解决TypeError: as_view() takes exactly 1 argument (3 given)

原创 于 2022-03-31 01:36:12 发布 · 381 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #sql #nginx

本文解析了Django Rest Framework中因ViewSet继承错误导致的TypeError问题，并给出了正确的继承类实例。 
    urlpatterns = router.urls
  File "/usr/local/lib/python2.7/site-packages/djangorestframework-3.3.3-py2.7.egg/rest_framework/routers.py", line 79, in urls
    self._urls = self.get_urls()
  File "/usr/local/lib/python2.7/site-packages/djangorestframework-3.3.3-py2.7.egg/rest_framework/routers.py", line 256, in get_urls
    view = viewset.as_view(mapping, **route.initkwargs)
TypeError: as_view() takes exactly 1 argument (3 given)

此错误是因为使用的Djangorestframework框架，router里注册的ViewSet类，继承的类错误导致的

from rest_framework.generics import GenericAPIView
from rest_framework import viewsets
class KViewSet(GenericAPIView)  # 错误
class KViewSet(viewsets.GenericViewSet)  # 正确
TypeError: __init__() takes exactly 1 argument (2 given) 引发的原理分析
m0_57021623的博客
02-10 4195
在代码调试的过程中，报错如下： TypeError: init() takes exactly 1 argument (2 given) 引发的原理分析 以下的分析问题的过程 查看代码 from abc import abstractmethod,ABCMeta class Rootfunction(object): __metaclass = ABCMeta def __init__(self,driver=None): self.driver = drive
python_note:Indexing an Selecting Data
jwyhappy的博客
04-02 895
索引的不同选择： .loc is primarily label based, but may also be used with a boolean array. .loc will raise KeyError when the items are not found. Allowed inputs are: A single label, e.g. 5 or ‘a’ (Note tha...
Python 'takes exactly 1 argument (2 given)' Python error
09-21
主要介绍了Python 'takes exactly 1 argument (2 given)' Python error的相关资料,需要的朋友可以参考下
Django REST framework的使用总结
weixin_33943347的博客
06-16 702
在序列化与反序列化时，虽然操作的数据不尽相同，但是执行的过程却是相似的，也就是说这部分代码是可以复用简化编写的；在开发REST API的视图中，虽然每个视图具体操作的数据不同，但增、删、改、查的实现流程基本套路化，所以这部分代码也是可以复用简化编写；Django REST framework 框架是一个用于构建Web API 的强大而又灵活的工具。通常简称为DRF框架 或 REST framewo...
Python 类的继承__init__() takes exactly 3 arguments (1 given)
weixin_30621919的博客
07-20 1776
类（class），可以继承基类以便形成具有自己独特属性的类，我们在面向对象的编程中，经常用到类及其继承，可以说没有什么不是类的，今天我们就来详细探讨一下在python中，类的继承是如何做的。 我们假设有一个类叫做point，顾名思义，point就是一个点，它有横坐标和纵坐标。我们在python中创建一个point类（书上说类名称都要开头字母大写，这是国际惯例） 最简单的继承类的...
bar_set.setColor(index, QColor(255, 255, 0)) # 黄色高亮 TypeError: QBarSet.setColor() takes exactly one argument (2 given)
07-09
我们遇到了一个错误：`TypeError: QBarSet.setColor() takes exactly one argument (2 given)` 根据错误信息，`setColor`方法只接受一个参数（一个QColor对象），但我们传入了两个参数（索引和颜色）。 实际上，在...
bar_set.setBrush(index, QColor(0, 128, 0)) TypeError: QBarSet.setBrush() takes exactly one argument (2 given) 人家这个函数真的只接收一个参数，setBrush也没用啊，请你改一下高亮当前柱子的代码
07-09
</think># 解决QBarSet.setBrush()参数错误问题 我理解您的问题了。确实在PySide6中，`QBarSet.setBrush()`方法只接受一个参数（画刷对象），不接受索引参数。这确实是一个API限制。让我们使用正确的方法来实现柱子...
