tf.app.run(main=main, argv=[sys.argv[0]])

TensorFlow图像分类测试错误

最新推荐文章于 2022-09-09 12:48:17 发布

Steven_ycs

最新推荐文章于 2022-09-09 12:48:17 发布

阅读量2.6k

点赞数 2

CC 4.0 BY-SA版权

本文链接：https://blog.youkuaiyun.com/weixin_38208741/article/details/72377222

本文解决了一个在使用TensorFlow进行图像分类测试时遇到的问题，该问题源于TensorFlow版本过低导致的TypeError。具体表现为在调用tf.app.run时传递了不被支持的argv参数。文章提供了针对该问题的解决方案，即升级TensorFlow版本到0.12或以上。

用tensorflow测试图像分类的时候，出现下面的问题，

观察上面的问题我们可以发现。问题是由于：

主要线索是错误提示：

TypeError: run() got an unexpected keyword argument 'argv'

目测应该是你的tensorflow版本问题。
在r0.11及以前的版本里， tf.app.run：

 def run(main=None):
  f = flags.FLAGS
  flags_passthrough = f._parse_flags()
  main = main or sys.modules['__main__'].main
  sys.exit(main(sys.argv[:1] + flags_passthrough))

没有argv参数，argv参数是r0.12后加入。
所以，推测你的tensorflow版本在r0.11及以下，你需要更新你的tensorflow版本到r0.12或以上。

所以解决方案便是将tensorflow的版本升级到r0，12及以上，升级的方法如下：

sudo pip  --no-cache-dir install --upgrade https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow-0.12.0rc0-cp27-none-linux_x86_64.whl

OK，问题到此结束。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Steven_ycs

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
2
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

tensorflow学习：tf.app.run()函数

florrie

11-04

5322

tensorflow中的tf.app.run()函数转载需要注明出处！ # 省略import if __name__ = '__main__': tf.app.run() tf.app.run() 是函数入口，类似于c++中的main() 根据run(）函数的源码描述，一般来说，运行一个程序是需要main函数作为入口的，同时都附带了参数argv是用来接收用户输入的，而在tensorflow...

Tensorflow入门笔记——tf.app.run()用法介绍

Jane的博客

03-08

889

tf.app.run() ：该函数是用来处理flag解析，然后执行main函数源码参考：https://blog.csdn.net/lujiandong1/article/details/53262612 Tensorflow的程序中，在main函数下，都是使用 tf.app.run() 来启动 if __name__ == "__main__": tf.app.run() 如果代...

2 条评论您还未登录，请先登录后发表或查看评论

tf.app.run()

苦逼的程序猿

08-11

2912

机制 TensorFlow定义了tf.app.flags，用于支持接受命令行传递参数。tf.app.run() 是函数入口，类似于c++中的main()，一般来说，程序运行需要main函数作为入口的，同时都附带了参数argv是用来接收用户输入的，tensorflow这里，tf.app.run() 就相当于这个main() 函数，而且还能解析参数。 Tensorflow参数接口 # -*- coding:utf-8 -*- # test.py import tensorflow as ...

理解tf.app.run()

python

08-07

4778

在程序中经常看见： if name == ‘main’: tf.app.run() 其中if name == ‘main’:的意思是当别的程序调用

解决运行MNist 数据集报 tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)

roxxo的博客

02-17

1116

运行Tensorflow 官方的MNist 训练脚本报 tf.app.run(main=main, argv=[sys.argv[0]] + unparsed) 参考该文章 https://blog.csdn.net/weixin_38208741/article/details/72377222 升级TF后仍然有相关报错，仔细查看报错信息将目录下的 dataset.py ...

tensorflow中tf.app.run()的含义

u013171318的博客

06-26

3029

今天在学习 mnist 代码的时候，看到主函数中有如下的代码： FLAGS, unparsed = parser.parse_known_args() tf.app.run(main=main, argv=[sys.argv[0]] + unparsed) 第一行的含义是对运行命令行时传进来的参数进行解析，如果传进来的参数是之前被add到parser中的，则被传给FLAGS，否则讲传给unpa

TensorFlow 中 tf.app.flags.FLAGS 的用法介绍

lyb3b3b的专栏

09-06

7484

说道命令行参数解析，就不得不提到 python 的 argparse 模块，详情可参考博主之前的一篇博客：python argparse 模块命令行参数解析。在阅读相关工程的源码时，很容易发现 tf.app.flags 模块的身影。其作用与 python 的 argparse 类似。一、tf.app.flags.FLAGS 例子1：新建一个名为：app_flags.py 的文件。 #......

