很多朋友一开始被“10行代码的威力”诱发出很高的兴趣,因为太容易而且性能实在太好了,但是接下去想要再扩充的时候,就发现遇到很大的瓶颈,因为真实用途的代码,觉得不能每次执行的时候,就得进去修改路径后再执行。幸好Python属于解释型的语言,因此修改后直接执行还不算太麻烦,只不过这样的方式做做实验还可以,就没办法变成一只具备扩充性的代码。
本文的目的就协助大家,以前面的“10lines.py”代码为基础,扩充解析参数的能力,这样就能直接在指令行透过给定参数的方式,来改变所要的功能,这样的方式也才能加入脚本之中,根据不同条件去进行不同的任务。
实时上在Python开发资源中的 ”argparse” 模块,就提供非常轻松的方式协助我们的程式去接受外部给定的参数,例如用“--input=csi://0”来指派CSI摄像头作为输入。
接下来就开始进入本文的重点,带着大家把手上的代码变得更加强大。
简单的执行步骤如下:
根据上面步骤,我们将 10lines.py 进行以下的修改,并存成“testArgv.py”粗体底线标识的是修改过的部分:
#!/usr/bin/python3 import argparse
# 创建参数对象 parser parser = argparse.ArgumentParser() # 添加 input、output与network三个参数,并各自提供预设值 parser.add_argument("input", type=str) parser.add_argument("--output", type=str,default="display://0" ) parser.add_argument("--network", type=str, default="ssd-mobilenet-v2") parser.add_argument("--threshold", type=float, default=0.5)
# 用 opt 衔接 parser对象的功能 opt = parser.parse_known_args()[0]
import jetson.utils input = jetson.utils.videoSource(opt.input) output = jetson.utils.videoOutput(opt.output)
import jetson.inference net = jetson.inference.detectNet(opt.network, threshold=opt.threshold)
while output.IsStreaming(): img = input.Capture() detections = net.Detect(img) output.Render(img) |
在上面代码中,可能有人发现有个比较特殊的地方,就是添加参数中,第一个参数用的是“input”,后面三个添加的参数用的是“--output”、“--network”与“--threshold”,这两种参数有什么不一样呢?
第一个“input”前面没有用“--”作指示,表示这个参数是“强制”给与的,在指令行里并不需要“--input=”去指定,解析工具会自动在命令行中找到“不属于其他参数的字符串”,待会直接看下面的范例就能理解。
后面的“--output”、“--network”与“--threshold”是“非强制”的参数,如果在指令行后面没有给定参数时,就会使用个别参数的预设值(default)。这部分在指令行中,就需要透过直接对应的“--network=”的方式来体统。
这里直接用几个范例来说明,是最容易理解的方法。首先执行以下指令:
|
|
因为指令没提供input这个“必要参数”,结果出现以下错误信息:
试试以下这三个指令,前面两个请根据您设备上的是摄像头种类,第三个是用Jetpack预安装上的VisionWorks的演示视频文件,至少这个可以成功执行:
|
|
好了,在上面的指令中可以非常清楚的了解参数“input”的用法,其他三个参数没给也没关系,因为那不是“强制”的,接下来我们试试看,如果输入其他参数之后的变化如何?
|
|
第一道指令,以CSI摄像头为数据源,执行物件检测的推理识别后,然后将结果输出到testArgv.mp4视频文件,请自行测试。
第二道指令加入--threshold=0.01这个参数,因为这个阈值不能为0,因此我们试试看如果是0.01的话,会得到什么结果?(如下图)
此外可以看到“csi://0”并不一定非得摆在第一位,摆在指令中的任何一个顺位都可以,argparse模块知道如何去解析出应该的对应。
第三道指令除了测试用“--network=”去改变模型选项之外,还测试将推理结果输出到一个目录中,存成一系列的图像文件(如下图)
好了,是不是已经能掌握这种添加参数的方式了,熟悉本文的内容,能让你的代码立即从纯实验的阶段,提升到实用的阶段了。
好文章,需要你的鼓励
智能网卡(SmartNIC)技术自2013年AWS首次应用以来,虽然获得了VMware、英特尔、AMD和英伟达等巨头支持,但市场表现平平。分析师指出,目前主要客户仍局限于服务提供商。然而,随着AI技术蓬勃发展,情况正在改变。英伟达、红帽等厂商在AI云架构中推荐使用DPU,认为其可优化推理工作负载并提升资源效率,AI革命有望真正推动智能网卡技术普及。
中科院团队开发的SimpleGVR系统革新了AI视频增强技术,通过直接在潜在空间处理和创新的分阶段训练策略,能够将AI生成的低分辨率视频高效提升至高清画质。该系统不仅提升分辨率,还能修正AI视频特有的颜色混合等问题,在多项指标上超越现有顶级方法,为AI视频生成领域提供了实用的解决方案。
YouTube为Premium会员推出AI生成的搜索轮播功能,可在购物和地点查询时显示相关视频序列。同时,此前仅限Premium用户的AI对话助手开始向美国普通用户开放,用户可通过"询问"按钮获得视频摘要和内容问答服务。该AI工具基于YouTube平台和网络信息运行,但准确性仍待观察。
浙江大学联合腾讯AI实验室提出KnowRL方法,通过在强化学习中集成事实性奖励机制,有效解决慢思维AI模型在推理过程中的幻觉问题。该方法在保持原有推理能力的同时,显著提升了模型的事实准确性,为构建更可靠的AI系统提供了新思路。