我在MacOS上创建并激活了一个Python Virtualenv。 我还安装了我的需求中列出的模块列表.txt 删除的版本是以下内容： Python-dotenv = ...

我在我的MacOS上创建并激活了 python virtualenv 。

我还安装了我的 unignts.txt

中列出的模块列表

删除的版本是以下内容：

python-dotenv==1.0.1

这也是阀门：

▶ pip freeze | grep -i dotenv
python-dotenv==1.0.1
(.venv) 

但是，当我尝试运行程序时，其中一部分具有以下代码

from dotenv import find_dotenv, load_dotenv

我得到：

ModuleNotFoundError: No module named 'dotenv'

我缺少什么？

当您执行Python脚本时，您是否可能没有激活Virtualenv？

我正在尝试使用Selenium以无头模式录制视频 /音频。 据我所知，Selenium没有一种对视频录制负责的方法，但是我们可以制作一堆Screensh ...

我正在尝试在 < / code < / code>模式下录制视频 /音频使用 硒 。

据我所知， selenium 没有对视频录制负责的方法，但是我们可以制作大量屏幕截图，然后根据图像生成视频，不是吗？ 我已经尝试了这种方法，但是该死的慢... 我不再考虑使用这种方法。 此外，我找不到任何在录音中负责的 selenium 方法。 我的目标是录制音频，该音频正在 浏览器 ...例如来自 YouTube Video的音频（即使，当语音来自其他选项卡时），等等。

我想暑假我已经尝试过的东西：

selenium + pyautogui + pyaudio （我在不同的线程中运行它们） - 我真的很喜欢这种组合（结果足够好，只有在 中 模式），但是 pyautogui 无法记录 selenium 。

另一件事，我认为使用是 playwright 。

我确实相信， playwright 都能同时录制视频/音频（我录制了视频，但没有音频）。

这里有人解决了这个问题吗？

我需要一些提示。

我有一个使用Flow_from_dataframe和Placs365 TensorFlow-version网络训练了224x224x3图像，用于二进制分类，这些网络合并以创建新模型。 当我必须

时，我有一个 vgg19 使用 flow_from_dataframe 和 ploces 365 tensorflow-version网络，用224x224x3图像进行二进制分类训练二进制分类。合并创建新模型。

当我必须评估这个新模型时，我认为我需要一个 imagedatagenerator a flow_from_dataframe 才能访问 .csv 文件（总计400张图像），但是我有以下错误：

ValueError: Exception encountered when calling layer 'vgg19' (type Functional).
Input 0 of layer "block1_conv1" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: (None, None)

vgg19 正在接收与训练时相同的图像格式，所以我真的不明白为什么会发生这种情况。

ploces365 模型的类：

from __future__ import division, print_function
import os
import pickle
import warnings
import numpy as np

from keras import backend as K
from keras.layers import Input
from keras.layers import Activation, Dense, Flatten
from keras.layers import MaxPooling2D
from keras.models import Model
from keras.layers import Conv2D
from keras.regularizers import l2
from keras.layers import Dropout
from keras.layers import GlobalAveragePooling2D
from keras.layers import GlobalMaxPooling2D
from keras.utils import get_source_inputs
from keras.utils import get_file

from keras.preprocessing import image
from keras.applications.imagenet_utils import preprocess_input

WEIGHTS_PATH = 'https://github.com/GKalliatakis/Keras-VGG16-places365/releases/download/v1.0/vgg16-places365_weights_tf_dim_ordering_tf_kernels.h5'
WEIGHTS_PATH_NO_TOP = 'https://github.com/GKalliatakis/Keras-VGG16-places365/releases/download/v1.0/vgg16-places365_weights_tf_dim_ordering_tf_kernels_notop.h5'


def VGG16_Places365(weights='places', 
                    input_shape=None,
                    pooling=None,
                    classes=365):


    img_input = Input(shape=input_shape)


    # Block 1
    x = Conv2D(filters=64, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block1_conv1_365')(img_input)

    x = Conv2D(filters=64, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block1_conv2_365')(x)

    x = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name="block1_pool_365", padding='valid')(x)

    # Block 2
    x = Conv2D(filters=128, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block2_conv1_365')(x)

    x = Conv2D(filters=128, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block2_conv2_365')(x)

    x = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name="block2_pool_365", padding='valid')(x)

