Wesley
Wesley
如果启动app没看到初始化日志，你可能没有实现 Application.attachBaseContext，导致插入初始化代码失败 : @Override protected void attachBaseContext(Context base) { super.attachBaseContext(base); }
如果启动app没看到btrace初始化日志，你可能没有实现 Application.attachBaseContext，导致插入初始化代码失败 : @OverRide protected void attachBaseContext(Context base) { super.attachBaseContext(base); }
但是我研究了一下源代码，貌似训练模型时cutter没有对图片进行hook处理。但用cutter的结果pick_and_save的时候，保存的是原始图片，不是处理过的。这是不是意味着我要重写pick_and_save保存hook后的分类图片，然后直接训练？
还有一个问题请教一下就是如果稳定过程有全黑或者全白的图片，预测分类容易出错，在cutter我可以用mse加以避免，在classify有没有好的方法进行区分？
不好意思，我表达错了😂，是训练模型的时候keras的classifier的train方法并没有apply hook但是svm的train是有的，所以我用keras训练的时候，加的hook并没有生效。所以就想cutter hook后直接用hook图片训练，或者我改一下keras，train的源码也可以。 用的是keras训练，可以看到黑色图片被归类到了阶段0 
cutter我看到你最开始为了识别模糊就加了mse，后面你去掉了mse，换成了pnsr，我感觉mse在实际情况更容易识别变化，就加回来了mse。分类器我暂时不会😂。
由于目前预测时，闪屏的黑色图无法预测准确，所以我加了一段遍历结果进行模板比较的逻辑。 自带的contain_image返回我感觉可以加入mse，只有sim还是会误判黑白照片。 
 作者，还有一个问题想请教的就是，既然keras执行train时无法发挥hook作用，那么这里的target_size就不起效，所以预测时我感觉就不应该加这个参数了，要不然就和模型不匹配了？
> target_size 是起效的呀。target_size的能力印象里是直接由模型支持的。 好的，感谢。重新看了一下代码，这个确实是可以，是compress_rate不行。