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
# 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：
# 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()
continue
if 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()
continue
print("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。
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。
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]] = encoding1 if 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。
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。
免责声明：本站文章均来自网站采集或用户投稿，网站不提供任何软件下载或自行开发的软件！ 如有用户或公司发现本站内容信息存在侵权行为，请邮件告知！ 858582#qq.com
3月27日消息，苹果宣布2024年全球开发者大会（WWDC）将于6月10日至6月14日举行，巧合的是，这次大会与端午假期重合。
苹果官方表示：
在线参加 Apple 每年规模最大的开发者盛会。亲眼见证 Apple 最新平台、技术和工具的发布。了解如何创建和改进你的 App 和游戏。与 Apple 设计师和工程师互动交流，与全球开发者社区建立联系。以上活动均免费在线举行。
探索各种新的工具、框架和功能，助力你打造出理想的 App 和游戏。通过视频讲座学习新技能，与 Apple 专家进行一对一会面，以推进你的项目，完善你的构思。
Swift Student Challenge 旨在支持和鼓舞下一代开发者、创作者和企业家。太平洋时间 3 月 28 日，我们将公布今年的获奖者名单。获奖者将有资格参加在 Apple Park 举办的特别活动。我们还会选出 50 名杰出获胜者，他们将受邀前往库比提诺，获得为期三天的非凡体验，包括参加 Apple Park 的特别活动。
RTX 5090要首发 性能要翻倍！三星展示GDDR7显存
三星在GTC上展示了专为下一代游戏GPU设计的GDDR7内存。
首次推出的GDDR7内存模块密度为16GB，每个模块容量为2GB。其速度预设为32 Gbps（PAM3），但也可以降至28 Gbps，以提高产量和初始阶段的整体性能和成本效益。
据三星表示，GDDR7内存的能效将提高20%，同时工作电压仅为1.1V，低于标准的1.2V。通过采用更新的封装材料和优化的电路设计，使得在高速运行时的发热量降低，GDDR7的热阻比GDDR6降低了70%。