func start‘func‘ 不是内部或外部命令，也不是可运行的程序

最新推荐文章于 2025-08-18 16:01:07 发布
原创 最新推荐文章于 2025-08-18 16:01:07 发布 · 556 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#前端

本文介绍了一个npm start命令启动项目时遇到的问题及解决方案。通过安装azure-functions-core-tools来修复启动过程中的错误。

在启动项目（npm start）报了这个错，

 

我的解决方法：

安装azure-functions-core-tools 

npm install -g azure-functions-core-tools

如果网络不好的话可能需要等一会。

重新启动就好了。

【sduoj】让程序执行外部命令
weixin_45922876的博客
10-06 406
2021SC@SDUSC 与选择题、填空题不同的是，编程题很难用比较字符串是否相同的方式来判断正误。对于某些稍微复杂点的题目，一千个人可能提交一千份不同的代码。评判某份代码是否是正确的，只要看它能不能跑出正确的结果就行了。 那么如何让计算机来执行判题操作呢？
精选资源
cmd:Go中的非阻塞外部命令以及流输出和并发安全访问
04-28
该软件包是一个很小但非常有用的包装，它使在高度并发，异步，实时的应用程序中运行外部命令安全而简单。 它可以在Linux，macOS和Windows上运行。 基本用法如下： import ( "fmt" "time" "github....
不是内部或外部命令也不是可运行的程序?
沈春旭的博客
09-20 2万+
1.问题描述 在win7中刚安装QT5.2.0,运行例程的时候出现以下错误： 'cl' 不是内部或外部命令,也不是可运行的程序 或批处理文件 'make' 不是内部或外部命令，也不是可运行的程序或批处理文件。 2.原因探索 环境变量异常，重新配置系统默认值即可。 3.网友给的相关解决办法 A.由于没有在电脑环境变量中加入QT编译器地
Macos 安装Azure functions core tools
jellyfishh2so4的博客
01-17 986
Azure functions core tools 安装中出现的报错和解决方法
go语法--基础32--文档
zhou920786312的博客
07-24 174
一、生成文档命令 查看文档命令 go doc 生成文档命令 godoc -http :6060 帮助命令 go help doc 二、生成示例代码 1. 示例文件名必须以_test结尾 1. 如：stack_test 2. 示例函数必须以Example开头 1. 如：ExampleStack_Pop 1. 表示Stack的Pop函数的示例 3. 示例输入必须使用： 1. // Output: 4. 可以使用go test命令执行示例文件 三、错误处理 3.1、‘godoc’ 不是内部或外
'javac'不是内部或外部命令，也不是可运行的程序或批处理文件.
Jae_Peng的博客
02-12 2万+
原因：这是因为安装java时把jdk的路径和jre的路径选择成一样，就造成覆盖了。这时候你在lib下也找不都tools.jar和dt.jar. 解决：1.首先卸载java,卸载很容易，直接把这两个有关java的程序给卸载了就行了（用windows自带的卸载）。卸载完你也会发现，原来放java的文件夹也空了。 2.重新安装 在D盘新建一个java文件夹，在java文件下新建两个文件夹，分别命名...
Golang笔记：使用exec包执行外部程序与Shell命令
Naisu的各种笔记
05-11 3188
程序中执行外部程序是比较常用的功能，Golang执行外部程序可以使用标准库中的 `os/exec` [https://pkg.go.dev/os/exec](https://pkg.go.dev/os/exec) 。这个包默认是用来执行外部程序的，可以通过调用Shell程序来执行Shell命令。这篇文章将对相关使用做个记录，方便自己查阅。
MSVC源碼觀察日記
slwobar的博客
01-12 2528
xiosbase跟MSVC源碼學習
14、Go 工具性能优化与外部命令执行实践
fanta的博客
08-18 39
本文详细介绍了如何对Go语言开发的工具进行性能优化，并通过基准测试验证优化成果。同时，文章还展示了使用os/exec包开发一个简单的CI工具goci的全过程，包括错误处理优化和测试编写。此外，还提出了功能拓展和未来改进方向，如添加Min和Max函数、完善错误处理机制以及引入并发处理优化。通过本次实践，读者可以深入了解Go语言在性能优化和外部命令执行方面的应用。
9、Erlang 程序编译与运行全解析
alice7model的博客
06-28 111
本文详细解析了Erlang程序的编译与运行方式，涵盖从启动和停止Erlang shell、设置开发环境、不同运行方式、处理命令行参数、使用Makefile自动化编译，到开发技巧与常见问题解决方法等内容。通过全面介绍Erlang编程中的关键步骤和技巧，帮助开发者更高效地进行程序开发和维护。
不是内部或外部命令，也不是可运行的程序 或批处理文件（环境变量问题）
kalinux的博客
02-02 5万+
在cmd小窗口敲命令的时候，显示不是内部或外部命令，也不是可运行的程序 或批处理文件。说明这个命令的环境变量没有配置好； 比如输入ipconfig，显示不是内部或外部命令，也不是可运行的程序 或批处理文件，则需要配置环境变量，按win+R，在弹出的窗口输入sysdm.cpl。 进入高级选项，选择环境变量，选择Path(如果有这个环境变量就直接打开，没有就自己新建一个Path变量），在第一行输入...
图文详解win10/8.1/7系统cmd命令提示符出现“不是内部或外部命令，也不是可运行的程序或批处理文件”
热门推荐
cly609的博客
05-02 6万+
