Python使用import导入模块时执行了模块的文件但报ModuleNotFoundError错误的愚蠢问题

数据科学Bootcamp真实价值:职业转化效率与工业级数据流程 数据科学Bootcamp并非编程速成课,而是面向企业实战的数据人才能力组装系统。其核心在于将零散技术能力(Python/SQL/ML)转化为可交付的业务解题能力,关键支撑是项目驱动学习、工业级数据流程、跨职能沟通与职业化表达四大模块。区别于学术训练或Kaggle式练习,Bootcamp强调在真实脏数据、多源异构环境、跨角色协作和端到端部署中锤炼‘问题定义—数据治理—模型选型—结果解释—决策支持’的完整闭环。它解决的是‘如何用pandas groupby快速算出区域客单价中位数’背后的业务语义建模能力,以及‘ 阅读详情

老猿在学习import导入自定义模块时,搜索路径中sys.path中已经添加对应路径,发现会报ModuleNotFoundError,但对应的模块代码被执行了,代码myfib.py如下:

def fib(n):
    print("execute fib function....")
    
print("Now in fib module!") 

执行加载的截图如下:
在这里插入图片描述
报:ModuleNotFoundError: No module named ‘myfib.py’; ‘myfib’ is not a package
错误。
为这个事情老猿查了很多资料,都没有查到,结果最后发现是范了一个愚蠢的错误,就是加载模块时不应该带文件后缀py。执行:import myfib 就可以了。

HarnessEval-W:智能体驱动的交互世界模型自动化评测框架详解 在人工智能领域,模型评测是衡量技术进展与实用性的关键环节。传统评测方法主要关注静态输出质量,如图像生成或文本准确性,但对于需要动态交互的模型则显得力不从心。其核心原理在于构建一个自动化、标准化的测试环境,通过模拟真实交互场景来量化模型能力。这一技术价值在于打破了“评测黑箱”,为复杂模型的迭代优化提供了客观、可复现的基准。尤其在多模态交互、具身智能等前沿应用场景中,自动化评测能系统性地检验模型在规划、执行与状态理解等方面的综合表现。本文聚焦的HarnessEval-W基准,正是这一方向的代表性工具,它创新性地 阅读详情

相关推荐

Harness Engineering:构建AI智能体评估与管控系统的工程实践

在AI应用开发领域,如何确保基于大模型的智能体(Agent)行为可靠、可预测,是工程化落地的核心挑战。传统软件测试方法难以应对AI输出的不确定性和概率性,这催生了以评估、监控和自动化管理为核心的工程新范式。其核心原理是通过标准化的“夹具”(Harness)来固定智能体的运行环境,定义多维度的评估标准,并实现从开发、测试到部署、监控的全生命周期自动化管理。这一范式的技术价值在于,它将AI应用的可靠性从“流沙”固化为“地基”,使得团队能够像管理传统软件一样,对智能体进行量化评估、回归测试和线上监控。其应用场景广

389

Python TDD实战:红绿重构循环与pytest测试框架详解

测试驱动开发是一种以测试为先导的软件开发方法,其核心原理是通过编写测试用例来定义功能需求,再编写实现代码满足测试,最后重构优化。这种模式的技术价值在于能显著提升代码质量、可维护性和开发信心,确保每次修改都有自动化验证。在Python开发中,pytest框架因其简洁语法和强大功能成为实践TDD的首选工具,它支持参数化测试、fixture依赖管理等高级特性,广泛应用于Web开发、数据分析和自动化脚本等场景。本文以字符串计算器为例,详细解析了TDD的红-绿-重构循环,并展示了如何利用pytest编写健壮的单元测试

congbao6525的博客 333

机器人持续学习基准LIBERO:路径设计与任务定义核心技术解析

持续学习是机器学习领域的关键方向,旨在使模型能够像人类一样,在不断接触新任务时持续积累知识,同时避免对已学技能的灾难性遗忘。其核心原理是通过网络架构设计、正则化约束或经验回放等机制,平衡新知识获取与旧知识巩固。这一技术对于在动态开放环境中长期自主工作的智能体(如家庭服务机器人)具有重要价值,能够显著提升其在复杂多变场景下的适应性和实用性。LIBERO基准正是针对这一需求,通过精心设计的任务序列(路径)和高度结构化的家庭环境模拟,为评估机器人持续学习算法提供了标准化、可复现的测试平台。本文聚焦于LIBERO的

