$ ffmpeg -f video4linux2 -s 640x480 -i /dev/video0 -frames 1 /tmp/webcam.jpg
Архив рубрики: Без рубрики
Добавить комментарий
Просмотр списка доступных веб-камер в Linux
sudo apt-get install v4l-utils
v4l2-ctl --list-devices
Вызов кода C++ из скрипта на Python в Linux — самый простой способ
Создаём два текстовых файла main.py и MyClass.cpp
main.py:
from ctypes import cdll
lib = cdll.LoadLibrary('./libmyclass.so')
class MyClass(object):
def __init__(self):
self.obj = lib.MyClass_new()
def my_function(self):
lib.MyClass_myFunction(self.obj)
m = MyClass()
m.my_function()
MyClass.cpp:
#include <iostream>
class MyClass{
public:
void myFunction(){
std::cout << "Hello MyClass!!!" << std::endl;
}
};
int main()
{
MyClass m;
m.myFunction();
return 0;
}
extern "C" {
MyClass* MyClass_new(){
return new MyClass();
}
void MyClass_myFunction(MyClass* m) {
m->myFunction();
}
}
После этого выполняем в консоли следующие команды:
user@computer:~/MyPets/python_cpp_2023-05-01$ ls
main.py MyClass.cpp
user@computer:~/MyPets/python_cpp_2023-05-01$ g++ -c -fPIC MyClass.cpp -o myclass.o
user@computer:~/MyPets/python_cpp_2023-05-01$ ls
main.py MyClass.cpp myclass.o
user@computer:~/MyPets/python_cpp_2023-05-01$ g++ -shared -Wl,-soname,libmyclass.so -o libmyclass.so myclass.o
user@computer:~/MyPets/python_cpp_2023-05-01$ ls
libmyclass.so main.py MyClass.cpp myclass.o
user@computer:~/MyPets/python_cpp_2023-05-01$ python3 main.py
Hello MyClass!!!
user@computer:~/MyPets/python_cpp_2023-05-01$
Как видим, всё работает. Проще способа не нашёл.
ffmpeg склеить видео из картинок или фотографий одной командой
$ ffmpeg -framerate 1 -pattern_type glob -i '*.png' out.mp4
Решено: LoadLibrary failed with error 87: The parameter is incorrect
Ошибка возникает на компьютерах с видеокартами AMD, может появляться во время запуска вообще разных программ.
Варианты решения:
- Постоянное решение: Попробовать подобрать версию видеодрайвера, на которой ошибка перестанет появляться
- Разовое решение:
- Перед запуском нужной программы войти в «Управление компьютером» — «Диспетчер устройств»
- Найти видеокарту
- «Обновить драйвер» — «Найти на этом компьютере» — «Выбрать из списка доступных» — «Базовый видеоадаптер (Microsoft)»
- Запустить спокойно нужную программу, которая раньше не запускалась
- После того как нужная программа успешно запустилась, можно так же через диспетчер устройств переключиться обратно на видеодрайвер AMD, при этом программа продолжит нормально работать
Проверено на текстовом редакторе Spyder.
C++ QString to char*
...
QString str1 = "Test";
const char *c_str2 = str1.toLocal8Bit().data();
printf("str2: %s", c_str2);
...
Программа для подключения двух сервоприводов к Arduino
#include <Servo.h>
Servo myservo_1; // для управления первым сервоприводом
Servo myservo_2; // для управления вторым сервоприводом
int val = 1; // угол положения сервопривода
int increment = 1; // на сколько градусов менять угол
void setup()
{
// жёлтый провод первого сервопривода на 9 пине
myservo_1.attach(9);
// жёлтый провод второго сервопривода на 10 пине
myservo_2.attach(10);
}
void loop()
{
// Сервоприводы поворачиваются на противоположные углы
if(val <= 1){
increment = 1;
}
if(val >= 178){
increment = -1;
}
val += increment;
myservo_1.write(val);
myservo_2.write(179 - val);
delay(15);
}
Ходовые модули Python для анализа данных и машинного обучения
== CNTK
- # The Microsoft Cognitive Toolkit
- «A free, easy-to-use, open-source, commercial-grade toolkit that trains deep learning algorithms to learn like the human brain.»