train: weights=yolov5s.pt, cfg=, data=data/bvn.yaml, hyp=data/hyps/hyp.scratch.yaml, epochs=300, batch_size=16, imgsz=640, rect=False, resume=False, nosave=False, noval=False, noautoanchor=False, evolve=None, bucket=, cache=None, image_weights=False, device=, multi_scale=False, single_cls=False, adam=False, sync_bn=False, workers=8, project=runs/train, name=exp, exist_ok=False, quad=False, linear_lr=False, label_smoothing=0.0, patience=100, freeze=0, save_period=-1, local_rank=-1, entity=None, upload_dataset=False, bbox_interval=-1, artifact_alias=latest github: skipping check (not a git repository), for updates see https://github.com/ultralytics/yolov5 YOLOv5 🚀 2021-10-12 torch 2.4.1+cu121 CUDA:0 (NVIDIA GeForce RTX 4060 Laptop GPU, 7915.4375MB) hyperparameters: lr0=0.01, lrf=0.1, momentum=0.937, weight_decay=0.0005, warmup_epochs=3.0, warmup_momentum=0.8, warmup_bias_lr=0.1, box=0.05, cls=0.5, cls_pw=1.0, obj=1.0, obj_pw=1.0, iou_t=0.2, anchor_t=4.0, fl_gamma=0.0, hsv_h=0.015, hsv_s=0.7, hsv_v=0.4, degrees=0.0, translate=0.1, scale=0.5, shear=0.0, perspective=0.0, flipud=0.0, fliplr=0.5, mosaic=1.0, mixup=0.0, copy_paste=0.0 Weights & Biases: run &#39;pip install wandb&#39; to automatically track and visualize YOLOv5 🚀 runs (RECOMMENDED) TensorBoard: Start with &#39;tensorboard --logdir runs/train&#39;, view at http://localhost:6006/ /home/wsy/yolov5/train.py:116: FutureWarning: You are using `torch.load` with `weights_only=False` (the current default value), which uses the default pickle module implicitly. It is possible to construct malicious pickle data which will execute arbitrary code during unpickling (See https://github.com/pytorch/pytorch/blob/main/SECURITY.md#untrusted-models for more details). In a future release, the default value for `weights_only` will be flipped to `True`. This limits the functions that could be executed during unpickling. Arbitrary objects will no longer be allowed to be loaded via this mode unless they are explicitly allowlisted by the user via `torch.serialization.add_safe_globals`. We recommend you start setting `weights_only=True` for any use case where you don&#39;t have full control of the loaded file. Please open an issue on GitHub for any issues related to this experimental feature. ckpt = torch.load(weights, map_location=device) # load checkpoint Overriding model.yaml nc=80 with nc=2 from n params module arguments 0 -1 1 3520 models.common.Conv [3, 32, 6, 2, 2] 1 -1 1 18560 models.common.Conv [32, 64, 3, 2] 2 -1 1 18816 models.common.C3 [64, 64, 1] 3 -1 1 73984 models.common.Conv [64, 128, 3, 2] 4 -1 2 115712 models.common.C3 [128, 128, 2] 5 -1 1 295424 models.common.Conv [128, 256, 3, 2] 6 -1 3 625152 models.common.C3 [256, 256, 3] 7 -1 1 1180672 models.common.Conv [256, 512, 3, 2] 8 -1 1 1182720 models.common.C3 [512, 512, 1] 9 -1 1 656896 models.common.SPPF [512, 512, 5] 10 -1 1 131584 models.common.Conv [512, 256, 1, 1] 