weixin_33716154的博客 496

centos 中 import soundfile 报错 OSError: sndfile library not found

详细的错误信息: 解决方法:输入以下命令,回车,安装成功即可解决。 yuminstall libsndfile

my__blog的博客 1784

对抗样本原理与PyTorch实战:从FGSM到PGD攻击

对抗样本是深度学习鲁棒性研究的核心概念,指在输入数据上添加人眼不可见的微小扰动,导致模型输出严重错误。其本质源于神经网络高维决策边界的局部不稳定性,可通过梯度反传机制建模与复现。技术价值在于暴露模型脆弱性、驱动鲁棒训练与安全评估,广泛应用于图像分类、目标检测(如YOLO)、工业质检等场景。本文聚焦PyTorch生态下的工程实践,详解FGSM与PGD两种主流攻击算法的数学原理、代码实现及关键约束(如ε扰动上限、归一化预处理、clamping机制),并打通OpenCV可视化、CUDA环境适配、Realsense

weixin_33696822的博客 445

可变形卷积(Deformable Conv)原理解析与torch代码实现

图6为可变形卷积示意图。图1所示为普通卷积在输入特征图上进行卷积计算的过程,卷积核大小为3*3,在输入特征图尺寸为7*7上进行卷积,将卷积核权重与输入特征图对应位置元素相乘并求和得到输出特征图元素,按一定方式滑动窗口就能计算得到整张输出特征图。图6所示,在input feature map上普通卷积操作对应卷积采样区域是一个卷积核大小的正方形(绿框),而可变形卷积对应的卷积采样区域为一些蓝框表示的点,这就是可变形卷积与普通卷积的区别。先来一张图感受一下,图3为标准卷积与可变形卷积的卷积示例。

panghuzhenbang的博客 5万+

【解决问题】ModuleNotFoundError: No module named ‘soundfile‘

问题: 因为需要处理音频文件,所以需要安装soundfile包,但是不论是conda还是pip都没办法安装上: 这是因为python国内网络不稳定,所以总是出错,可以通过以下国内资源来下载: pip install 包名 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com 此外,为了下次不再出现这个问题,可以把这个资源加入到我们默认的资源里面。 conda config --add channels http://pyp

Leonadoice的博客 1万+

告别Win11睡眠假死:深入解析Modern Standby S0与S3冲突及注册表修复方案

本文深入解析了Windows 11中Modern Standby(S0)与传统睡眠(S3)模式的冲突,该冲突是导致电脑睡眠后出现假死、断网等问题的根源。文章提供了通过修改注册表键值(PlatformAoAcOverride)强制启用稳定S3睡眠的终极修复方案,并附有详细诊断步骤与避坑指南,帮助用户彻底解决睡眠故障。

ol789012的博客 823

大模型推理环境安装过程中踩坑记录

【代码】大模型推理环境安装过程中踩坑记录。

csdn_kelly的博客 327

MTK Linux DRM分析(十一)- MTK KMS Panel显示屏驱动

面板扩展(Panel Extension)是指 MediaTek 在标准 DRM 面板驱动框架之上添加的定制化功能模块。

iTom1900 1687

西工大noj100题python2024第三季21-30

【代码】西工大noj100题python2024第三季21-30。

weixin_70523540的博客 1578

Python模块调用及ModuleNotFoundError问题

模块包名和普通目录名 如图文件夹带有圆圈的是python 模块包Package,创建时自带__init__py空文件,没有圆圈的是普通目录名; 模块间的引用方式 【使用Pycharm导模块时有联想功能的话,恭喜你已经导入顺利】 #方式1: 导入格式: import 包名.模块名 使用格式: 包名.模块名.工具名 #方式2: 导入格式: from 包名 import 模块名 使用格式: 模块名.工具名 #方式3: 导入格式: from...

