args = parser.parse_args() SystemExit: 2

源代码中:

parser = argparse.ArgumentParser()
parser.add_argument('folder', type=str, default="data", help='Path to the data folder.')
args = parser.parse_args()

修改版:

parser = argparse.ArgumentParser()
parser.add_argument('--folder', type=str, default="data", help='Path to the data folder.')
args = parser.parse_args()
  • 8
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
其代码较为简单,模型(较小:7.8M)已经训练好在graph_opt.pb文件中,其中全部实现代码在openpose.py文件中,下面是实现代码及测试效果: # To use Inference Engine backend, specify location of plugins: # export LD_LIBRARY_PATH=/opt/intel/deeplearning_deploymenttoolkit/deployment_tools/external/mklml_lnx/lib:$LD_LIBRARY_PATH import cv2 as cv import numpy as np import argparse parser = argparse.ArgumentParser() parser.add_argument('--input', help='Path to image or video. Skip to capture frames from camera') parser.add_argument('--thr', default=0.2, type=float, help='Threshold value for pose parts heat map') parser.add_argument('--width', default=368, type=int, help='Resize input to specific width.') parser.add_argument('--height', default=368, type=int, help='Resize input to specific height.') args = parser.parse_args() BODY_PARTS = { "Nose": 0, "Neck": 1, "RShoulder": 2, "RElbow": 3, "RWrist": 4, "LShoulder": 5, "LElbow": 6, "LWrist": 7, "RHip": 8, "RKnee": 9, "RAnkle": 10, "LHip": 11, "LKnee": 12, "LAnkle": 13, "REye": 14, "LEye": 15, "REar": 16, "LEar": 17, "Background": 18 } POSE_PAIRS = [ ["Neck", "RShoulder"], ["Neck", "LShoulder"], ["RShoulder", "RElbow"], ["RElbow", "RWrist"], ["LShoulder", "LElbow"], ["LElbow", "LWrist"], ["Neck", "RHip"], ["RHip", "RKnee"], ["RKnee", "RAnkle"], ["Neck", "LHip"], ["LHip", "LKnee"], ["LKnee", "LAnkle"], ["Neck", "Nose"], ["Nose", "REye"], ["REye", "REar"], ["Nose", "LEye"], ["LEye", "LEar"] ] inWidth = args.width inHeight = args.height net = cv.dnn.readNetFromTensorflow("graph_opt.pb") cap = cv.VideoCapture(args.input if args.input else 0) while cv.waitKey(1) < 0: hasFrame, frame = cap.read() if not hasFrame: cv.waitKey() break frameWidth = frame.shape[1] frameHeight = frame.shape[0] net.setInput(cv.dnn.blobFromImage(frame, 1.0, (inWidth, inHeight), (127.5, 127.5, 127.5), swapRB=True, crop=False)) out = net.forward() out = o
这是一个使用 Python argparse 模块创建命令行接口的案例。在这个案例中,我们首先需要导入 argparse 模块,然后创建一个 ArgumentParser 对象,用于处理命令行参数。 接下来,我们可以通过 add_argument() 方法向 ArgumentParser 对象添加不同的参数。这些参数可以是位置参数(positional arguments)或选项参数(optional arguments),并可以设置不同的属性,例如名称、类型、默认值等。 最后,我们可以使用 parse_args() 方法解析命令行参数,并将结果存储在一个 Namespace 对象中,从而可以在程序中轻松访问这些参数。 下面是一个简单的示例程序,演示了如何使用 argparse 模块创建一个命令行接口: ```python import argparse # 创建 ArgumentParser 对象 parser = argparse.ArgumentParser(description='Process some integers.') # 添加位置参数 parser.add_argument('integers', metavar='N', type=int, nargs='+', help='an integer for the accumulator') # 添加选项参数 parser.add_argument('--sum', dest='accumulate', action='store_const', const=sum, default=max, help='sum the integers (default: find the max)') # 解析命令行参数 cmd_args = parser.parse_args() # 打印结果 print(cmd_args.accumulate(cmd_args.integers)) ``` 在这个示例中,我们添加了一个位置参数 integers 和一个选项参数 sum。integers 参数需要传入至少一个整数,而 sum 参数用于指定对这些整数进行求和(默认找到最大值)。 然后,我们使用 parse_args() 方法解析命令行参数,并将结果存储在 cmd_args 对象中。最后,我们调用 accumulate() 方法对整数进行求和或找到最大值,并打印结果。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

敲出十四行诗的幸运猴子

谢谢!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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