声明下：本教程支持win10、win8.1/8、win7、winxp等windows桌面系统。 首先我们需要打开系统的环境变量，那么在哪里能找到环境变量呢？当然是在系统属性里了。 tips：按下win+R组合键打开“运行”，然后输入sysdm.cpl 回车即可快速打开“系统属性”，记住哦，这是一个快捷打开系统属性的小技巧哦，你可以直接拿去装13哟！ 打开系统属性后，切换至“高级”
pip 安装包成功 但是import 失败
Answer3664的博客
09-22 1万+
我遇到的问题是没有把包安装在虚拟环境里，以jieba包为例 在虚拟环境下输入python，然后可以导入这个包。我们以为包装好了，其实这个包是安装在了基本环境里。 使用conda list查看当前环境装的包的时候，其实并没有jieba这个包。 conda list 忘记截图了，，， 所以需要使用虚拟环境的pip 安装jieba。 在确认把包装在虚拟环境之后，切换到python环境也不能靠单纯敲python命令。而是要用虚拟环境的python，和前面的那个pip一样。 举个例子，现在有.
Caught FileNotFoundError in DataLoader worker process 0.
Answer3664的博客
04-14 1万+
在使用多个线程加载数据到模型时，报了一个加载错误： Caught FileNotFoundError in DataLoader worker process 0. 但是并不知道错误在哪里。 因此正确的做法是先排查哪里出现了错误。 既然多线程不报具体错误的位置，那就不使用多线程将num_workers设置为0： data_loader = DataLoader(dataset=data_set, batch_size=128,
RuntimeError: Address already in use
Answer3664的博客
10-26 8050
Pytorch用多张GPU训练时，会报地址已被占用的错误。其实是端口号冲突了。 因此解决方法要么kill原来的进程，要么修改端口号。 在代码里重新配置 torch.distributed.init_process_group() dist_init_method = 'tcp://{master_ip}:{master_port}'.format(master_ip='127.0.0.1', master_port='10000') dist_world_..
pip在虚拟环境中安装包
Answer3664的博客
09-17 6583
激活虚拟环境后，用conda list查看安装的包存在pip。 但是用pip 安装的包还是装到了全局环境中，而且这个包只能用pip，不能用conda安装。 因此怎么才能把包装到虚拟环境？ 用虚拟环境中的pip就可以了，因为在配置.bashrc的时候，设置的是使用全局环境的pip 所以这里我们用虚拟环境的pip 1.找到虚拟环境的pip，我的是 /home/dlge/anaconda3/envs/pytorch1.4/bin/pip 2.然后就是正常安装包 /home/dlge/anaco
AttributeError: module ‘torch.utils.data‘ has no attribute ‘IterableDataset‘ & OSError: libtorch.so
Answer3664的博客
09-17 2838
新装pytorch-lighting破坏了之前的pytorch1.1版本。然后重新装回pytorch1.1，在运行程序时一直报下面这个错误： AttributeError: module 'torch.utils.data' has no attribute 'IterableDataset' 进去torch.utils.data 下面确实没有这个 IterableDataset。 尝试很多修复的方法包括修改data下__init__.py文件，都没有用。 我的解决方法： 最后我把别人相同版本.
pycharm: Unable to display frame vriables
Answer3664的博客
10-19 2227
用pycharm连接linux服务器上程序时，可以正常运行。但是不能调试，调试的时候特别卡，而且变量窗口的变量也加载不出来 尝试过扩大pycharm的内存，不好使。 pycharm官网给的解决方法可以有效解决：https://blog.jetbrains.com/pycharm/2012/08/gevent-debug-support/ 在此记录一下： file->setting->python debugger 然后把Gevent compatible前面的勾打上就可以了。
运行几天 就停了，也不是 内存溢出 和 gpu 资源耗尽
最新发布
10-31
程序运行几天后自动停止，**既不是内存溢出也不是 GPU 资源耗尽**，这种情况在长时间运行的 Python 多线程视频流 + YOLO 检测系统中非常常见。虽然表面“正常”，但背后通常隐藏着一些**隐蔽的资源泄漏、异常未捕获或外部中断**问题。 下面从多个维度深入分析可能原因，并给出解决方案。 --- ### ✅ 常见原因与详细解释 #### **1. 未捕获的异常导致线程静默退出（Silent Thread Exit）** Python 中如果某个线程抛出异常而没有被 `try-except` 捕获，该线程会直接退出，**但主线程和其他线程可能继续运行**，造成“部分功能失效”——比如不再拉流或推理，看起来像“卡死”。 > 🔍 例如： - RTSP 流临时断开，`cv2.VideoCapture.read()` 抛出异常未处理。 - CUDA 驱动内部错误（如 context lost），PyTorch 抛异常。 - 文件句柄、锁、共享内存访问冲突。 ```python # ❌ 错误写法：缺少异常保护 def inference_thread(): while True: frame = frame_queue.get() results = model(frame) # 可能因显存抖动抛错 ``` ✅ **解决方法：给每个线程加上全局异常捕获** ```python import traceback import logging logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) def safe_thread(func): def wrapper(*args, **kwargs): while True: try: func(*args, **kwargs) except Exception as e: logger.error(f"线程 {func.__name__} 出现异常: {e}\n{traceback.format_exc()}") time.sleep(1) # 防止快速重启 return wrapper @safe_thread def inference_thread(): while True: ... ``` --- #### **2. OpenCV 的 VideoCapture 内部状态损坏或 RTSP 断连未重置** 即使你做了 `cap.open(url)` 重连逻辑，OpenCV 的底层 FFmpeg 实现有时会出现： - **RTCP 超时未响应** - **TCP 连接半关闭（half-close）** - **解码器 context 损坏** 此时 `cap.read()` 会一直返回 `(False, None)` 或**阻塞不动**，且无法通过常规方式恢复。 > 💡 表现为：CPU 占用低，无报错，但画面停滞。 ✅ **解决方法：定期重建 Capture 对象** ```python def capture_thread(): last_reconnect = time.time() RECONNECT_INTERVAL = 300 # 每5分钟强制重连一次，防状态僵死 while True: cap = cv2.VideoCapture(RTSP_URL) cap.set(cv2.CAP_PROP_BUFFERSIZE, 1) while True: now = time.time() # 强制周期性重连 if now - last_reconnect > RECONNECT_INTERVAL: print("强制重连 RTSP...") break ret, frame = cap.read() if not ret: print("读取失败，准备重连") break # 正常处理帧... try: if frame_queue.full(): frame_queue.get_nowait() frame_queue.put_nowait(frame) except queue.Full: pass time.sleep(1/30) # 控制采集频率 cap.release() time.sleep(1) last_reconnect = time.time() ``` --- #### **3. Python GIL 或线程调度死锁（罕见但存在）** 多线程频繁操作队列、共享变量时，尤其是在高负载下，可能出现： - 线程被永久阻塞在 `.get()` 或 `.put()` - GIL 切换不均，某线程“饿死” - 定时器、sleep 精度下降（特别是在虚拟机或容器中） > 🔍 表现为：CPU 使用率极低或极高，程序无响应。 ✅ **解决方法：使用超时机制避免永久阻塞** ```python try: frame = frame_queue.get(timeout=5) # 最多等5秒 except queue.Empty: print("队列超时，可能是上游卡住") # 可触发重启逻辑 ``` --- #### **4. 系统级资源泄漏：文件描述符 / 子进程泄漏** 每次 `cv2.VideoCapture` 创建时，OpenCV 可能启动一个 `ffmpeg` 子进程来解码 RTSP 流。如果 `cap.release()` 调用不彻底，这些子进程可能变成僵尸进程或持续占用 socket、fd。 > 🔎 检查命令： ```bash ps aux | grep ffmpeg lsof -p <your_python_pid> | wc -l # 查看打开的文件描述符数量是否持续增长 ``` ✅ **解决方法：确保每次 release 并杀死潜在子进程** ```python import subprocess import psutil def release_capture(cap): try: cap.release() except: pass # 杀死关联的 ffmpeg 子进程（OpenCV 后端常用） for proc in psutil.process_iter(['pid', 'name']): if 'ffmpeg' in proc.info['name']: try: proc.terminate() except: pass ``` --- #### **5. 日志/临时文件写满磁盘（尤其是 `/tmp`）** OpenCV 或 FFmpeg 在解码时可能使用 `/tmp` 目录缓存数据。如果磁盘空间满，会导致后续操作失败。 > 🔍 检查： ```bash df -h du -sh /tmp ``` ✅ **解决方法：指定空设备或清理策略** ```python import os os.environ["OPENCV_FFMPEG_CAPTURE_OPTIONS"] = "rtsp_transport;tcp|timeout;5000000" # 或设置临时目录到大容量分区 ``` --- #### **6. 系统休眠、电源管理或 Docker 容器超时** 如果你部署在： - 笔记本电脑上 → 可能进入睡眠 - Docker 容器中 → OOM Killer 或 cgroup 超时终止 - 云服务器 → 实例休眠或网络策略变更 都会导致程序“无声退出”。 ✅ **解决方法：添加心跳日志 + 外部监控脚本** ```python def heartbeat(): while True: print(f"[HEARTBEAT] {time.strftime('%Y-%m-%d %H:%M:%S')}") time.sleep(600) # 每10分钟打一次点 threading.Thread(target=heartbeat, daemon=True).start() ``` 配合 shell 脚本监控日志最后更新时间，自动重启。 --- #### **7. CUDA Context Lost（GPU 上下文丢失）** 长期运行 GPU 推理任务时，驱动可能因以下原因重置 GPU： - 温度过高 - 显卡驱动崩溃 - 其他进程抢占 GPU（如远程桌面、X Server） 此时 PyTorch 不会立即报错，但在下次推理时报： > `CUDA error: device-side assert triggered` > 或直接 hang 住。 ✅ **解决方法：包装推理逻辑并检测异常** ```python @safe_thread def inference_thread(): global model while True: try: frame = frame_queue.get(timeout=5) results = model(frame) ... except torch.cuda.CudaError as e: print(f"CUDA Error: {e}, 正在尝试重建模型...") time.sleep(2) # 重新加载模型以重建 CUDA context model = YOLO('yolov8s.pt').to('cuda').half() ``` --- ## ✅ 推荐的健壮架构改进方案 ```python import threading import queue import cv2 import torch from ultralytics import YOLO import time import logging import psutil logging.basicConfig(level=logging.INFO) logger = logging.getLogger(__name__) FRAME_Q = queue.Queue(maxsize=3) RESULT_Q = queue.Queue(maxsize=2) model = YOLO('yolov8s.pt') model.to('cuda').half() def robust_capture(): while True: cap = cv2.VideoCapture("rtsp://...") # 替换为你的URL cap.set(cv2.CAP_PROP_BUFFERSIZE, 1) cap.set(cv2.CAP_PROP_TIMEOUT, 1000) start_time = time.time() frames_dropped = 0 for _ in range(300): # 每5分钟强制重连 ret, frame = cap.read() if not ret: break if FRAME_Q.full(): try: FRAME_Q.get_nowait() except: pass try: FRAME_Q.put_nowait(frame) except: pass time.sleep(1/25) cap.release() time.sleep(1) logger.warning("已达到最大连续运行时间，正在重连...") def robust_inference(): local_model = model while True: try: frame = FRAME_Q.get(timeout=10) results = local_model(frame, verbose=False) annotated = results[0].plot() if RESULT_Q.full(): RESULT_Q.get_nowait() RESULT_Q.put_nowait(annotated) del results, annotated, frame except torch.cuda.CudaError: logger.error("CUDA 错误，重新加载模型") time.sleep(2) local_model = YOLO('yolov8s.pt').to('cuda').half() except Exception as e: logger.error(f"推理异常: {e}") def display(): while True: try: img = RESULT_Q.get(timeout=5) cv2.imshow("YOLO", img) if cv2.waitKey(1) == ord('q'): break except: continue cv2.destroyAllWindows() # 启动线程 threading.Thread(target=robust_capture, daemon=True).start() threading.Thread(target=robust_inference, daemon=True).start() threading.Thread(target=display, daemon=True).start() # 心跳 while True: print("[OK] 系统运行中...", time.strftime("%H:%M:%S")) time.sleep(300) ``` ---
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
 
红包 添加红包
表情包 插入表情
表情包 代码片
 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
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