小编Jim*_*ela的帖子

我尝试使用 TensorFlow Probability 运行模型。
但是当我运行它时，我收到以下错误：

**ImportError: This version of TensorFlow Probability requires TensorFlow version >= 2.3; Detected an installation of version 2.0.0-beta1. Please upgrade TensorFlow to proceed.**<br>

我无法安装 TensorFlow 2.3，因为它说没有匹配项。
我已经安装了这些库。

张量流（2.0.0b1）
张量流估计器（1.14.0）
张量流张量板（1.5.1）
tfp-nightly（0.12.0.dev20200817）

有什么建议如何修复它吗？

提前致谢

我main.py使用 pyinstaller成功转换了脚本。但是，在执行.exe文件时会抛出以下错误。

MatplotlibDeprecationWarning: Matplotlib installs where the data is not in the mpl-data subdirectory of the package are deprecated since 3.2 and support for them will be removed two minor releases later.
  exec(bytecode, module.__dict__)
Traceback (most recent call last):
  File "main.py", line 8, in <module>
  File "<frozen importlib._bootstrap>", line 983, in _find_and_load
  File "<frozen importlib._bootstrap>", line 967, in _find_and_load_unlocked
  File "<frozen importlib._bootstrap>", line 677, in _load_unlocked
  File "c:\users\XXXX\appdata\local\programs\python\python37\lib\site-packages\PyInstaller\loader\pyimod03_importers.py", line 493, in exec_module
    exec(bytecode, module.__dict__)
  File "matplotlib\__init__.py", …

我试图根据轮廓的到达对轮廓进行排序，left-to-right就像top-to-bottom你写任何东西一样。从，top然后left，以相应的情况为准。

到目前为止，这就是我所取得的成就和方式：

def get_contour_precedence(contour, cols):
    tolerance_factor = 61
    origin = cv2.boundingRect(contour)
    return ((origin[1] // tolerance_factor) * tolerance_factor) * cols + origin[0]


image = cv2.imread("C:/Users/XXXX/PycharmProjects/OCR/raw_dataset/23.png", 0)

ret, thresh1 = cv2.threshold(image, 130, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)

contours, h = cv2.findContours(thresh1.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# perform edge detection, find contours in the edge map, and sort the
# resulting contours from left-to-right
contours.sort(key=lambda x: get_contour_precedence(x, thresh1.shape[1]))

# initialize the list of contour bounding boxes and associated …

我正在尝试显示 Imagedatagenerator.flow() 生成的图像，但我无法这样做。

我使用单个图像并将其传递给 .flow(img_path) 来生成增强图像，直到总数符合我们的要求：

total = 0
for image in imageGen:
total += 1
if total == 10:
    break

.flow()

imageGen = aug.flow(image_path, batch_size=1,
                      save_to_dir="/path/to/save_dir",
                      save_prefix="", save_format='png')

如何接收在循环中生成的图像，以便我可以在运行时显示它？

我有三个清单：

包含键的列表是：

keys = ['testname', 'output']

包含值的列表是：

value1 = ['pizza', 'dog', 'lion']
value2 = ['12.3', '356', '45.6']

我想要的输出是：

{
 "Labresult":[
    { 'testname': 'pizza',
       'output': '12.3',
    },
    
    { 'testname': 'dog',
      'output': '356,'
    },
    { 'testname': 'lion',
       'output': '45.6',
    }]
 }

我试过的：

dict(zip(key, zip(value1,value2)))

我正在尝试使用不同的字体为 OCR 生成数据集，但是在某个 for 循环中，迭代给我和错误Typeerror: int object is not iterable. 我已经搜索了足够多的结论，StackOverFlow 上的大多数答案都建议使用我的 for 循环中的范围，包括 (len ) 但我不确定我是否遵循这一点。

功能如下：

def gen_rand_string_data(data_count,
                     min_char_count=3,
                     max_char_count=8,
                     max_char=16,
                     x_pos='side',
                     img_size=(32, 256, 1),
                     font=cv2.FONT_HERSHEY_SIMPLEX,
                     font_scale=np.arange(0.7, 1, 0.1),
                     thickness=range(1, 3, 1)):
'''
random string data generation
'''
start_time = dt.datetime.now()
images = []
labels = []
color = (255, 255, 255)
count = 0
char_list = list(string.ascii_letters) \
            + list(string.digits) \
            + list(' ')
while (1):

    for fs in font_scale:
        for thick in thickness:
            for f …