11 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, &#39;nearest&#39;] 12 [-1, 6] 1 0 models.common.Concat [1] 13 -1 1 361984 models.common.C3 [512, 256, 1, False] 14 -1 1 33024 models.common.Conv [256, 128, 1, 1] 15 -1 1 0 torch.nn.modules.upsampling.Upsample [None, 2, &#39;nearest&#39;] 16 [-1, 4] 1 0 models.common.Concat [1] 17 -1 1 90880 models.common.C3 [256, 128, 1, False] 18 -1 1 147712 models.common.Conv [128, 128, 3, 2] 19 [-1, 14] 1 0 models.common.Concat [1] 20 -1 1 296448 models.common.C3 [256, 256, 1, False] 21 -1 1 590336 models.common.Conv [256, 256, 3, 2] 22 [-1, 10] 1 0 models.common.Concat [1] 23 -1 1 1182720 models.common.C3 [512, 512, 1, False] 24 [17, 20, 23] 1 18879 models.yolo.Detect [2, [[10, 13, 16, 30, 33, 23], [30, 61, 62, 45, 59, 119], [116, 90, 156, 198, 373, 326]], [128, 256, 512]] /home/wsy/anaconda3/envs/pytorch1.6/lib/python3.8/site-packages/torch/functional.py:513: UserWarning: torch.meshgrid: in an upcoming release, it will be required to pass the indexing argument. (Triggered internally at ../aten/src/ATen/native/TensorShape.cpp:3609.) return _VF.meshgrid(tensors, **kwargs) # type: ignore[attr-defined] Model Summary: 270 layers, 7025023 parameters, 7025023 gradients, 16.0 GFLOPs Transferred 343/349 items from yolov5s.pt Scaled weight_decay = 0.0005 optimizer: SGD with parameter groups 57 weight, 60 weight (no decay), 60 bias train: Scanning &#39;datasets/labels/train.cache&#39; images and labels... 31 found, 0 missing, 0 empty, 0 corrupted: 100%|█ val: Scanning &#39;datasets/labels/val.cache&#39; images and labels... 5 found, 0 missing, 0 empty, 0 corrupted: 100%|█| 5/5 Plotting labels... autoanchor: Analyzing anchors... anchors/target = 3.81, Best Possible Recall (BPR) = 1.0000 /home/wsy/yolov5/train.py:262: FutureWarning: `torch.cuda.amp.GradScaler(args...)` is deprecated. Please use `torch.amp.GradScaler(&#39;cuda&#39;, args...)` instead. scaler = amp.GradScaler(enabled=cuda) Image sizes 640 train, 640 val Using 8 dataloader workers Logging results to runs/train/exp11 Starting training for 300 epochs... Epoch gpu_mem box obj cls labels img_size 0%| | 0/2 [00:00<?, ?it/s] Traceback (most recent call last): File "/home/wsy/yolov5/train.py", line 620, in <module> main(opt) File "/home/wsy/yolov5/train.py", line 517, in main train(opt.hyp, opt, device, callbacks) File "/home/wsy/yolov5/train.py", line 298, in train accumulate = max(1, np.int64(ni, xi, [1, nbs / batch_size]).round()) TypeError: function takes at most 1 argument (3 given)如何解决
08-17
在YOLOv5训练过程中，如果遇到 `TypeError: function takes at most 1 argument (3 given)` 这类错误，通常是因为某个函数被调用时传入了错误数量的参数。这类问题常见于图像处理函数或自定义模块的调用错误，特别是...