import tensorflow as tf import numpy as np import matplotlib.pyplot as plt from sklearn.metrics import classification_report, confusion_matrix import seaborn as sns from time import time from matplotlib import rcParams rcParams['font.sans-serif'] = ['SimHei'] # 设置中文字体 rcParams['axes.unicode_minus'] = False # 避免负号显示问题 # 数据集加载函数 def data_load(data_dir, test_data_dir, img_height, img_width, batch_size): train_ds = tf.keras.preprocessing.image_dataset_from_directory( data_dir, label_mode='categorical', seed=123, image_size=(img_height, img_width), batch_size=batch_size) val_ds = tf.keras.preprocessing.image_dataset_from_directory( test_data_dir, label_mode='categorical', seed=123, image_size=(img_height, img_width), batch_size=batch_size) class_names = train_ds.class_names return train_ds, val_ds, class_names # 构建MobileNet模型 def model_load(IMG_SHAPE=(224, 224, 3), class_num=15): base_model = tf.keras.applications.MobileNetV2(input_shape=IMG_SHAPE, include_top=False, weights='imagenet') base_model.trainable = False model = tf.keras.models.Sequential([ tf.keras.layers.experimental.preprocessing.Rescaling(1. / 127.5, offset=-1, input_shape=IMG_SHAPE), base_model, tf.keras.layers.GlobalAveragePooling2D(), tf.keras.layers.Dense(class_num, activation='softmax') ]) model.summary() model.compile(optimizer='adam', loss='categorical_crossentropy', metrics=['accuracy']) return model # 绘制训练过程中的损失和准确率 def show_loss_acc(history): acc = history.history['accuracy'] val_acc = history.history['val_accuracy'] loss = history.history['loss'] val_loss = history.history['val_loss'] plt.figure(figsize=(8, 8)) plt.subplot(2, 1, 1) plt.plot(acc, label='Training Accuracy') plt.plot(val_acc, label='Validation Accuracy') plt.legend(loc='lower right') plt.ylabel('Accuracy') plt.ylim([min(plt.ylim()), 1]) plt.title('Training and Validation Accuracy') plt.subplot(2, 1, 2) plt.plot(loss, label='Training Loss') plt.plot(val_loss, label='Validation Loss') plt.legend(loc='upper right') plt.ylabel('Cross Entropy') plt.title('Training and Validation Loss') plt.xlabel('epoch') plt.savefig('results/results_mobilenet.png', dpi=100) # 评估模型函数 def evaluate_model(model, val_ds, class_names): y_true = [] y_pred = [] for images, labels in val_ds: predictions = model.predict(images) y_pred.extend(np.argmax(predictions, axis=1)) y_true.extend(np.argmax(labels, axis=1)) cm = confusion_matrix(y_true, y_pred) print("Confusion Matrix:") print(cm) print("Classification Report:") print(classification_report(y_true, y_pred, target_names=class_names, digits=4)) plt.figure(figsize=(10, 8)) sns.heatmap(cm, annot=True, fmt='d', cmap='Blues', xticklabels=class_names, yticklabels=class_names) plt.xlabel('Predicted') plt.ylabel('True') plt.title('Confusion Matrix') plt.show() # 自定义回调函数，用于动态打印评价指标 class PrintEvalCallback(tf.keras.callbacks.Callback): def on_epoch_end(self, epoch, logs=None): print(f"Epoch {epoch + 1}: " f"loss={logs['loss']:.4f}, accuracy={logs['accuracy']:.4f}, " f"val_loss={logs['val_loss']:.4f}, val_accuracy={logs['val_accuracy']:.4f}") # 主训练函数 def train(epochs): begin_time = time() train_ds, val_ds, class_names = data_load( "D:/1/WeChat Files/wxid_c6n47k03okeu22/FileStorage/File/2024-05/vegetables_tf2.3-master/data/train", "D:/1/WeChat Files/wxid_c6n47k03okeu22/FileStorage/File/2024-05/vegetables_tf2.3-master/data/valid", 224, 224, 16 ) print("Class Names:", class_names) model = model_load(class_num=len(class_names)) # 使用自定义回调函数 eval_callback = PrintEvalCallback() history = model.fit(train_ds, validation_data=val_ds, epochs=epochs, callbacks=[eval_callback]) model.save("models/mobilenet_fv.h5") end_time = time() print('Training time:', end_time - begin_time, "seconds") show_loss_acc(history) evaluate_model(model, val_ds, class_names) if __name__ == '__main__': train(epochs=10)import tensorflow as tf from PyQt5.QtGui import QIcon, QFont, QPixmap from PyQt5.QtCore import Qt from PyQt5.QtWidgets import QApplication, QMainWindow, QWidget, QVBoxLayout, QHBoxLayout, QLabel, QPushButton, QTabWidget, QFileDialog, QMessageBox import sys import cv2 from PIL import Image import numpy as np import shutil class MainWindow(QMainWindow): def __init__(self): super().