# 显示文件夹树状目录
import os
import os.path
 
def dfs_showdir(path, depth):
    if depth == 0:
        print("root:[" + path + "]")
 
    for item in os.listdir(path):
        if item[0] not in ['.', '__']:
            print("|      " * depth + "+--" + item)
            newitem = path +'/'+ item
            if os.path.isdir(newitem):
                dfs_showdir(newitem, depth +1)
 
 
if __name__ == '__main__':
    path = os.getcwd()             # 文件夹路径
    dfs_showdir(path, 0)  # 显示文件夹的树状结构

root:[/home/jovyan/work]
+--results
|      +--README.md
|      +--tb_results
|      |      +--README.md
|      +--city_output.png
|      +--test_output.png
+--_README.ipynb
+--_OVERVIEW.md
+--utils
|      +--login.sh
|      +--sync_models.sh
|      +--sync.sh
+--lit
|      +--iizuka.pdf
|      +--liu.pdf
+--README.md
+--src
|      +--util.py
|      +--model.py
|      +--model_ld.py
|      +--run.sh
|      +--test.py
|      +--train_ld.py
|      +--gen.py
|      +--run_ld.sh
|      +--train.py
|      +--figs.py
|      +--__pycache__
|      |      +--train.cpython-36.pyc
|      |      +--test.cpython-36.pyc
|      |      +--model.cpython-37.pyc
|      |      +--util.cpython-36.pyc
|      |      +--util.cpython-37.pyc
|      +--output
|      |      +--models
|      |      |      +--model227000.ckpt.index
|      |      |      +--model227000.ckpt.meta
|      |      |      +--model227000.ckpt.data-00000-of-00001
+--images
|      +--city_128.png
|      +--test.png
+--etc
|      +--dev-indices.txt
|      +--results.png
|      +--cost.xlsx
|      +--outpainting.png
|      +--recursive.png
+--coding_here.ipynb
+--job_logs
|      +--job-gpu-62b5d2d8c06b81cd38279610.log
|      +--job-gpu-62b5d344b5c4eec184cc05b0.log
|      +--job-gpu-62b5d39fd4e7f8c811b53eb1.log
|      +--job-gpu-62b5d4052a85ae797c345e17.log
|      +--job-gpu-62b5d43bc06b81cd38279613.log
|      +--job-gpu-62b94f70c584fdf74ee42dd3.log
|      +--job-gpu-62b94f9cb17f87f3a6d7445b.log
|      +--job-gpu-62b94fd2f752e3e25d1d3e30.log
|      +--job-gpu-62b95050f752e3e25d1d3e32.log
|      +--job-gpu-62b95091a393bd89f5bbaa0e.log
|      +--job-gpu-62b950d6f9c7fbd55d4e9e0f.log
|      +--job-gpu-62b96ec3f901e7972521f6bc.log
|      +--job-gpu-62b9701b8029151df74612ce.log
|      +--job-gpu-62b971036452cd65a61ca625.log
|      +--job-gpu-62cae2855cdb670ebbe876b4.log
|      +--job-gpu-62cae2b3924968835f19fd7f.log
+--poster
|      +--msabini-gili__image-outpainting-poster.pdf
+--Untitled.ipynb
+--app_spec.yml
+--handler.py
+--project_requirements.txt
+--Untitled1.ipynb

1. 项目介绍

• 项目是由模块组成、有特定功能的程序。它能够满足用户的直接使用需求，例如古诗词生成器、风格迁移等。
• 开发项目过程中你可以导入数据集，也可以通过每个 cell 上方工具栏的<+>直接插入模块和代码块。

• 你可以将开发好的项目进行部署，项目部署成功并选择正式版本发布后会展示在“项目”页面，用户可以在线使用，也可以通过 API 调用。

• 项目目录结构:

  • results-----结果的文件存放地(如果你运行 job，务必将运行结果指定在此目录)
  • _OVERVIEW.md -----项目的相关介绍
  • _README.md-----说明文档
  • app_spec.yml-----定义项目的输入输出，为部署服务
  • coding_here.ipynb-----输入并运行代码

def handle(conf):
    """
    该方法是部署之后，其他人调用你的服务时候的处理方法。
    请按规范填写参数结构，这样我们就能替你自动生成配置文件，方便其他人的调用。
    范例：
    params['key'] = value # value_type: str # description: some description
    value_type 可以选择：img, video, audio, str, int, float, [int], [str], [float]
    参数请放到params字典中，我们会自动解析该变量。
    """

    param1 = conf['param1']  # value_type: str # description: some description
    # add your code
    return {'ret1': 'cat'}
    

pwd

'/home/jovyan/work'

2. 开发环境简介

你当前所在的页面 Notebook 是一个内嵌 JupyterLab 的在线类 IDE 编程环境，开发过程中可以使用页面右侧的 API 文档进行快速查询。Notebook 有以下主要功能：

• 调用数据集、模块和代码块资源
• 多人代码协作
• 在 GPU 资源上训练机器学习模型
• 简单部署

快来动手试试吧！点击左侧工具栏的新建文件图标即可选择你需要的文件类型。

左侧和右侧工具栏都可根据使用需要进行收合。

3. 快捷键与代码补全

Mo Notebook 已完全采用 Jupyter Notebook 的原生快捷键，并且支持 tab 代码补全。

运行代码：shift + enter 或者 shift + return

4. 常用指令介绍

• 解压上传后的文件

在 cell 中输入并运行以下命令： !7zx file_name.zip

• 查看所有包（package）

!pip list --format=columns

• 检查是否已有某个包

!pip show package_name

• 安装缺失的包

!pip install package_name

• 更新已有的包

!pip install package_name --upgrade

• 使用包

import package_name

• 显示当前目录下的档案及目录

ls

• 使用引入的数据集

数据集被引入后存放在 datasets 文件夹下，注意，这个文件夹是只读的，不可修改。如果需要修改，可在 Notebook 中使用

!cp -R ./datasets/<imported_dataset_dir> ./<your_folder>

指令将其复制到其他文件夹后再编辑，对于引入的数据集中的 zip 文件，可使用

!7zx ./datasets/<imported_dataset_dir>/<XXX.zip> ./<your_folder>

指令解压缩到其他文件夹后使用

5. 其他可参考资源

• 帮助文档：基本页面介绍和常见问题都可以在里面找到
• 平台功能教程：通过图文结合的 Notebook 详细介绍开发环境基本功能和操作
• 从 Python 到人工智能：超易入门的 Python 课程
• 吴恩达机器学习：机器学习经典课程
• 李宏毅机器学习：中文世界最好的机器学习课程
• 机器学习实战：通过实操指引完成独立的模型，掌握相应的机器学习知识
• 深度学习实战：通过实操指引完成独立的模型，掌握相应的深度学习知识
• 模块开发：关于模型训练、开发与部署的高阶教程