    # Block 3
    x = Conv2D(filters=256, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block3_conv1_365')(x)

    x = Conv2D(filters=256, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block3_conv2_365')(x)

    x = Conv2D(filters=256, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block3_conv3_365')(x)

    x = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name="block3_pool_365", padding='valid')(x)

    # Block 4
    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block4_conv1_365')(x)

    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block4_conv2_365')(x)

    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block4_conv3_365')(x)

    x = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name="block4_pool_365", padding='valid')(x)

    # Block 5
    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block5_conv1_365')(x)

    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block5_conv2_365')(x)

    x = Conv2D(filters=512, kernel_size=3, strides=(1, 1), padding='same',
               kernel_regularizer=l2(0.0002),
               activation='relu', name='block5_conv3_365')(x)

    x = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), name="block5_pool_365", padding='valid')(x)


    inputs = img_input

    # Create model.
    model = Model(inputs, x, name='vgg16-places365')

    # load weights
    weights_path = get_file('vgg16-places365_weights_tf_dim_ordering_tf_kernels_notop.h5',
                                WEIGHTS_PATH_NO_TOP,
                                cache_subdir='models')

    model.load_weights(weights_path)

    return model

预先训练的模型加载和其他方法：

import pandas as pd
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.models import load_model
from tensorflow.keras.optimizers import Adam
from keras.metrics import Precision, Recall
from tensorflow.keras import losses

model_vgg16_places365 = VGG16_Places365(weights='places', input_shape=(224, 224, 3))

def valid_generator(target_image_size, valid_dataset, valid_images_location):
 valid_data_gen = ImageDataGenerator(rescale=1./255)
 batch_size = 32
 valid_generator_1 = valid_data_gen.flow_from_dataframe(
       target_size=target_image_size,
       dataframe=valid_dataset,
       directory=valid_images_location,
       x_col="id",
       y_col="T1",
       batch_size=batch_size
   )

 valid_generator_2 = valid_data_gen.flow_from_dataframe(
       target_size=target_image_size,
       dataframe=valid_dataset,
       directory=valid_images_location,
       x_col="id",
       y_col="T1",
       batch_size=batch_size
   )

 custom_generator = zip(valid_generator_1, valid_generator_2)

 return custom_generator

vgg19_model_location = 'vgg19_trained.keras'
vgg19_model = load_model(vgg19_model_location)

combined_model = Model(inputs=[model_vgg16_places365.input, vgg19_model.input], outputs=vgg19_model.output)

combined_model.compile(loss=losses.BinaryCrossentropy(),
                optimizer=Adam(learning_rate=0.0001),
                metrics=
                 ['accuracy',
                  Precision(),
                  Recall()])

valid_dataset = pd.read_csv('valset.csv')
valid_images_location = 'val-images/'
target_image_size = (224,224)
evaluation = combined_model.evaluate(valid_generator(target_image_size, valid_dataset, valid_images_location))

下面的代码有两个类，我正在尝试更新Child1类的父类变量。 班级父母： def __init __（自我）： self.shared_variable =“我是共享

下面的代码有两个类，我正在尝试从 child> child1 类更新父类变量。

class Parent:
    def __init__(self):
        self.shared_variable = "I am a shared variable"

class Child1(Parent):
    def __init__(self):
        super().__init__()

    def change_variable(self, new_value):
        self.shared_variable = new_value

class Child2(Parent):
    def __init__(self):
        super().__init__()

# Example usage:
child1_instance = Child1()
child2_instance = Child2()

print(child1_instance.shared_variable)  # Initial value

child1_instance.change_variable("New value from Child1")

print(child2_instance.shared_variable)  # Updated value accessed by Child2

但是，在使用 child> child1_instance 更新 shared_variable 的值之后， child> Child2_instance 显示的输出仍然相同。

我该如何纠正这个？

所需的输出为：

I am a shared variable
New value from Child1

仅以变量的名称“共享”并不能使它共享！ 这是一个普通的实例属性，为每个实例分别存储

@Jasonharper：您能提供一个例子吗

您想这样做是什么？ 在我的头顶上，我想不出任何理由从子班上修改父班。 当心

这似乎是一个

一个使用的变量

谢谢您的回答。 您能提供完整的代码吗

@prateekdaniels这个答案确切地说明了什么问题以及如何修复它。 您有澄清的问题吗？

@prateek我们没有完整的解决方案，因为目前尚不清楚您要完成的工作。 查看我对您的问题以及Hai Vu的评论。 并注意Blckknght写道：“我怀疑[这是您所追求的。”

值得一提