基于Python自制視覺(jué)桌上冰球小游戲
介紹
大家好，今天和各位分享一下如何使用 mediapipe+opencv 制作桌上冰球的交互式小游戲。先放張圖看效果。
規(guī)則如下：左手控制白色球拍；右手控制紫色球拍；球拍只能上下移動(dòng)；紅色圓形就是冰球；球碰撞到上下兩側(cè)的藍(lán)色邊框，和兩側(cè)的球拍就會(huì)反彈；如果球進(jìn)入了黃色區(qū)域，游戲結(jié)束；下面的粉色計(jì)數(shù)板，記錄左右兩側(cè)各擊球多少次。
1. 文件配置
1.1 導(dǎo)入工具包
pip install opencv_python==4.2.0.34 # 安裝opencv pip install mediapipe # 安裝mediapipe # pip install mediapipe --user #有user報(bào)錯(cuò)的話試試這個(gè) pip install cvzone # 安裝cvzone # 導(dǎo)入工具包 import cv2 import cvzone from cvzone.HandTrackingModule import HandDetector # 導(dǎo)入手部檢測(cè)模塊
21個(gè)手部關(guān)鍵點(diǎn)坐標(biāo)如下：
1.2 素材圖片準(zhǔn)備
開始之前，先準(zhǔn)備球桌的圖片，球的圖片，球拍的圖片。我是用PPT畫的圖，球和球拍的圖片一定要保存成 .png 格式的。放在同一個(gè)文件夾中以備讀取。
2. 手部關(guān)鍵點(diǎn)檢測(cè)、素材導(dǎo)入
2.1 方法介紹
（1）cvzone.HandTrackingModule.HandDetector()手部關(guān)鍵點(diǎn)檢測(cè)方法
參數(shù)：
mode： 默認(rèn)為 False，將輸入圖像視為視頻流。它將嘗試在第一個(gè)輸入圖像中檢測(cè)手，并在成功檢測(cè)后進(jìn)一步定位手的坐標(biāo)。在隨后的圖像中，一旦檢測(cè)到所有 maxHands 手并定位了相應(yīng)的手的坐標(biāo)，它就會(huì)跟蹤這些坐標(biāo)，而不會(huì)調(diào)用另一個(gè)檢測(cè)，直到它失去對(duì)任何一只手的跟蹤。這減少了延遲，非常適合處理視頻幀。如果設(shè)置為 True，則在每個(gè)輸入圖像上運(yùn)行手部檢測(cè)，用于處理一批靜態(tài)的、可能不相關(guān)的圖像。
maxHands： 最多檢測(cè)幾只手，默認(rèn)為 2
detectionCon： 手部檢測(cè)模型的最小置信值（0-1之間），超過(guò)閾值則檢測(cè)成功。默認(rèn)為 0.5
minTrackingCon： 坐標(biāo)跟蹤模型的最小置信值 (0-1之間)，用于將手部坐標(biāo)視為成功跟蹤，不成功則在下一個(gè)輸入圖像上自動(dòng)調(diào)用手部檢測(cè)。將其設(shè)置為更高的值可以提高解決方案的穩(wěn)健性，但代價(jià)是更高的延遲。如果 mode 為 True，則忽略這個(gè)參數(shù)，手部檢測(cè)將在每個(gè)圖像上運(yùn)行。默認(rèn)為 0.5
它的參數(shù)和返回值類似于官方函數(shù) mediapipe.solutions.hands.Hands()
MULTI_HAND_LANDMARKS： 被檢測(cè)/跟蹤的手的集合，其中每只手被表示為21個(gè)手部地標(biāo)的列表，每個(gè)地標(biāo)由x, y, z組成。
MULTI_HANDEDNESS： 被檢測(cè)/追蹤的手是左手還是右手的集合。每只手由label(標(biāo)簽)和score(分?jǐn)?shù))組成。 label 是 'Left' 或 'Right' 值的字符串。 score 是預(yù)測(cè)左右手的估計(jì)概率。
（2）cvzone.HandTrackingModule.HandDetector.findHands() 找到手部關(guān)鍵點(diǎn)并繪圖
參數(shù)：
img： 需要檢測(cè)關(guān)鍵點(diǎn)的幀圖像，格式為BGR
draw： 是否需要在原圖像上繪制關(guān)鍵點(diǎn)及識(shí)別框
flipType： 圖像是否需要翻轉(zhuǎn)，當(dāng)視頻圖像和我們自己不是鏡像關(guān)系時(shí)，設(shè)為True就可以了
返回值：
hands： 檢測(cè)到的手部信息，由0或1或2個(gè)字典組成的列表。如果檢測(cè)到兩只手就是由兩個(gè)字典組成的列表。字典中包含：21個(gè)關(guān)鍵點(diǎn)坐標(biāo)(x,y,z)，檢測(cè)框左上坐標(biāo)及其寬高，檢測(cè)框中心點(diǎn)坐標(biāo)，檢測(cè)出是哪一只手。
img： 返回繪制了關(guān)鍵點(diǎn)及連線后的圖像
（3）cv2.addWeighted()圖像融合
將兩張圖像按一定比例融合在一起，需要兩張圖像的size和通道數(shù)相同