pip install cntk- «CNTK is no longer actively developed»
== deap
- для использования генетических алгоритмов
- есть хорошая книжка про генетические алгоритмы с использованием этого модуля, название не помню, но хорошая
== jupyter
- среда для выполнения кода на питоне и просмотра результатов в браузере
- можно перезапускать с изменениями только выбранные куски кода
- можно выводить графики matplotlib
== keras
- для нейронных сетей
- может работать поверх theano, tensorflow или CNTK
== matplotlib
- рисование графиков
== numpy
- многомерные массивы, матрицы
- удобная загрузка данных из бинарных файлов
- библиотека используется во многих других (pandas, …)
== nvidia-…
- nvidia-cublas-cu12
- nvidia-cuda-cupti-cu12
- nvidia-cuda-nvcc-cu12
- nvidia-cuda-nvrtc-cu12
- nvidia-cuda-runtime-cu12
- nvidia-cuda-sanitizer-api-cu12
- nvidia-cufft-cu12
- nvidia-curand-cu12
- nvidia-cusolver-cu12
- nvidia-cusparse-cu12
- nvidia-npp-cu12
- nvidia-nvjitlink-cu12
- nvidia-nvjpeg-cu12
- nvidia-nvml-dev-cu12
- nvidia-nvtx-cu12
- nvidia-pyindex
== opencv-python
- pip install opencv-python
- машинное зрение, распознавание объектов на изображениях и т.п.
== orange3
- графический интерфейс для создания пайплайнов анализа данных
- код можно вообще не писать
- загрузка csv-файлов
- куча всяких удобных интерактивных графиков
- можно легко создавать предсказательные модели на деревьях, бустинге, простых нейросетях и прочих готовых алгоритмах
== pandas
- для извлечения и подготовки данных
- похоже на электронные таблицы, можно задавать и использовать имена колонок и индексы для строк
- на базе numpy
- загрузка данных из excel, csv, json, sql
- группировка и фильтрация данных
- применение функций ко всем значениям в выбранных колонках — в разы быстрее чем использовать циклы на чистом питоне
- надо внимательно следить при работе с данными, когда они нормально скопированы, а когда ссылаются на источник, чтоб изменяя значения в одном месте, не испортить их в другом
== pillow
- работа с изображениями
- можно попиксельно
== plotly
- интерактивные графики в браузере
- pip install plotly
== pyodbc
- для выполнения запросов к разным базам данных (MSSQL, PG и т.п.)
- для разных баз данных изредка работает с разными ошибками (изредка случалось, результаты из модуля не совпадали с результатами через нативные клиенты), но в большинстве случаев всё хорошо
== pytorch
- библиотека для машинного обучения
- нейронные сети
- тензорные вычисления
- может работать с GPU
- говорят, что замена для numpy
- вроде поддерживает динамические графики
== scikit-learn
- библиотека всяких алгоритмов машинного обучения — кластеризации, регрессии, классификации, …
- на основе numpy и scipy
== scipy
- для статистики, линейной алгебры, числовых процедур и оптимизации
- на основе numpy
== seaborn
- библиотека построения графиков и визуализации данных
- основана на matplotlib
== spyder
- интерактивный редактор кода с автодополнением
- можно выполнять код прямо внутри редактора
- можно сразу выводить графики matplotlib
== sympy
- для символьных вычислений — не только получения значений, а сокращения формул и т.п.
- для уравнений в решении умеет возвращать несколько корней, как положено
- хорошая статья с примерами на хабре https://habr.com/ru/post/680258/
== tensorflow
- для нейронных сетей
== theano
- для нейронных сетей
- может использовать GPU
Ещё не написал про модули от nvidia для работы с GPU
Если кто ещё знает полезные модули по теме — пишите в коментариях, тоже соберём в кучу
Python Генерация звуков через PyAudio
Следующий код генерирует и проигрывает звук:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Генерация звуков через pyaudio.
За основу взят https://medium.com/py-bits/sound-generation-python-904e54f5398d
sudo apt-get install python3-pyaudio
"""
import pyaudio
import math
PyAudio = pyaudio.PyAudio
BITRATE = 5000
FREQUENCY = 10000
LENGTH = 5
if FREQUENCY > BITRATE:
BITRATE = FREQUENCY + 100
NUMBER_OF_FRAMES = int(BITRATE * LENGTH)
WAVEDATA = ''
for x in range(NUMBER_OF_FRAMES):
WAVEDATA = WAVEDATA + chr(
int(
math.sin(
x
/ (
(
BITRATE / FREQUENCY
) / math.pi
)
) * 127 + 128
)
)
REST_FRAMES = NUMBER_OF_FRAMES % BITRATE
for x in range(REST_FRAMES):
WAVEDATA = WAVEDATA + chr(128)
# print(WAVEDATA)
# óYªQ±J¹CÀ<Æ5Í/Ó)Ù$Þãèìð
# öùûýþþþþýüúø õ
# óYªQ±J¹CÀ<Æ5Í/Ó)Ù$ÞãèìðÛ&Ö,Ð2Ê9Ã?¼FµN®U¦\lt|xph
# öùûýþþþþýüúø õ
# ...
p = PyAudio()
stream = p.open(
format=p.get_format_from_width(1),
channels=2,
rate=BITRATE,
output=True
)
stream.write(WAVEDATA)
stream.stop_stream()
stream.close()
p.terminate()