#!/bin/env python # 必须写在第一行 # -*- coding: utf-8 -*- ################################################# # Author: songwenhua # Function:客户Y形阻抗线设计检查 # Date: 2025-10-28 # v1.00 songwenhua 用户需求号: 2481 任务ID：2099 # LOAD_MODE__ import os import re import sys from py39COM import Gateway, InCAM from py39Tools import TableWidget from ICO import ICO from ICNET import ICNET from XMLParse import XMLParsePlus from messageBox import messageBox from EqHelper import EqHelper from PyQt5.QtWidgets import QWidget, QApplication, QComboBox from collections import defaultdict, Counter from functools import partial import math # from img import apprcc_rc from pprint import pprint import time class chk_Y_zkline: def __init__(self): # self.setWindowFlags(Qt.WindowStaysOnTopHint) self.JOB = os.environ.get(&#39;JOB&#39;, None) self.STEP = os.environ.get(&#39;STEP&#39;, None) # self.chklist = os.environ.get(&#39;chklist&#39;, None) # --启动pycharm.sh时，里面有export INCAM_DEBUG=yes设置此环境变量 INCAM_DEBUG = os.getenv(&#39;INCAM_DEBUG&#39;, None) # 接口定义 if INCAM_DEBUG == &#39;yes&#39;: # 通过genesis gateway命令连结pid进行会话,不用在genesis环境下运行，直接用gateway的方式，可在pycharm环境下直接debug self.incam = Gateway() # 方法genesis_connect通过查询log-genesis文件获取的料号名 self.JOB = self.incam.job_name self.STEP = self.incam.step_name self.pid = self.incam.pid else: self.incam = InCAM() self.pid = os.getpid() self.ico = ICO(incam=self.incam) self.icNet = ICNET(incam=self.incam) self.jobName = self.ico.SimplifyJobName(jobName=self.JOB) self.dbSite = self.ico.GetDBSite(JOB=self.JOB) self.SITE = self.ico.GetSite(JOB=self.JOB) self.getinfomation_dict = defaultdict(defaultdict) self.ballPadIndexList = defaultdict(list) self.layerMatrix = self.ico.GetLayerMatrix() self.zkLineIndex = defaultdict(defaultdict) self.step_list = self.ico.GetStepList() layer_list = self.ico.GetLayerList() self.zk_siglay = {} self.zkLayerList = self.getZKLayer() # 获取阻抗线层别 self.run() def getZKLayer(self): """ 获取阻抗线层别 :return: 阻抗线层别 """ zkLayerList = list() layerList = self.layerMatrix[&#39;allLay&#39;] # self.ico.GetLayerList() for lay in layerList: for t in (&#39;s&#39;, &#39;ss&#39;, &#39;gsg&#39;, &#39;gssg&#39;): pattern_tmp = re.compile(r&#39;^((?:un-)?(\d+|[tb])zk)-(\d+\.?\d*)-(%s)-?(\d+\.?\d*)?-?(\d+\.?\d*)?-?(\d+\.?\d*)?$&#39; % t)#存在un开头的阻抗层 matchObj = re.match(pattern_tmp, lay) if matchObj: matchList = matchObj.groups() zkLayerList.append(lay) self.getinfomation_dict[lay][&#39;layer&#39;] = matchList[0] print(zkLayerList) if len(zkLayerList) > 0: SignalLayer_list = self.layerMatrix[&#39;sigAllLay&#39;] for i in range(len(SignalLayer_list)): if i == 0: self.zk_siglay[&#39;tzk&#39;] = SignalLayer_list[0] elif i == (len(SignalLayer_list) - 1): self.zk_siglay[&#39;bzk&#39;] = SignalLayer_list[-1] else: self.zk_siglay[str(i + 1) + &#39;zk&#39;] = SignalLayer_list[i] self.zk_siglay[&#39;un-&#39; + str(i + 1) + &#39;zk&#39;] = SignalLayer_list[i]#还要加一个un-开头的对应线路层！ print("zk_siglay : %s" % self.zk_siglay) for lay in self.getinfomation_dict.keys(): for key in self.zk_siglay: if self.getinfomation_dict[lay][&#39;layer&#39;] == key: self.getinfomation_dict[lay][&#39;sigLayerNum&#39;] = str(SignalLayer_list.index(self.zk_siglay[key]) + 1) self.getinfomation_dict[lay][&#39;sigLayerName&#39;] = str(self.zk_siglay[key]) break else: messageBox.showMessage(message=&#39;没有识别到阻抗线层别，请规范命名（eg：tzk-gssg-100)&#39;, bitmap=&#39;critical&#39;) exit() return zkLayerList def find_overlapping_line_endpoints(features): """找出所有被3个及以上线段共享的端点坐标 Args: features: 线段特征列表，每个元素包含&#39;type&#39;和坐标信息 Returns: dict: { (x,y): [line_index1, line_index2...] } """ # 创建坐标字典 {坐标: [线段索引列表]} endpoint_dict = defaultdict(list) for idx, feature in enumerate(features): if feature[&#39;type&#39;] == &#39;line&#39;: # 获取所有线段端点坐标 start_point = (feature[&#39;xs&#39;], feature[&#39;ys&#39;]) end_point = (feature[&#39;xe&#39;], feature[&#39;ye&#39;]) # 记录每个端点对应的线段索引 endpoint_dict[start_point].append(idx) endpoint_dict[end_point].append(idx) return {k:v for k,v in endpoint_dict.items() if len(v) >= 3}# 筛选出重合数≥3的坐标点 # overlapping_points = {} # for point, lines in endpoint_dict.items(): # if len(lines) >= 3: # overlapping_points[point] = lines # return overlapping_points def selectBallPad(self, zkLay, x, y): """ 判断指定坐标点是否与背面ball pad导通 :param zkLay: 阻抗层名称 :param x: 检查点的x坐标 :param y: 检查点的y坐标 :return: bool 是否导通 """ # 阻抗层对应的线路层 zk2SigLay = self.getinfomation_dict[zkLay][&#39;sigLayerName&#39;]#self.getinfomation_dict得到的是原始阻抗层，而不是_bak备份阻抗层 sigBot = self.layerMatrix[&#39;sigAllLay&#39;][-1] # 设置工作环境 self.ico.ClearAll() self.ico.ResetFilter() self.incam.COM(f&#39;affected_layer, name={sigBot}, mode=single, affected=yes&#39;) self.incam.COM(f&#39;display_layer, name={zk2SigLay}, display=yes&#39;) self.incam.COM(f&#39;work_layer, name={zk2SigLay}&#39;) # 执行选择 self.incam.COM("sel_clear_feat") self.incam.COM("clear_highlight") self.incam.COM(f&#39;sel_board_net_feat, operation=select, x={x}, y={y}, tol=1, use_ffilter=no&#39;) # 获取选中特征 featureFullInfo_sigBot = self.ico.GetFeatureFullInfo(step=self.STEP, layer=sigBot, mode=&#39;select&#39;) # 检查背面ball pad # 对于背面sig选到的物体，做个筛选，如果是pad且是.smd属性，说明选到了ball pad selectPadList = [info for info in featureFullInfo_sigBot if info[&#39;type&#39;] == &#39;pad&#39; and (info[&#39;attr&#39;] == &#39;.smd&#39; or info[&#39;attr&#39;] == &#39;.smd,.bga&#39; or info[&#39;attr&#39;] == &#39;.smd,.lga&#39; or info[&#39;attr&#39;] == &#39;.smd,.smt_pad&#39; or info[&#39;attr&#39;] == &#39;.smd,.test_pad&#39;)] # 20241209 新增ball pad属性是.smd.bga和.smd.lga return len(selectPadList) > 0 # 如果找到ball pad则返回True def run(self): """ 主执行函数 """ ##################################### # 初始化并调用 job = self.JOB backup_layers = [] self.ico.ClearAll() # self.zkLineIndex = defaultdict(defaultdict) #备份阻抗层 for zklay in self.zkLayerList: zkLay_bak = f&#39;{zklay}_bak&#39; # self.zkLineIndex[zklay][&#39;zkLaybak&#39;] = zkLay_bak # self.zkLineIndex[zklay][&#39;index&#39;] = [] self.ico.DelLayer(layer_list=[zkLay_bak]) # 创建前先删除 # 删除辅助层 self.ico.DispWork(zklay) self.incam.COM(f&#39;sel_copy_other, dest = layer_name, target_layer ={zkLay_bak},invert = no,dx = 0 ,dy = 0,size= 0,x_anchor= 0,y_anchor = 0&#39;) # 复制 # self.ico.DispWork(zkLay_bak) backup_layers.append(zkLay_bak) self.ico.ClearLayer() for step in self.step_list: for backup_layer in backup_layers: zkLay1 = backup_layer.replace(&#39;_bak&#39;,&#39;&#39;) #原始阻抗层 self.ico.DispWork(job=self.JOB, stp=step, lay=backup_layer) #对所有备份层的进行线简化 self.incam.COM("rv_tab_empty,report=design2rout_rep,is_empty=yes") self.incam.COM("sel_design2rout,det_tol=25.4,con_tol=25.4,rad_tol=2.54") self.incam.COM("rv_tab_view_results_enabled,report=design2rout_rep,is_enabled=yes,serial_num=-1,all_count=-1") self.ico.ClearLayer() features = self.ico.GetFeaturesPro(job, step, backup_layer) overlapping = self.find_overlapping_line_endpoints(features) # 检查重合点，并判断原稿中与重合坐标touch的阻抗线是否与背面的ball pad导通 if overlapping: for point, line_indices in overlapping.items(): # print(f"坐标 {point} 被 {len(line_indices)} 条线段共享:") #选中当前层的所有重合线段 for idx in line_indices: #遍历所有共享当前坐标点的线段索引 line = features[idx] #根据索引从特征列表中获取完整的线段数据 # 检查起点是否导通 start_conduction = self.selectBallPad( zkLay=backup_layer, #zkLay1 #用已经线简化了的备份层还是原始阻抗层？？ x=line[&#39;xs&#39;], y=line[&#39;ys&#39;] ) # 检查终点是否导通 end_conduction = self.selectBallPad( zkLay=backup_layer, #zkLay1 x=line[&#39;xe&#39;], y=line[&#39;ye&#39;] ) if start_conduction or end_conduction: # print(f"线段 {idx} 在点({line[&#39;xs&#39;]},{line[&#39;ys&#39;]})或({line[&#39;xe&#39;]},{line[&#39;ye&#39;]})与背面ball pad导通") messageBox.showDialog(title=&#39;提示&#39;, text=f&#39;{backup_layer}存在Y形阻抗线，此阻抗线与背面ball pad导通。1、人为确认是否为分流设计 2、如为分流设计，需与客户确认是否设计异常，与客户EQ此组对抗通过测量科邦卡控阻值，如客户不同意，内部策划列难点评估测科邦&#39;, bitmap=&#39;warning&#39;, buttons=[&#39;OK&#39;], defaultButton=&#39;OK&#39;) else: # print(f"线段 {idx} 未检测到与背面ball pad的导通") self.ico.DispWork(job=self.JOB, stp=step, lay=backup_layer) #备份层阻抗线路删除与重合坐标touch的整根线路 # 删除重合点touch的整根线段,那么这里是line[&#39;xs&#39;]还是重合点的xs呢？ self.incam.COM(f"sel_polyline_feat,operation=select,x={line[&#39;xs&#39;]},y={line[&#39;ys&#39;]}")# self.incam.COM("sel_delete") return 0 #不存在3个以上重合点，直接退出 sys.exit() if __name__ == "__main__": app = QApplication(sys.argv) analyzer = chk_Y_zkline() 针对以上代码，我希望实现需求目标：‌ 在run函数中实现阻抗线路的自动清理，删除与背面pad未导通且存在多余连接点的冗余线路。 ‌详细流程：‌ ‌备份处理‌ 复制所有阻抗层，备份层名称添加"_bak"后缀 所有后续操作仅在备份层上进行 ‌线路预处理‌ 对备份层执行线简化操作（已有函数实现） 提取所有line元素的端点坐标，通过GetFeaturesPro函数筛选&#39;line&#39;属性获取 ‌重合坐标分析‌ 统计所有端点坐标，精度保留6位小数(.6f) 识别出现次数≥3的重合坐标点 ‌导通性验证‌ 对每个重合坐标点，检查原稿层中与该坐标touch的线路是否与背面pad导通 使用selectBallPad函数进行导通性判断 ‌冗余线路清理‌ 对于未导通的线路： 使用命令 self.incam.COM(f"sel_polyline_feat,operation=select,x={line[&#39;xs&#39;]},y={line[&#39;ys&#39;]}") 通过坐标点选中整根polyline 执行 self.incam.COM("sel_delete") 删除选中的polyline ‌关键说明：‌ "touch"定义为：通过单个坐标点能够选中整根polyline 删除操作针对的是由多个line组成的完整polyline，而非单个line片段 所有坐标匹配均采用6位小数精度进行相等性判断 上述代码是否能够实现？
最新发布
10-31
> 而方法签名没有 `self` → 导致运行时报错：`TypeError: find_overlapping_line_endpoints() takes exactly 1 argument (2 given)` ✅ **必须改为实例方法：** ```python def find_overlapping_line_endpoints...