兩張圖像按一定比例融合： cv2.addWeighted(圖像1, 權(quán)重1, 圖像2, 權(quán)重2, 亮度偏置)
相當(dāng)于 y = a x1 + b x2 + c，其中 a、b 代表權(quán)重，c 代表亮度上提亮多少
2.2 代碼展示
首先 cv2.imread() 中的參數(shù) cv2.IMREAD_UNCHANGED 是指用圖片的原來(lái)格式打開，包含Alpha通道。即以不改變圖片的方式打開，圖片是彩色那么讀進(jìn)來(lái)就是彩色，圖片是灰度圖那么讀進(jìn)來(lái)就是灰度圖，讀進(jìn)來(lái)的圖片的shape如下：
該部分代碼主要負(fù)責(zé)手部關(guān)鍵點(diǎn)檢測(cè)，融合背景圖像和視頻幀圖像
import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector # 導(dǎo)入手部檢測(cè)模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導(dǎo)入所有需要對(duì)圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點(diǎn)識(shí)別的方法，最小手部檢測(cè)模塊置信度0.8，最多檢測(cè)2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執(zhí)行讀取一幀
# 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
img = cv2.flip(img, flipCode=1)
# 手部關(guān)鍵點(diǎn)檢測(cè)，返回每個(gè)只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉(zhuǎn)過(guò)了這里就不用翻轉(zhuǎn)了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.3, imgDesk, 0.7, 0)
#（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
img = cvzone.overlayPNG(img, imgBall, (100,100))
# 圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
3. 關(guān)鍵點(diǎn)處理、球拍移動(dòng)
3.1 方法介紹
這部分主要完成兩項(xiàng)工作，第一是左右手分別控制左側(cè)和右側(cè)的球拍，第二個(gè)是球以一定的速度移動(dòng)。
（1）控制球拍
hand['bbox'] 中包含了手部檢測(cè)框的左上角坐標(biāo)和檢測(cè)框的寬高，使用手掌中心點(diǎn)的 y 坐標(biāo)來(lái)控制球拍的上下移動(dòng)。由于兩個(gè)球拍的shape是相同的，因此只要獲取一個(gè)球拍的高度 h1 即可。使用掌心中點(diǎn) y 坐標(biāo)控制球拍中點(diǎn)的 y1 坐標(biāo)，公式為：y1 = (y + h) // 2 - h1 // 2
接著使用 cvzone.overlayPNG() 就可以將球拍圖片覆蓋在原圖片的指定區(qū)域，其中坐標(biāo)參數(shù)是指覆蓋區(qū)域的左上角坐標(biāo)。固定橫坐標(biāo)，只上下移動(dòng)。
（2）球移動(dòng)
首先要規(guī)定球的移動(dòng)速度 speedx, speedy = 10, 10 代表球每一幀沿x軸正方向移動(dòng)10個(gè)像素，沿y軸正方向移動(dòng)10個(gè)像素，那么球的初始合速度方向是沿圖片的正右下角移動(dòng)
如果球碰撞到了球桌的上下邊框，就反彈。speedy = -speedy。代表x方向每幀移動(dòng)的步長(zhǎng)不變，y方向每幀移動(dòng)的方向反轉(zhuǎn)，即入射角等于出射角。
3.2 代碼展示
在上述代碼中補(bǔ)充
import cv2
import cvzone
import numpy as np
from cvzone.HandTrackingModule import HandDetector # 導(dǎo)入手部檢測(cè)模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導(dǎo)入所有需要對(duì)圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調(diào)整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點(diǎn)識(shí)別的方法，最小手部檢測(cè)模塊置信度0.8，最多檢測(cè)2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
