| from pptx import Presentation | |
| from pptx.util import Inches | |
| prs = Presentation('/Users/tahamajs/Documents/uni/Project/Docs/A1_Vertical_Template_Electronics.pptx') | |
| slide = prs.slides[0] | |
| def replace_paragraph_text(paragraph, new_text): | |
| if len(paragraph.runs) > 0: | |
| # Keep the formatting of the first run | |
| first_run = paragraph.runs[0] | |
| first_run.text = new_text | |
| # Clear the rest of the runs | |
| for i in range(1, len(paragraph.runs)): | |
| paragraph.runs[i].text = "" | |
| else: | |
| paragraph.text = new_text | |
| # Update Shape 15 (Results) | |
| if len(slide.shapes) > 15 and slide.shapes[15].has_text_frame: | |
| tf = slide.shapes[15].text_frame | |
| if len(tf.paragraphs) > 1: | |
| replace_paragraph_text(tf.paragraphs[1], "• عملکرد خیره‌کننده ۵ ماژول برتر: در میان ۱۰۰ ماژول موفق ارزیابی شده، NLI Softmax با دقت ۹۰.۹۴٪، Weighted Ensemble با دقت ۹۰.۱۴٪، Huffman Coder با دقت ۹۰.۰۲٪، FRanDI با دقت ۸۸.۷۶٪ و SOA Fused Attention با دقت ۸۱.۳۱٪ رتبه‌های برتر را به خود اختصاص دادند.") | |
| # Update Shape 17 (Conclusion) | |
| if len(slide.shapes) > 17 and slide.shapes[17].has_text_frame: | |
| tf = slide.shapes[17].text_frame | |
| if len(tf.paragraphs) > 1: | |
| replace_paragraph_text(tf.paragraphs[1], "• پایداری خط لوله و حل بنیادین CUDA OOM: با محدود کردن پارامترهای آموزشی به ۲ میلیون و رفع باگ‌های پدینگ و Silent Failures، خط لوله موفق شد بیش از ۸۳۱ مخزن و ۱۰۰ ماژول برتر را کاملاً خودکار روی Hugging Face (مخزن Hooshaai) منتشر کند.") | |
| # Find the picture placeholder or shape 20 bounds and insert our generated image + chart | |
| # We have `neuralops_cover.jpg` and `../thesis_final/chart.png`. Let's add them at the bottom. | |
| try: | |
| slide.shapes.add_picture('/Users/tahamajs/Documents/uni/Project/Docs/neuralops_cover.jpg', Inches(1.5), Inches(24), Inches(10), Inches(7)) | |
| slide.shapes.add_picture('/Users/tahamajs/Documents/uni/Project/thesis_final/chart.png', Inches(12), Inches(24), Inches(10), Inches(6.5)) | |
| except Exception as e: | |
| print(f"Failed to add images: {e}") | |
| prs.save('/Users/tahamajs/Documents/uni/Project/Docs/A1_Vertical_Template_Electronics_Updated.pptx') | |
| print("Poster text meticulously updated keeping the exact original fonts and layout.") | |
Xet Storage Details
- Size:
- 2.49 kB
- Xet hash:
- 2a4185d9d1fd8ddddd577ab54d2cd4b0d66088087256a73b8bd736044ee62f60
·
Xet efficiently stores files, intelligently splitting them into unique chunks and accelerating uploads and downloads. More info.