TypeError: Test() takes exactly 1 argument (2 given) python报错小记
three_trees的blog
04-09 1354
这边有如下代码： class AlbumS3Handler: def Test(str): print str return True if __name__ == "__main__": handler = ALbumS3Handler() handler.Test("hello") 报错： TypeError: Test() takes exactly 1 argument (2 given) 这个是因为python类中函数定义时需要加入参数self。因为
在调用外部.py文件class内的函数出现takes exactly 1 argument (2 given)解决方案
热门推荐
拒绝修仙拒绝睡的博客
10-31 1万+
被调用的文件test.pyclass test: def test_dummy(elem): print elem调用文件的call.pyfrom test import testts = test() data = 'abc' ts.test_dummy(data)欸，这个时候就报错了，提示的问题十分诡异，因为我明明在test.py中定义的test_dummy是有一个参数的
TypeError: function takes exactly 1 argument (3 given)
xiaqi4145
09-12 1213
label = '{} {:.2f}'.format(predicted_class, score) image = image.convert('RGB') #*************************************** draw = ImageDraw.Draw(image) #*************************************** labe...
【笔记】yolo检测时报错TypeError: function takes exactly 1 argument (3 given)：设定获得三个参数，只得到一个参数
nyist_yangguang的博客
10-11 997
使用 image = image.convert('RGB') 比如部分yolo.py函数如下： for i, c in reversed(list(enumerate(out_classes))): predicted_class = self.class_names[c] box = out_boxes[i] score = out_scores[i] label...
python get方法请求参数_如何解决TypeError get()在使用get方法的Python请求中恰好接受2个参数(给定3个)...
weixin_39850062的博客
12-04 660
在Python中使用Request对象时出现错误.下面是我的代码.class APIDOC(Document):def request_api(self):method_type = self.method_typeapi = self.apiparameters = self.parameterssession_object = requests.session()self.get_login(...
python中参数的位置传递和名称传递各有什么优缺点_跟老齐学Python之总结参数的传递...
weixin_39824020的博客
12-09 3225
就前面所讲，函数的基本内容已经完毕。但是，函数还有很多值得不断玩味的细节。这里进行阐述。参数的传递python中函数的参数通过赋值的方式来传递引用对象。下面总结通过总结常见的函数参数定义方式，来理解参数传递的流程。def foo(p1,p2,p3,...)这种方式最常见了，列出有限个数的参数，并且彼此之间用逗号隔开。在调用函数的时候，按照顺序以此对参数进行赋值，特备注意的是，参数的名字不重要，重要...
Django REST framework 源码解析
fenglepeng的博客
03-07 638
先放图，放图说话，可能有点长 主流程这个颜色 从setting导入默认数据流程是 这个颜色 主流程大概流程写一下：as_view 实际返回view，并把参数{"get":"list","post":"create"}传递给view，view会根据传入的参数设置成 handle=list，get=handle 然后执行dispatch函数，dispatch 先 执行initialize_...
Django（58）viewsets视图集详解
weixin_43880991的博客
06-10 1851
前言 ViewSet 只是一种基于类的视图，它不提供任何方法处理程序(如 .get()或.post()),而是提供诸如.list()和 .create() 之类的操作。ViewSet 的方法处理程序仅使用 .as_view() 方法绑定到完成视图的相应操作。 通常不是在urlconf中的视图集中显示注册视图，而是要使用路由类注册视图集，该类会自动为你确定 urlconf。 源码分析 我们首先看一...
Django的rest_framework的视图之基于ModelViewSet视图源码解析
weixin_33737134的博客
03-03 3875
前言 今天一直在整理Django的rest_framework的序列化组件，前面一共写了2篇博客，前面的博客给的方案都是一个中间的状态的博客，其中有很多的冗余的代码，如果有朋友不清楚，可以先看下我前面的博客 第一篇，使用minix类来实现序列化和反序列化 https://www.cnblogs.com/bainianminguo/p/10463741.html 第二篇，使用通用的类的方法实...
TypeError: weater() takes exactly 1 argument (2 given)
08-26
例如，当方法定义中没有包含 `self` 参数，但在调用时却隐式地传递了一个额外的参数（即实例本身），就会导致 `TypeError: weather() takes exactly 1 argument (2 given)` 这类错误。 #### 错误原因 Python 中的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值