__init__() self.setWindowIcon(QIcon('images/logo.png')) # 确保路径正确 self.setWindowTitle('蔬菜识别系统') self.model = tf.keras.models.load_model("models/mobilenet_fv.h5") self.to_predict_name = "images/tim9.jpeg" self.class_names = ['豆', '苦瓜', '葫芦瓜', '茄子', '西兰花', '胡萝卜', '包菜', '辣椒', '西红柿', '花菜', '土豆', '黄瓜','番木瓜', '南瓜', '白萝卜', ] self.resize(900, 700) self.initUI() def initUI(self): main_widget = QWidget() main_layout = QHBoxLayout() font = QFont('楷体', 15) left_widget = QWidget() left_layout = QVBoxLayout() img_title = QLabel("样本") img_title.setFont(font) img_title.setAlignment(Qt.AlignCenter) self.img_label = QLabel() # 读取并检查图像 img_init = cv2.imread(self.to_predict_name) if img_init is None: print(f"Error: 无法加载图像文件 '{self.to_predict_name}'。请检查文件路径和文件名。") sys.exit(1) h, w, c = img_init.shape scale = 400 / h img_show = cv2.resize(img_init, (0, 0), fx=scale, fy=scale) cv2.imwrite("images/show.png", img_show) img_init = cv2.resize(img_init, (224, 224)) cv2.imwrite('images/target.png', img_init) self.img_label.setPixmap(QPixmap("images/show.png")) left_layout.addWidget(img_title) left_layout.addWidget(self.img_label, 1, Qt.AlignCenter) left_widget.setLayout(left_layout) right_widget = QWidget() right_layout = QVBoxLayout() btn_change = QPushButton("上传图片") btn_change.clicked.connect(self.change_img) btn_change.setFont(font) btn_predict = QPushButton("开始识别") btn_predict.setFont(font) btn_predict.clicked.connect(self.predict_img) label_result = QLabel('蔬菜名称') self.result = QLabel("等待识别") label_result.setFont(QFont('楷体', 16)) self.result.setFont(QFont('楷体', 24)) right_layout.addStretch() right_layout.addWidget(label_result, 0, Qt.AlignCenter) right_layout.addStretch() right_layout.addWidget(self.result, 0, Qt.AlignCenter) right_layout.addStretch() right_layout.addStretch() right_layout.addWidget(btn_change) right_layout.addWidget(btn_predict) right_layout.addStretch() right_widget.setLayout(right_layout) main_layout.addWidget(left_widget) main_layout.addWidget(right_widget) main_widget.setLayout(main_layout) about_widget = QWidget() about_layout = QVBoxLayout() about_title = QLabel('欢迎使用蔬菜识别系统') about_title.setFont(QFont('楷体', 18)) about_title.setAlignment(Qt.AlignCenter) about_img = QLabel() about_img.setPixmap(QPixmap('images/bj.jpg')) about_img.setAlignment(Qt.AlignCenter) label_super = QLabel("作者：杨益") label_super.setFont(QFont('楷体', 12)) label_super.setAlignment(Qt.AlignRight) about_layout.addWidget(about_title) about_layout.addStretch() about_layout.addWidget(about_img) about_layout.addStretch() about_layout.addWidget(label_super) about_widget.setLayout(about_layout) self.tab_widget = QTabWidget() self.tab_widget.addTab(main_widget, '主页') self.tab_widget.addTab(about_widget, '关于') self.tab_widget.setTabIcon(0, QIcon('images/主页面.png')) self.tab_widget.setTabIcon(1, QIcon('images/关于.png')) self.setCentralWidget(self.tab_widget) def change_img(self): openfile_name, _ = QFileDialog.getOpenFileName(self, '选择文件', '', 'Image files(*.jpg *.png *jpeg)') if openfile_name: target_image_name = "images/tmp_up." + openfile_name.split(".")[-1] shutil.copy(openfile_name, target_image_name) self.to_predict_name = target_image_name img_init = cv2.imread(self.to_predict_name) if img_init is None: print(f"Error: 无法加载图像文件 '{self.to_predict_name}'。请检查文件路径和文件名。") return h, w, c = img_init.shape scale = 400 / h img_show = cv2.resize(img_init, (0, 0), fx=scale, fy=scale) cv2.imwrite("images/show.png", img_show) img_init = cv2.resize(img_init, (224, 224)) cv2.imwrite('images/target.png', img_init) self.img_label.setPixmap(QPixmap("images/show.png")) self.result.setText("等待识别") def predict_img(self): img = Image.open('images/target.png') img = np.asarray(img) outputs = self.model.predict(img.reshape(1, 224, 224, 3)) result_index = int(np.argmax(outputs)) result = self.class_names[result_index] self.result.setText(result) def closeEvent(self, event): reply = QMessageBox.question(self, '退出', "是否要退出程序？", QMessageBox.Yes | QMessageBox.No, QMessageBox.No) if reply == QMessageBox.Yes: event.accept() else: event.ignore() if __name__ == "__main__": app = QApplication(sys.argv) x = MainWindow() x.show() sys.exit(app.exec_())这个代码是否正确