行走在路上 1984

Ubuntu 24.04 极速部署 Dify:从零到一的保姆级实践

本文详细介绍了在Ubuntu 24.04系统上快速部署Dify的完整教程,从环境准备到部署验证,再到深度优化和安全加固,提供了一套保姆级的实践指南。通过使用Docker和Docker Compose,结合国内镜像源加速,帮助用户高效完成Dify的安装和配置,确保系统稳定运行。

weixin_42662293的博客 246

如何解决 Python ModuleNotFoundError 错误

模块对于开发 Python 程序很重要。使用模块,我们可以分离代码库的不同部分以便于管理。使用模块时,了解它们的工作方式以及如何将它们导入我们的代码非常重要。如果没有这种理解或错误,我们可能会遇到不同的错误。此类错误的一个示例是。在本文中,我们将讨论在 Python 中解决的方法。

迹忆客 4929

DAC8568控制器实战:如何用STM32实现多通道同步输出(附完整代码)

本文详细介绍了如何使用STM32微控制器驱动TI的DAC8568多通道DAC控制器,实现高精度的多通道同步模拟信号输出。内容涵盖硬件设计要点、SPI时序精准配置、驱动层命令构建,并重点解析了通过LDAC引脚实现同步更新的核心策略,提供了完整的代码框架和实战案例,帮助工程师快速解决多通道同步输出的工程难题。

weixin_29179311的博客 170

KUKA机器人 - 从开机到自动运行

注1:本文仅代表本人对机器人使用的一些建议,在使用机器人前,还请详细阅读库卡机器人官方资料,道路千万条,安全第一条!!! 注2:技术有限,欢迎各位大大在阅读过程中发现各类问题,并且批评指正!!! 目录 一、准备工作 1. 机器人上电完成 2. 电脑安装Workvisual 二、学习手动移动机器人 三、项目配置 1. 设置机器人IP地址 2.电脑和机器人通过网线连接 3.查找并打开项目 4. 通讯配置 5. 项目上传 6. 检验IO配置 四、编程 1.新建程序 2. 程序...

yilunyao的博客 1万+

python import失败_[Python] 也整理一下万恶的Python import机制

关于Python import,基本上是个写Python的人都遇到过(除非你从来不拆分项目的目录结构)。这个问题在StackOverflow上被讨论了七八年,但其实早就有人提出过,只要模块搜索路径里包含项目根目录,这个愚蠢的问题就没了,但从来没有人正面回答过这个问题。结果就是,万恶的import机制仍然在祸害着每一个人。Python的import机制坑在哪?假设项目目录是这样子的——import_...

weixin_39747568的博客 191

【FDTD运行引擎错误解决方法】

我用的是2024R1版的FDTD,第一次安装好的时候点“RUN”可以正常运行,后来不知道什么问题就无法运行了。我从网上找相关的解决办法,并未找到,将软件卸载重装,重启等方法都没有解决,后来在官网按照提示解决了,我把官网提供的方式和我的情况相结合,提供一个解决方式。提示:以下是本篇文章正文内容,下面案例可供参考最后说一下两个MPI和Local computer(不使用MPI)的区别使用MPI进行仿真可以显著提高计算速度和效率,特别是对于大规模和复杂的仿真任务,但需要额外的设置和配置。(多线程并行计算)

m0_57410975的博客 8171

Python模块学习遇到的问题

Python使用import导入模块时报ValueError: source code string cannot contain null bytes的解决方案 Python使用import导入模块时执行了模块的文件但报ModuleNotFoundError错误的愚蠢问题 Python中import模块时报SyntaxError: (unicode error)‘utf-8’ codec c...

老猿Python 1031

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

园区Python培训实战指南:从零到自动化,赋能业务人员高效办公

在数字化转型浪潮中,Python凭借其简洁语法和强大的库生态,已成为自动化办公与数据处理的核心工具。其核心原理在于通过脚本将重复性工作流程化、自动化,从而释放人力,聚焦于更高价值的分析与决策。这一技术价值在企业园区场景下尤为凸显,能显著提升行政、财务、运营等部门的日常工作效率。例如,利用pandas库可快速处理Excel报表,实现数据清洗、合并与统计;结合自动化脚本,能完成文件批量操作、信息抓取等任务。本文聚焦于如何为园区非技术背景员工设计Python培训,通过任务驱动、场景化案例,如活动运营数据分析,帮助

weixin_34111790的博客 304

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

技术新手高效提问指南:从问题定位到解决方案的全流程实践

在技术学习与工程实践中,高效的问题解决能力是开发者核心素养之一。其原理在于通过系统性的方法,将模糊的技术障碍转化为可被搜索、分析和解决的具体问题,这涉及问题定位、信息检索与结构化表达等多个环节。掌握这项技术的价值在于能显著提升学习效率,减少无效耗时,并培养自主解决问题的能力。常见的应用场景包括环境配置报错、代码逻辑调试、依赖库冲突等开发初期高频问题。本文以“菜鸟发问”为切入点,通过结构化提问模板和实战案例,系统拆解如何将模糊的技术障碍转化为清晰、可操作的问题描述,并融入环境自查与信息检索等关键步骤,帮助开发

