


Python 3.6 Chargement du fichier de cornichon MODULENOTFOUNDERROR: Que dois-je faire si je charge le fichier de cornichon '__builtin__'?
Lors du chargement d'un fichier de cornichon dans l'environnement Python 3.6, j'ai rencontré ModuleNotFoundError: No module named '__builtin__'
. Comment le résoudre?
Cet article analyse et fournit des solutions pour cette erreur qui se produit lors de l'utilisation de Pickle pour charger des fichiers .pkl
dans l'environnement Python 3.6.12. Supposons que l'utilisateur essaie de charger le fichier m30k_deen_shr.pkl
dans le fichier test.py
(la structure du répertoire de projet est omise ici).
La raison de l'erreur est le module __builtin__
. Il s'agit d'un module dans Python 2.x, dont les fonctionnalités ont été intégrées dans le module builtins
dans Python 3.x. Par conséquent, cette erreur indique que le fichier .pkl
chargé est très probablement généré avec Python 2.x.
Le fichier Pickle est fortement lié à la version Python. Différentes versions Python gèrent différemment les formats de cornichons, ce qui conduit à Python 3.x ne pas pouvoir analyser correctement les fichiers .pkl
générés par Python 2.x.
Solution:
Vérifiez la source de fichier: Confirmez la version Python utilisée pour le code généré du fichier
m30k_deen_shr.pkl
. S'il s'agit de Python 2.x, vous devez réutiliser Python 3.x pour générer le fichier.Utilisez le mode d'écriture correct: lors de l'écriture de fichiers à l'aide de cornichon, assurez-vous d'utiliser le mode
wb
(open(..., 'wb')
) pour éviter des problèmes tels que les pauses de ligne causées par l'écriture du mode texte, ce qui provoque une défaillance de chargement.Regenerate
.pkl
Fichier: retraitez les données à l'aide du code Python 3.x et sérialisez-la dans le fichier.pkl
. Assurez-vous d'effectuer des opérations de sérialisation dans un environnement Python 3.x.
Après avoir terminé les étapes ci-dessus, essayez de charger à nouveau le fichier .pkl
dans l'environnement Python 3.6 pour résoudre ModuleNotFoundError: No module named '__builtin__'
.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

ForhandlingLargedatasetSInpython, UsenumpyArraysforbetterperformance.1) NumpyArraysAremeMory-EfficientAndFasterFornumericalOperations.2) EvitUnneceSsaryTypeConversions.3) Le effet de levier

Inpython, listSusedynamicMemoryallocation withover-allocation, whileLumpyArraySallocateFixedMemory.1) listsallocatemoreMoryThreededEdededInitialement, redimensipwenessary.2) NumpyArraySallocateExactMemoryForElements, offrantwectable usinessflexibilité.

Inpython, YouCanscthedatatatypeyfelemememedenernSspant.1) usenpynernrump.1) usenpynerp.dloatp.ploatm64, formateur préséconstrolatatype.

NumpyissentialFornumericalComputingInpythondutOtsSpeed, MemoryEfficiency et ComprehenSiveMathematicalFunctions.1) It'sfastBecauseitPerformSoperations INC.2) NumpyArraySareMoremory-EfficientThanpythonlists.3)

ContigusMymoryallocationiscrucialforAraySBauseitallowsforefficient andfastelementAccess.1) iTenablesConstanttimeAccess, o (1), duetoDirectAddressCalculation.2) itimproveScacheefficiendyAllowingMultipleElementFetchesperCacheline.3) itsimplieniesMemorymorymorymorymorymory

SlitingyPapyThonListIsDoneUsingTheSyntaxList [Démarrage: arrêt: étape] .He'showitworks: 1) startisheindexofthefirStelementoinclude.2) stopisTheIndexoftheFirstelementsoexclude.3) StepistheincrementBetweenselans.it'susefulfactingPortationSoListShsandCanusegeg

NumpyAllowsForvariousOperations ONARRAYS: 1) BasicarithmeticLikeaddition, Soustraction, Multiplication, anddivision; 2) AdvancedOperationSuchasmatrixMultiplication; 3) Element-Wiseoperations withoutExplicitloop

ArraySinpython, en particulier ThroughNumpyandPandas, aressentialfordataanalysis, offingspeeedAfficiency.1) numpyarrayablefficienthandlingoflargedatasetsandComplexOperationsLikEMoVingAverages.2)


Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

Video Face Swap
Échangez les visages dans n'importe quelle vidéo sans effort grâce à notre outil d'échange de visage AI entièrement gratuit !

Article chaud

Outils chauds

Télécharger la version Mac de l'éditeur Atom
L'éditeur open source le plus populaire

MinGW - GNU minimaliste pour Windows
Ce projet est en cours de migration vers osdn.net/projects/mingw, vous pouvez continuer à nous suivre là-bas. MinGW : un port Windows natif de GNU Compiler Collection (GCC), des bibliothèques d'importation et des fichiers d'en-tête librement distribuables pour la création d'applications Windows natives ; inclut des extensions du runtime MSVC pour prendre en charge la fonctionnalité C99. Tous les logiciels MinGW peuvent fonctionner sur les plates-formes Windows 64 bits.

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Navigateur d'examen sécurisé
Safe Exam Browser est un environnement de navigation sécurisé permettant de passer des examens en ligne en toute sécurité. Ce logiciel transforme n'importe quel ordinateur en poste de travail sécurisé. Il contrôle l'accès à n'importe quel utilitaire et empêche les étudiants d'utiliser des ressources non autorisées.
