Sc-depthv3使用官方提供的预训练模型去测试图象时出现__init__() got an unexpected keyword argument 'weights'

这个错误通常是由于使用了不兼容的版本的Keras库导致的。请注意，Sc-depthv3是在Keras 2.2.4中开发和测试的，因此建议您使用这个版本的Keras。

如果您已经使用了Keras 2.2.4，那么可能是因为您的模型代码中存在一些不兼容的部分。请检查您的代码并确保您正在正确地加载预训练模型。

如果问题仍然存在，请尝试在创建模型时不传递weights参数。示例如下：

from keras.models import Model
from keras.layers import Input, Conv2D

input_tensor = Input(shape=(224, 224, 3))
base_model = ScDeepNetV3(input_tensor=input_tensor, include_top=False)
x = Conv2D(1024, (3, 3), activation='relu')(base_model.output)
x = Conv2D(1024, (3, 3), activation='relu')(x)
output_tensor = Conv2D(1, (1, 1), activation='sigmoid')(x)

model = Model(inputs=input_tensor, outputs=output_tensor)

这将使用Sc-depthv3代码中默认的预训练权重。如果您想要使用自己的权重，请确保它们与代码中所使用的模型兼容。

相关问题

单目深度估计模型Sc-depthv3使用官方提供的预训练模型去测试图象时出现__init__() got an unexpected keyword argument 'weights'

这个错误可能是由于您在使用Sc-depthv3模型时，传递了一个不支持的参数'weights'。实际上，Sc-depthv3模型不支持直接加载预训练权重，因此您无法传递'weights'参数。

相反，您需要使用Sc-depthv3模型提供的load方法来加载预训练模型的权重。例如，您可以按照以下步骤加载模型：

1. 导入Sc-depthv3模型：

from sc_depthv3.models import ScDeep3D

2. 创建Sc-depthv3模型实例：

model = ScDeep3D()

3. 使用load方法加载预训练模型的权重：

model.load('path/to/pretrained/weights', by_name=True)

请注意，这里的'path/to/pretrained/weights'应该是预训练权重的文件路径，您需要替换为实际的路径。另外，load方法的by_name参数应该设置为True，以确保只加载与模型兼容的权重。

__init__() got an unexpected keyword argument 'colunms'__init__() got an unexpected keyword argument 'colunms'

这个错误提示意味着您在创建 DataFrame 时，使用了一个名为 'colunms' 的参数，但是这个参数名是错误的。正确的参数名应该是 'columns'（注意是 columns，不是 colunms）。

请检查您的代码，找到使用了 'colunms' 参数的地方，并将其改为 'columns'。例如，下面的示例代码中就有一个错误的使用：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'gender': ['F', 'M', 'M', 'M']
}

df = pd.DataFrame(data, colunms=['name', 'age', 'gender'])  # 错误的参数名
print(df)

如果将上面的 'colunms' 改为 'columns'，就可以正常运行了：

import pandas as pd

data = {
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 32, 18, 47],
    'gender': ['F', 'M', 'M', 'M']
}

df = pd.DataFrame(data, columns=['name', 'age', 'gender'])  # 正确的参数名
print(df)