对于我的图像分类项目，我需要收集分类图像，对我来说，一个好的来源是世界各地在互联网上流式传输视频的不同网络摄像头。像这个：
我对视频流和网络抓取没有任何经验，所以在互联网上搜索信息后，我在 python 中想出了这个简单的代码：
url='https://www.skylinewebcams.com/a816de08-9805-4cc2-94e6-2daa3495eb99'
r1 = requests.get(url, stream=True)
filename = "stream.avi"
if(r1.status_code == 200):
with open(filename,'w') as f:
for chunk in r1.iter_content(chunk_size=1024):
f.write(chunk)
else:
print("Received unexpected status code {}".format(r.status_code))
其中 url 地址取自网站视频块的来源：
<video data-html5-video=""
poster="//static.skylinewebcams.com/_2933625150.jpg" preload="metadata"
src="blob:https://www.skylinewebcams.com/a816de08-9805-4cc2-94e6-
2daa3495eb99"></video>
但它不起作用（avi 文件为空），即使在浏览器中视频流工作良好。有人能解释一下如何将此视频流捕获到文件中吗？
我正在尝试在Keras中创建模型，以便根据图片进行数值预测。我的模型具有densitynet121卷积基础，顶部还有几个附加层。除最后两个图层外的所有图层均设置为layer.trainable = False。我的损失是均方误差，因为这是一项回归任务。在训练期间，我得到loss: ~3，而对同一批数据的评估给出loss: ~30：
model.fit(x=dat[0],y=dat[1],batch_size=32)
时代1/1 32/32 [==============================]-0s 11ms / step-损耗：2.5571
model.evaluate(x=dat[0],y=dat[1])
32/32 [==============================]-2s 59ms / step 29.276123046875
在训练和评估期间，我提供了完全相同的32张图片。我还使用的预测值计算了损失y_pred=model.predict(dat[0])，然后使用numpy构造了均方误差。结果与我从评估中得到的结果相同（即29.276123 ...）。
有人建议这种行为可能是由于BatchNormalization卷积基础中的层（有关github的讨论）。当然，BatchNormalization我模型中的所有图层也都已设置layer.trainable=False为。也许有人遇到了这个问题并想出了解决方案？
我正在使用 cython 进行代码混淆，因此目前性能不是问题。问题在于使用数据类。
cythonize 包含数据类定义的代码时，在编译期间没有错误。但是在运行代码时，我得到一个TypeError: <field> is a field but has no type annotation.
这是我试图 cythonize 的代码：
from dataclasses import dataclass, field
from typing import Dict, Any, List
@dataclass
class dataclass_test:
ddict: Dict[str, Any]
sstr: str
bbool: bool
llist: List[str]
ffloat: float
llist1: List[str] = field(default_factory=list)
在没有 cythonization 的情况下运行代码工作正常。但是在 cythonization 之后，我收到以下错误消息：
File "dataclass_.py", line 4, in init dataclass_
@dataclass File "/home/aryskin/miniconda3/envs/tf113_gpu_conda/lib/python3.7/dataclasses.py", line 991, in dataclass
return wrap(_cls) File "/home/aryskin/miniconda3/envs/tf113_gpu_conda/lib/python3.7/dataclasses.py", line 983, in wrap
return _process_class(cls, init, repr, eq, order, …