weixin_34342905的博客 319

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

本地部署MiniCPM3-4B代码解释器:打造私有AI编程助手实战指南

代码解释器(Code Interpreter)作为AI智能体的关键技术,通过集成代码理解、生成、执行与调试能力,实现了从自然语言指令到可运行代码的闭环交互。其核心原理在于将大语言模型的代码生成能力与安全的沙箱执行环境相结合,解决了传统IDE补全工具意图理解不足与云端AI助手流程割裂的痛点。这一技术为开发者提供了实时、交互式的编程辅助,在数据清洗、API调用、脚本编写等日常开发场景中能显著提升效率。本文以轻量级模型MiniCPM3-4B为例,深入探讨其本地化部署方案,涵盖从Ollama推理服务搭建、代码解释器

weixin_30851867的博客 347

从 ROS2 机器人开发者视角体验 NVIDIA Alpamayo:Vision-Language-Action 在自动驾驶中的一次实践

NVIDIA开源了面向自动驾驶的Vision-Language-Action(VLA)模型Alpamayo,该模型整合了视觉理解、推理和动作预测功能,能提供决策过程的因果推理链。尽管因硬件限制(需24GB显存)未能完整运行,但通过代码分析发现其设计理念值得机器人领域借鉴。相比传统模块化机器人系统,VLA的统一框架让机器人具备更强的环境理解和自主决策能力,可应用于家庭服务、商超等场景。虽然当前硬件门槛较高,但VLA代表了具身智能的发展方向,未来有望拓展到更广泛的机器人应用领域。

qq_55679637的博客 2407

强化学习环境搭建:Gymnasium与Stable-Baselines3工程实践指南

强化学习环境并非简单的库安装,而是构建具备确定性、可观测性与可扩展性的决策实验沙盒。其核心在于遵循马尔可夫决策过程(MDP)的数学契约,通过标准化API实现智能体与仿真环境的可靠交互。Gymnasium作为工业级环境框架,统一了状态观测、奖励反馈、终止/截断语义等关键接口;Stable-Baselines3则封装了PPO、SAC等算法的工程细节,内置向量化加速、跨进程随机种子同步与TensorBoard监控能力。该技术栈支撑从CartPole快速验证到MuJoCo高保真仿真的全场景RL研发,是复现性、调试效

djph26741的博客 446

用LangChain为GPT添加浏览能力:构建可自主搜索阅读的AI智能体

AI智能体(Agent)是大语言模型从静态推理迈向动态感知的关键范式,其核心在于将LLM作为决策中枢,通过工具(Tools)调用实现对外部世界的实时交互。LangChain提供的Agent框架,以标准化方式抽象了‘思考-行动-观察’闭环,使开发者无需重写爬虫或管理反爬逻辑,即可赋予GPT浏览器般的搜索、网页抓取与内容解析能力。该技术显著缓解模型知识截止、事实性弱等固有缺陷,广泛应用于实时资讯聚合、竞品监控、动态知识库问答等工程场景。本文聚焦基于LangChain Tools构建具备真实浏览能力的GPT智能体

weixin_30883311的博客 411

基于GRPO算法与Deepseek模型构建国际象棋AI:大语言模型强化学习实战

强化学习是人工智能的核心技术之一,通过智能体与环境的交互学习最优决策策略。其基本原理是智能体根据当前状态选择动作,获得环境反馈的奖励,从而不断优化策略以最大化累积奖励。这项技术的核心价值在于能够处理复杂的序列决策问题,在游戏AI、机器人控制、自动驾驶等领域有广泛应用。近年来,大语言模型展现出强大的推理和泛化能力,将其与强化学习结合,为构建更通用的决策智能体提供了新思路。GRPO作为一种高效的策略优化算法,在样本利用率和训练稳定性上具有优势,特别适合与大语言模型结合。本项目以国际象棋为具体应用场景,展示了如何

weixin_30417487的博客 329
上一篇: Python使用import导入模块时报ValueError: source code string cannot contain null bytes的解决方案
下一篇: 第9.10节 Python中IO模块其他文件操作属性和方法简介
LaoYuanPython
LaoYuanPython 2020年博客之星Top3 2020年博客之星Top3 领域专家: Python技术领域 领域专家: Python技术领域
博客等级 码龄8年 15万+粉丝 1324原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

LaoYuanPython

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值