_index 0# 处理图像文件
for i, image in enumerate(data[start_index:], startstart_index):image_name image[image_path]image_file os.path.join(image_directory_path, image_name)image_width image[width]image_height image[height]if image_name.lower().endswith((.png, .jpg, .jpeg, .tiff, .bmp, .gif)):try:response chat_completions(image_file, image_width, image_height)result {image_name: response.choices[0].message[content]}with open(output_file_path, a) as output_file:output_file.write(json.dumps(result) \n)except Exception as e:print(fError processing image {image_name}: {e})continueimage_counter 1if image_counter number_of_images_to_process:breakwith open(checkpoint_file, wb) as f:pickle.dump(i1, f)
注意
上面的代码最后四行先判断处理图像数量是否大于规定处理图像数量再保存checkpoint
if image_counter number_of_images_to_process:break
with open(checkpoint_file, wb) as f:pickle.dump(i1, f)有时候要替换逻辑为这样先保存checkpoint再判断处理图像数量是否大于规定处理图像数量
with open(checkpoint_file, wb) as f:pickle.dump(i1, f)
if image_counter number_of_images_to_process:break然后每次程序运行结束时比如5.jpg处理完第二次运行程序不是再处理一遍5.jpg而是从6.jpg开始。但有的时候不用替换也仍然从6.jpg开始不知道为什么。
但确实下方替换后更好一点因为有的时候break完后直接跳出循环导致最后一次的i1没有更新。
