質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
87.20%
MacOS(OSX)

MacOSとは、Appleの開発していたGUI(グラフィカルユーザーインターフェース)を採用したオペレーションシステム(OS)です。Macintoshと共に、市場に出てGUIの普及に大きく貢献しました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

解決済

FATAL Flags parsing error: Unknown command line flag 'params' がわかりません・

退会済みユーザー

退会済みユーザー

総合スコア0

MacOS(OSX)

MacOSとは、Appleの開発していたGUI(グラフィカルユーザーインターフェース)を採用したオペレーションシステム(OS)です。Macintoshと共に、市場に出てGUIの普及に大きく貢献しました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。

1回答

0評価

0クリップ

1246閲覧

投稿2021/08/18 07:11

編集2021/08/18 08:58

プログラムを実行したら、

FATAL Flags parsing error: Unknown command line flag 'params'

Pass --helpshort or --helpfull to see help on flags.

となってしまいました。
何が原因なのかわかりません。
どなたか教えていただけないでしょうか?

Python

# -*- coding: utf-8 -*- #Copyright (c) 2017, Gabriel Eilertsen. #All rights reserved. import os, sys import tensorflow as tf import tensorlayer as tl import numpy as np import network, img_io from absl import app from absl import flags eps = 1e-5 def print_(str, color='', bold=False): if color == 'w': sys.stdout.write('\033[93m') elif color == "e": sys.stdout.write('\033[91m') elif color == "m": sys.stdout.write('\033[95m') if bold: sys.stdout.write('\033[1m') sys.stdout.write(str) sys.stdout.write('\033[0m') sys.stdout.flush() def main(): #設定、TensorFlow引数を使用 FLAGS = flags.FLAGS flags.DEFINE_integer("width", "1024", "Reconstruction image width") flags.DEFINE_integer("height", "768", "Reconstruction image height") flags.DEFINE_string("im_dir", "data", "Path to image directory or an individual image") flags.DEFINE_string("out_dir", "out", "Path to output directory") flags.DEFINE_string("params", "hdrcnn_params.npz", "Path to trained CNN weights") flags.DEFINE_float("scaling", "1.0", "Pre-scaling, which is followed by clipping, in order to remove compression artifacts close to highlights") flags.DEFINE_float("gamma", "1.0", "Gamma/exponential curve applied before, and inverted after, prediction. This can be used to control the boost of reconstructed pixels.") #32の倍数に丸めて、オートエンコーダのプーリングとアップサンプリングを行う #入力画像と同じサイズになります sx = int(np.maximum(32, np.round(FLAGS.width/32.0)*32)) sy = int(np.maximum(32, np.round(FLAGS.height/32.0)*32)) if sx != FLAGS.width or sy != FLAGS.height: print_("Warning: ", 'w', True) print_("prediction size has been changed from %dx%d pixels to %dx%d\n"%(FLAGS.width, FLAGS.height, sx, sy), 'w') print_("ピクセル、オートエンコーダのプーリングとアップサンプリングに準拠します。\n\n", 'w') #情報 print_("\n\n\t-------------------------------------------------------------------\n", 'm') print_("\t ディープCNNを使用した単一露光からのHDR画像再構成\n\n", 'm') print_("\t 予測設定\n", 'm') print_("\t -------------------\n", 'm') print_("\t 入力画像のディレクトリ/ファイル:%s\n" % FLAGS.im_dir, 'm') print_("\t 出力ディレクトリ:%s\n" % FLAGS.out_dir, 'm') print_("\t CNN重み:%s\n" % FLAGS.params, 'm') print_("\t 予測解像度: %dx%d ピクセル\n" % (sx, sy), 'm') if FLAGS.scaling > 1.0: print_("\t Pre-scaling: %0.4f\n" % FLAGS.scaling, 'm') if FLAGS.gamma > 1.0 + eps or FLAGS.gamma < 1.0 - eps: print_("\t Gamma: %0.4f\n" % FLAGS.gamma, 'm') print_("\t-------------------------------------------------------------------\n\n\n", 'm') # シングルフレーム frames = [FLAGS.im_dir] # ディレクトリが指定されている場合は、パス内のすべてのファイルの名前を取得します if os.path.isdir(FLAGS.im_dir): frames = [os.path.join(FLAGS.im_dir, name) for name in sorted(os.listdir(FLAGS.im_dir)) if os.path.isfile(os.path.join(FLAGS.im_dir, name))] #画像入力用のプレースホルダー x = tf.placeholder(tf.float32, shape=[1, sy, sx, 3]) #HDR再構成オートエンコーダモデル print_("Network setup:\n") net = network.model(x) #CNN予測(これには入力画像xとのブレンドも含まれます) y = network.get_final(net, x) #推論を実行するためのTensorFlowセッション sess = tf.InteractiveSession() #トレーニング済みのCNNウェイトをロードする print_("\nLoading trained parameters from '%s'..."%FLAGS.params) load_params = tl.files.load_npz(name=FLAGS.params) tl.files.assign_params(sess, load_params, net) print_("\tdone\n") if not os.path.exists(FLAGS.out_dir): os.makedirs(FLAGS.out_dir) print_("\nStarting prediction...\n\n") k = 0 for i in range(len(frames)): print("Frame %d: '%s'"%(i,frames[i])) try: #フレームの読み込み print_("\tReading...") x_buffer = img_io.readLDR(frames[i], (sy,sx), True, FLAGS.scaling) print_("\tdone") print_("\t(Saturation: %0.2f%%)\n" % (100.0*(x_buffer>=1).sum()/x_buffer.size), 'm') # 実行予測。 # ガンマ値は、再構成されたハイライトの強度を高める/減らすことを可能にするために使用されます。 # y = f(x)が再構成されたものであれば、ガンマ値 gは、y = f(x^(1/g))^gに従ってこれを変更します。 print_("\tInference...") feed_dict = {x: np.power(np.maximum(x_buffer, 0.0), 1.0/FLAGS.gamma)} y_predict = sess.run([y], feed_dict=feed_dict) y_predict = np.power(np.maximum(y_predict, 0.0), FLAGS.gamma) print_("\tdone\n") # ガンマ補正出力 y_gamma = np.power(np.maximum(y_predict, 0.0), 0.5) # ディスクへの書き込み print_("\tWriting...") k += 1; img_io.writeLDR(x_buffer, '%s/%06d_in.png' % (FLAGS.out_dir, k), -3) img_io.writeLDR(y_gamma, '%s/%06d_out.png' % (FLAGS.out_dir, k), -3) img_io.writeEXR(y_predict, '%s/%06d_out.exr' % (FLAGS.out_dir, k)) print_("\tdone\n") except img_io.IOException as e: print_("\n\t\tWarning! ", 'w', True) print_("%s\n"%e, 'w') except Exception as e: print_("\n\t\tError: ", 'e', True) print_("%s\n"%e, 'e') print_("Done!\n") sess.close() if __name__ == "__main__": app.run(main)

良い質問の評価を上げる

以下のような質問は評価を上げましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

評価が高い質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

teratailでは下記のような質問を「具体的に困っていることがない質問」、「サイトポリシーに違反する質問」と定義し、推奨していません。

  • プログラミングに関係のない質問
  • やってほしいことだけを記載した丸投げの質問
  • 問題・課題が含まれていない質問
  • 意図的に内容が抹消された質問
  • 過去に投稿した質問と同じ内容の質問
  • 広告と受け取られるような投稿

評価を下げると、トップページの「アクティブ」「注目」タブのフィードに表示されにくくなります。

まだ回答がついていません

会員登録して回答してみよう

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
87.20%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

MacOS(OSX)

MacOSとは、Appleの開発していたGUI(グラフィカルユーザーインターフェース)を採用したオペレーションシステム(OS)です。Macintoshと共に、市場に出てGUIの普及に大きく貢献しました。

Python

Pythonは、コードの読みやすさが特徴的なプログラミング言語の1つです。 強い型付け、動的型付けに対応しており、後方互換性がないバージョン2系とバージョン3系が使用されています。 商用製品の開発にも無料で使用でき、OSだけでなく仮想環境にも対応。Unicodeによる文字列操作をサポートしているため、日本語処理も標準で可能です。