ocr = ddddocr.DdddOcr(recog_backend='torch') 有没有问题

根据 DdddOcr 的官方文档，构造函数的签名如下：

DdddOcr(recog_backend=None, lang=None, gpu_id=None)

其中，所有的参数都是可选的。因此，你可以直接使用以下代码来创建一个 DdddOcr 对象：

ocr = ddddocr.DdddOcr()

如果你想使用 Torch 作为识别后端，则可以将 recog_backend 参数设置为 "torch"，如下所示：

ocr = ddddocr.DdddOcr(recog_backend='torch')

因此，你的代码没有问题，可以正常工作。

相关问题

DdddOcr.__init__() got an unexpected keyword argument 'recog_backend'

这个错误通常表示你在使用 DdddOcr 类的时候，使用了一个不支持的参数。具体来说，你使用了一个名为 recog_backend 的参数，但是这个参数在 DdddOcr 类中并不存在。

你可以检查一下你的代码，确保你正确地使用了 DdddOcr 类的构造函数，并且没有使用任何不存在的参数。如果你仍然无法解决问题，可以尝试查看 DdddOcr 类的文档，或者向 DdddOcr 开发者寻求帮助。

def train_test(X, y, X1, y1, X2, y2, dataset_name, emotion_class, groupsLabel, groupsLabel1, spot_multiple, final_subjects, final_emotions, final_samples, final_dataset_spotting, k, k_p, expression_type, epochs_spot=10, epochs_recog=100, spot_lr=0.0005, recog_lr=0.0005, batch_size=32, ratio=5, p=0.55, spot_attempt=1, recog_attempt=1, train=False): start = time.time() loso = LeaveOneGroupOut() subject_count = 0 total_gt_spot = 0 metric_final = MeanAveragePrecision2d(num_classes=1) adam_spot = keras.optimizers.Adam(lr=spot_lr) adam_recog = keras.optimizers.Adam(lr=recog_lr) model_spot = MEAN_Spot(adam_spot) weight_reset_spot = model_spot.get_weights() #Initial weights

这段代码是一个用 Keras 训练模型的函数。其中，它的参数包括输入数据 X 和标签 y，测试数据 X1 和标签 y1，验证数据 X2 和标签 y2，以及其他一些训练参数，例如学习率、批量大小、训练轮数等等。

模型的训练主要分为两个阶段：首先是 MEAN_Spot 模型的训练，然后是训练识别模型。在训练过程中，使用了 LeaveOneGroupOut 交叉验证方法，以避免过拟合。

此外，该函数还定义了一个 MeanAveragePrecision2d 类型的指标 metric_final，用于评估模型性能。最后，函数返回了模型的训练时间、总共正确识别的样本数以及 MEAN_Spot 模型的初始权重 weight_reset_spot。