# 球的默認(rèn)位置
ballpos = [100, 100]
# 球的移動(dòng)速度，每幀15個(gè)像素
speedx, speedy = 10, 10
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執(zhí)行讀取一幀
# 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
img = cv2.flip(img, flipCode=1)
# 手部關(guān)鍵點(diǎn)檢測(cè)，返回每個(gè)只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉(zhuǎn)過(guò)了這里就不用翻轉(zhuǎn)了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
#（5）處理手部關(guān)鍵點(diǎn)，如果檢測(cè)到手了就進(jìn)行下一步
if hands:
# 遍歷每檢測(cè)的2只手，獲取每一只手的坐標(biāo)
for hand in hands:
# 獲取手部檢測(cè)框的左上坐標(biāo)xy，寬高wh
x, y, w, h = hand['bbox']
# 獲取球拍的寬高
h1, w1 = imgBlock1.shape[0:2]
# 球拍的中心y坐標(biāo)，隨著掌心移動(dòng)
y1 = (y + h) // 2 - h1 // 2
# 如果檢測(cè)到了左手
if hand['type'] == 'Left':
# 左側(cè)的球拍x軸固定,y坐標(biāo)隨左手掌間中點(diǎn)移動(dòng)
img = cvzone.overlayPNG(img, imgBlock1, (55,y1))
# 如果檢測(cè)到了右手
if hand['type'] == 'Right':
# 右側(cè)的球拍x軸固定,y坐標(biāo)隨右手掌間中點(diǎn)移動(dòng)
img = cvzone.overlayPNG(img, imgBlock2, (1280-55,y1))
#（6）改變球的位置
# 如果球的y坐標(biāo)在超出了桌面的上或下邊框范圍，調(diào)整移動(dòng)方向
if ballpos[1] >= 600 or ballpos[1] <= 50:
# y方向的速度調(diào)整為反方向，那么x方向和y方向的合速度方向調(diào)整了
speedy = -speedy
ballpos[0] = ballpos[0] + speedx # 調(diào)整球的x坐標(biāo)
ballpos[1] = ballpos[1] + speedy # 調(diào)整球的y坐標(biāo)
#（5）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
img = cvzone.overlayPNG(img, imgBall, ballpos)
# 圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
4. 球拍擊球、游戲完善
4.1 方法介紹
這一部分主要完成三項(xiàng)工作，第一是球拍擊打到球，球需要反彈；第二是如果球進(jìn)入黃色區(qū)域，游戲結(jié)束；第三是左右側(cè)擊球得分計(jì)數(shù)器。
（1）球拍擊球
看到代碼中的第（5）步，ballpos 代表球的左上角坐標(biāo)(x,y)，100 < ballpos[0] < 100+w1 代表球到了球拍橫坐標(biāo)區(qū)域范圍內(nèi)部了，y1 < ballpos[1] < y1+h1 代表球的y坐標(biāo)在球拍y坐標(biāo)內(nèi)部，這時(shí)表明擊球成功，speedx = -speedx 只改變沿x軸的速度方向，不改變沿y軸的速度方向。
（2）球進(jìn)黃區(qū)，游戲結(jié)束
if ballpos[0] < 50 or ballpos[0] > 1150，如果球圖片的左上坐標(biāo)的 x 坐標(biāo)，在黃區(qū)邊緣，整個(gè)程序退出。當(dāng)然也可以做一個(gè)游戲結(jié)束界面，我之前的博文里也有介紹，我偷個(gè)懶不寫了。
（3）計(jì)數(shù)器
首先定義個(gè)變量初始化記錄左右側(cè)的擊球次數(shù) score = [0, 0]，如果有一側(cè)的球拍擊中球，那么對(duì)應(yīng)該側(cè)計(jì)數(shù)加一。
4.2 代碼展示
上面代碼是掌心控制球拍，這里改成食指指尖控制球拍中點(diǎn)移動(dòng)。
import cv2
import cvzone
from cvzone.HandTrackingModule import HandDetector # 導(dǎo)入手部檢測(cè)模塊
#（1）捕獲攝像頭
cap = cv2.VideoCapture(0) # 0代表電腦自帶的攝像頭
cap.set(3, 1280) # 讀入的圖像的寬
cap.set(4, 720) # 讀入的圖像的高
#（2）文件配置
