终于下决心把python从2.7升到了3.7。懒人安装当然使用Anaconda。
安装成功，编译成功。但是用pip 安装包的时候提示：
pip is configured with locations that require TLS/SSL, however the ssl module in Python is not available。
原因是python3.7为了安全性考虑，要求使用openssl 1.0.2之后的版本。但是自带的openssl，版本是1.0.1。
解决办法：
重装一下openssl
进入
Anaconda Prompt:
conda install -c anaconda openssl
就一切解决了哈啊哈！完美！
补充知识：Python3使用multiprocessing多进程模块共享变量
在使用Python用CPU跑一个人脸识别的模块，神经网络的计算比较耗时，因为Python GIL的限制，因此这里使用多进程来并行跑数据集。
在多个进程之间共享简单变量
有很多张人脸图片，现在使用8个进程来分别对人脸图片进行识别，但是要知道总的进度和正确率，因此这里要在各个进程之间共享变量。这里需要的只是整型无符号变量。
在对总的进度和准确率进行计算的时候要加锁，防止别的进程改变
在使用 print输出的时候要加锁，因为控制台也是资源，要防止抢占
加锁了之后要记得释放锁
假设8个进程共识别了count张图片，然后正确的图片有correct张。思路如下：
在主进程中声明要共享的count和correct变量，初始化进程的时候传入
在各个进程中识别一张图片count就自增1，识别正确的话correct也要自增1，自增的时候要加锁
控制台输出相关信息的时候也要加锁
|
1
2
3
4
5
6
7
8
9
10
11
12
|
# l代表长整型无符号变量count = multiprocessing.Value('l', 0)correct = multiprocessing.Value('l', 0)lock = multiprocessing.Lock()# 要运行的函数为run()，lis为划分给每个进程的识别图片列表p = [multiprocessing.Process(target=run, args=(lock, i, count, correct)) for i in lis]for i in p: i.start()for i in p: i.join() |
在run函数中：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
# 多个线程对共享变量进行操作，加锁lock.acquire()# 图片已经识别完毕，总数加一count.value += 1# 下面两个if分别为识别正确的情况if i[0] == 3 and dis >= threshold: correct.value += 1 print("正确率：{0:.5f} 总数：{1} 正确数：{2} 错误数：{3} 参数个数：{4} 向量夹角：{5:.5f} 图片1：{6} 图片2：{7}".format(correct.value/count.value, count.value, correct.value, count.value-correct.value, i[0], dis[0], i[1], i[2])) lock.release() continueif i[0] == 4 and dis < threshold: correct.value += 1 print("正确率：{0:.5f} 总数：{1} 正确数：{2} 错误数：{3} 参数个数：{4} 向量夹角：{5:.5f} 图片1：{6} 图片2：{7}".format(correct.value/count.value, count.value, correct.value, count.value-correct.value, i[0], dis[0], i[1], i[2])) lock.release() continueprint("识别错误：参数个数：{0} 向量夹角：{1} 图片1：{2} 图片2：{3}".format(i[0], dis[0], i[1], i[2]))# 不要遗漏解锁，否则进程会死锁lock.release() |
在多个进程中共享字典dict
准备把识别过的照片特征缓存起来，因此这里使用字典，key就是照片名称，value就是特征值。在此使用mutiprocessing.Manage()来实现。
|
1
2
3
4
5
6
7
8
9
10
11
12
|
manager = multiprocessing.Manager()# 这个是用来在多个进程中间共享的字典sync_dict = manager.dict()# 这个是使用pickle序列化到文件中用的临时字典变量mem_dict = dict()# 如果存在字典就载入，使用临时字典中转是因为sysnc_dict直接序列化会在下次加载时导致Manager在多个进程中的连接出现问题if os.path.exists("./muti_thread_mem.pkl"): with open("./muti_thread_mem.pkl", "rb") as f: mem_dict = pickle.load(f) for i in mem_dict: sync_dict[i] = mem_dict[i] |
使用multiprocessing.Manager()时就不用加锁了，它本身带有同步的功能。在run函数中直接使用就好了。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
if i[1] in sync_dict: # 有记录就直接读取缓存 encoding1 = sync_dict[i[1]]else: # 没记录就计算出来再缓存一下 face.file = Image.open(prefix+i[1]) encoding1 = face.encodings sync_dict[i[1]] = encoding1if i[2] in sync_dict: encoding2 = sync_dict[i[2]]else: face.file = Image.open(prefix+i[2]) encoding2 = face.encodings sync_dict[i[2]] = encoding2 |
如果缓存过就直接读取，如果没有缓存过就计算后然后再缓存一下，便于下次读取。大多都是业务的逻辑，没有什么意思。算完了之后在主程序退出之前再缓存到本地就好了。
|
1
2
3
4
5
6
|
with open("./muti_thread_mem.pkl", 'wb') as f: for k, v in enumerate(sync_dict): mem_dict[v] = sync_dict[v] if len(mem_dict): # 传入的4就是想试一下Python新版本的特性而已，没啥其他意思 pickle.dump(mem_dict, f, 4) |
坑
在Pycharm里面运行代码的时候会碰到一些问题。
使用Pycharm的Python console运行代码的时候会导致一个进程完成任务之后，join等待主线程退出的时候，所有进程都报错pipe broken连接不到Manager的共享字典。但是使用本地Terminal运行的时候，一个进程完成任务后是不会导致其他进程报错的，因此推断这里是Pycharm的坑。
关键字：multiprocessing.Manager()报错pipe broken，进程获取共享变量时异常，导致所有进程退出
调试代码（Pycharm debug模式）的时候也会导致调试过程中进程连接不到Manager的共享字典变量。
这些坑都涉及到Manager在共享变量时使用的客户端/服务端模式，最后socket连接报错，所有进程读取共享变量时报错退出。我这次的解决方式是不要启用Pycharm的Python console来运行代码就好了。
以上这篇解决Python3.7.0 SSL低版本导致Pip无法使用问题就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/polkabobo/article/details/84965201
