


Python 3.6 Laden Sie Giftedatei Fehler ModulenotFoundError: Was soll ich tun, wenn ich die Gurkendatei '__builtin__' lade?
Beim Laden einer Gurkendatei in Python 3.6 -Umgebung habe ich auf ModuleNotFoundError: No module named '__builtin__'
Fehler. Wie löst ich es?
Dieser Artikel analysiert und enthält Lösungen für diesen Fehler, der beim Laden .pkl
-Dateien in Python 3.6.12 auftritt. Angenommen, der Benutzer versucht, die Datei m30k_deen_shr.pkl
in der Datei test.py
zu laden (die Projektverzeichnisstruktur wird hier weggelassen).
Der Grund für den Fehler ist das __builtin__
-Modul. Dies ist ein Modul in Python 2.x, dessen Funktionalität in das in den builtins
Python 3.x in das Integration integrierte Modul integriert wurde. Daher zeigt dieser Fehler an, dass die geladene .pkl
-Datei höchstwahrscheinlich mit Python 2.x generiert wird.
Die Pickle -Datei ist stark mit der Python -Version verwandt. Verschiedene Python -Versionen verarbeiten unterschiedliche Gurkenformate, was dazu führt, dass Python 3.x nicht in der Lage ist .pkl
-Dateien, die von Python 2.x generiert wurden, nicht korrekt analysieren zu können.
Lösung:
Überprüfen Sie die Dateiquelle: Bestätigen Sie die Python -Version, die für den generierten Code der Datei
m30k_deen_shr.pkl
verwendet wird. Wenn es sich um Python 2.x handelt, müssen Sie Python 3.x wiederverwenden, um die Datei zu generieren.Verwenden Sie den richtigen Schreibmodus: Verwenden Sie beim Schreiben von Dateien mit Pickle den
wb
-Modus (open(..., 'wb')
, um Probleme wie Zeilenpausen zu vermeiden, die durch das Schreiben des Textmodus verursacht werden, wodurch Ladefehler verursacht wird.Regenerate
.pkl
-Datei: Wiederverarbeitung der Daten mit dem Python 3.x -Code und serialisieren Sie sie in.pkl
-Datei. Stellen Sie sicher, dass Sie Serialisierungsvorgänge in der Umgebung von Python 3.x durchführen.
Versuchen Sie nach Abschluss der oben genannten Schritte, die .pkl
-Datei in Python 3.6 -Umgebung erneut zu laden, um ModuleNotFoundError: No module named '__builtin__'
zu beheben.
Das obige ist der detaillierte Inhalt vonPython 3.6 Laden Sie Giftedatei Fehler ModulenotFoundError: Was soll ich tun, wenn ich die Gurkendatei '__builtin__' lade?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

ARRAYSAREGENERARYMOREMORY-effizientesThanlistsforstoringNumericalDataduetototototheirfixed-SizenReanddirectMemoryAccess.1) ArraysStoreElementsInacontuTouNDdirectMemoryAccess.

ToconvertapythonListtoanArray, UsethearrayModule: 1) ImportThearrayModule, 2) Kreatelist, 3) Usearray (Typcode, Liste) Toconvertit, spezifizieren thetypecodelik'i'i'i'i'i'i'i'i'Itingers.ThiskonversionoptimizesMorySageForHomoGeenousData, EnhancingIntationSerance -Formance -FormanceConconcompomp

Python -Listen können verschiedene Arten von Daten speichern. Die Beispielliste enthält Ganzzahlen, Saiten, schwimmende Punktzahlen, Boolesche, verschachtelte Listen und Wörterbücher. Die Listenflexibilität ist bei der Datenverarbeitung und -prototypung wertvoll, muss jedoch mit Vorsicht verwendet werden, um die Lesbarkeit und Wartbarkeit des Codes sicherzustellen.

Pythondoesnothavebuilt-In-In-In-In-Grad; UsethearraymoduleformemoryeffizientHomogenousDatastorage, whilelistareversatileformixedDatatypes

ThemostcommonlyusedModuleforcreatreatraysinpythonisnumpy.1) NumpyprovideseffictionToolsforArrayoperationen, IdealfornicericalData.2) ArraysCanbesedusednp.Array () for1dand2dstructures.3) numpyexcelsusingnp.Array () und -Antenoperationen

ToAppendElementStoapythonList, UsTheAppend () methodForsingleElelements, Extend () FormultipleElements, und INSERSt () FORSPECIFIFICEPosition.1) UseAppend () ForaddingOneElementattheend.2) usextend () toaddmultiElementsefficction.3) useInsert () toaddanelementataspeci

TocreateApythonList, usequarebrackets [] andsparateItemswithcommas.1) ListaredynamicandcanholdmixedDatatypes.2) UseAppend (), REME () und SSLICINGFORMIPLUMILATION.3) LISTCOMPRAUMENS

In den Bereichen Finanzen, wissenschaftliche Forschung, medizinische Versorgung und KI ist es entscheidend, numerische Daten effizient zu speichern und zu verarbeiten. 1) In der Finanzierung kann die Verwendung von Speicherzuordnungsdateien und Numpy -Bibliotheken die Datenverarbeitungsgeschwindigkeit erheblich verbessern. 2) Im Bereich der wissenschaftlichen Forschung sind HDF5 -Dateien für die Datenspeicherung und -abnahme optimiert. 3) In der medizinischen Versorgung verbessern die Datenbankoptimierungstechnologien wie die Indexierung und die Partitionierung die Leistung der Datenabfrage. 4) In AI beschleunigen Daten, die Sharding und das verteilte Training beschleunigen, Modelltraining. Die Systemleistung und Skalierbarkeit können erheblich verbessert werden, indem die richtigen Tools und Technologien ausgewählt und Kompromisse zwischen Speicher- und Verarbeitungsgeschwindigkeiten abgewogen werden.


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

PHPStorm Mac-Version
Das neueste (2018.2.1) professionelle, integrierte PHP-Entwicklungstool

SecLists
SecLists ist der ultimative Begleiter für Sicherheitstester. Dabei handelt es sich um eine Sammlung verschiedener Arten von Listen, die häufig bei Sicherheitsbewertungen verwendet werden, an einem Ort. SecLists trägt dazu bei, Sicherheitstests effizienter und produktiver zu gestalten, indem es bequem alle Listen bereitstellt, die ein Sicherheitstester benötigen könnte. Zu den Listentypen gehören Benutzernamen, Passwörter, URLs, Fuzzing-Payloads, Muster für vertrauliche Daten, Web-Shells und mehr. Der Tester kann dieses Repository einfach auf einen neuen Testcomputer übertragen und hat dann Zugriff auf alle Arten von Listen, die er benötigt.