# 導(dǎo)入所有需要對(duì)圖片文件
imgDesk = cv2.imread('games/desk.jpg') # 球桌的圖片
imgBall = cv2.imread('games/ball.png', cv2.IMREAD_UNCHANGED) # 球的圖片
imgBlock1 = cv2.imread('games/block1.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
imgBlock2 = cv2.imread('games/block2.png', cv2.IMREAD_UNCHANGED) # 球拍的圖片
# 調(diào)整球桌圖片的size
imgDesk = cv2.resize(imgDesk, dsize=(1280,720))
# 調(diào)整球拍的size
imgBlock1 = cv2.resize(imgBlock1, dsize=(50,200))
imgBlock2 = cv2.resize(imgBlock2, dsize=(50,200))
#（3）參數(shù)設(shè)置
# 接收手部關(guān)鍵點(diǎn)識(shí)別的方法，最小手部檢測(cè)模塊置信度0.8，最多檢測(cè)2只手
detector = HandDetector(detectionCon=0.8, maxHands=2)
# 球的默認(rèn)位置
ballpos = [100, 100]
# 球的移動(dòng)速度，每幀15個(gè)像素
speedx, speedy = 10, 10
# 記錄是否游戲結(jié)束
gameover = False
# 記錄左右的擊球數(shù)
score = [0, 0]
#（4）處理幀圖像
while True:
# 返回是否讀取成功，以及讀取后的幀圖像
success, img = cap.read() # 每次執(zhí)行讀取一幀
# 圖片翻轉(zhuǎn)呈鏡像關(guān)系，1代表左右翻轉(zhuǎn)，0代表上下翻轉(zhuǎn)
img = cv2.flip(img, flipCode=1)
# 手部關(guān)鍵點(diǎn)檢測(cè)，返回每個(gè)只手的信息和繪制后的圖像
hands, img = detector.findHands(img, flipType=False) # 上面翻轉(zhuǎn)過(guò)了這里就不用翻轉(zhuǎn)了
# 將球桌圖片和視頻幀圖像融合在一起, 兩張圖的shape要相同
# 給出每張圖片的融合權(quán)重, 亮度偏置為0，這樣就變成了半透明的顯示形式
img = cv2.addWeighted(img, 0.4, imgDesk, 0.6, 0)
#（5）處理手部關(guān)鍵點(diǎn)，如果檢測(cè)到手了就進(jìn)行下一步
if hands:
# 遍歷每檢測(cè)的2只手，獲取每一只手的坐標(biāo)
for hand in hands:
# 獲取食指坐標(biāo)(x,y,z)
x, y, z = hand['lmList'][8]
# 獲取球拍的寬高
h1, w1 = imgBlock1.shape[0:2]
# 球拍的中心y坐標(biāo)，隨著掌心移動(dòng)
y1 = y - h1 // 2
# 如果檢測(cè)到了左手
if hand['type'] == 'Left':
# 左側(cè)的球拍x軸固定,y坐標(biāo)隨左手掌間中點(diǎn)移動(dòng)
img = cvzone.overlayPNG(img, imgBlock1, (100,y1))
# 檢查球是否被左球拍擊中, 球的xy坐標(biāo)是否在球拍xy坐標(biāo)附近
if 100 < ballpos[0] < 100+w1 and y1 < ballpos[1] < y1+h1:
# 滿足條件代表球拍擊中了，改變球的移動(dòng)方向
speedx = -speedx # x方向設(shè)為反方向
# 得分加一
score[0] += 1
# 如果檢測(cè)到了右手
if hand['type'] == 'Right':
# 右側(cè)的球拍x軸固定,y坐標(biāo)隨右手掌間中點(diǎn)移動(dòng)
img = cvzone.overlayPNG(img, imgBlock2, (1150,y1))
# 檢查球是否被右球拍擊中
if 1050 < ballpos[0] < 1050+w1 and y1 < ballpos[1] < y1+h1:
# 滿足條件代表球拍擊中了，改變球的移動(dòng)方向
speedx = -speedx # x方向設(shè)為反方向
# 得分加一
score[1] += 1
#（6）檢查球是否沒(méi)接到，那么游戲結(jié)束
if ballpos[0] < 50 or ballpos[0] > 1150:
gameover = True
# 游戲結(jié)束，畫面就不動(dòng)了
if gameover is True:
break
# 游戲沒(méi)結(jié)束就接下去執(zhí)行
else:
#（7）調(diào)整球的坐標(biāo)
# 如果球的y坐標(biāo)在超出了桌面的上或下邊框范圍，調(diào)整移動(dòng)方向
if ballpos[1] >= 600 or ballpos[1] <= 50:
# y方向的速度調(diào)整為反方向，那么x方向和y方向的合速度方向調(diào)整了
speedy = -speedy
# 每一整都調(diào)整xy坐標(biāo)
ballpos[0] = ballpos[0] + speedx # 調(diào)整球的x坐標(biāo)
ballpos[1] = ballpos[1] + speedy # 調(diào)整球的y坐標(biāo)
#（8）添加桌球的圖片，將imgBall放在球桌img的指定坐標(biāo)位置
img = cvzone.overlayPNG(img, imgBall, ballpos)
#（9）顯示記分板
cvzone.putTextRect(img, f'Left:{score[0]} and Right:{score[1]}', (400,710))
#（10）圖像展示
cv2.imshow('img', img)
# 每幀滯留1ms后消失
k = cv2.waitKey(1)
# ESC鍵退出程序
if k & 0XFF==27:
break
# 釋放視頻資源
cap.release()
cv2.destroyAllWindows()效果圖如下：
到此這篇關(guān)于基于Python自制視覺(jué)桌上冰球小游戲的文章就介紹到這了,更多相關(guān)Python桌上冰球游戲內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python 讀取yaml文件的兩種方法(在unittest中使用)
這篇文章主要介紹了python 讀取yaml文件的兩種方法(在unittest中使用)，幫助大家更好的理解和學(xué)習(xí)python，感興趣的朋友可以了解下2020-12-12
tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取
今天小編就為大家分享一篇tensorflow實(shí)現(xiàn)訓(xùn)練變量checkpoint的保存與讀取，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-02-02
這周五就是520，大家都準(zhǔn)備好送給女朋友的禮物了嗎？快來(lái)利用Python編寫個(gè)表白代碼送給她吧！文中示例代碼講解詳細(xì)，跟隨小編一起動(dòng)手試一試吧2022-05-05
Python filter()及reduce()函數(shù)使用方法解析
這篇文章主要介紹了Python filter()及reduce()函數(shù)使用方法解析,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-09-09
Matplotlib實(shí)現(xiàn)各種條形圖繪制
這篇文章主要介紹了Matplotlib實(shí)現(xiàn)各種條形圖繪制，文章通過(guò)利用 plt.bar 方法實(shí)現(xiàn)各種條形圖繪制，內(nèi)容詳細(xì)具有一定的參考價(jià)值，需要的小伙伴可以參考一下2022-03-03
python如何使用requests提交post請(qǐng)求并上傳文件(multipart/form-data)
這篇文章主要給大家介紹了關(guān)于python如何使用requests提交post請(qǐng)求并上傳文件(multipart/form-data)的相關(guān)資料,Python有許多庫(kù)支持,它們可以簡(jiǎn)化HTTP上的數(shù)據(jù)傳輸,requests庫(kù)是最受歡迎的Python包之一,因?yàn)樗诰W(wǎng)絡(luò)刮削中被大量使用,需要的朋友可以參考下2023-11-11
Spark處理數(shù)據(jù)排序問(wèn)題如何避免OOM
這篇文章主要介紹了Spark處理數(shù)據(jù)排序問(wèn)題如何避免OOM,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2020-05-05
Python超詳細(xì)講解內(nèi)存管理機(jī)制
本章主要介紹Pyhon的內(nèi)存管理，以Pyhon的計(jì)數(shù)機(jī)制作為引入，介紹Pyhon的內(nèi)存管理方式，感興趣的朋友來(lái)看看吧2022-06-06
在本篇內(nèi)容里小編給大家分享的是一篇關(guān)于python生成word合同的實(shí)例方法相關(guān)內(nèi)容，有需要的朋友們可以學(xué)習(xí)下。2021-01-01
如何在python中實(shí)現(xiàn)隨機(jī)選擇
這篇文章主要介紹了如何在python中實(shí)現(xiàn)隨機(jī)選擇,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-11-11