导包问题：把from multiprocessing import Process, Queue改为：from multiprocessing.dummy import Process, Queue
Traceback (most recent call last):
File “D:/flaskProject/test.py”, line 35, in test
pool.apply(self.out, args=(i,))
File “Python37-32\lib\multiprocessing\pool.py”, line 261, in apply
return self.apply_async(func, args, kwds).get()
File “\lib\multiprocessing\pool.py”, line 657, in get
raise se
Selenium+pytest+allure踩过的坑一、多进程运行
报错
二、Json格式参数传值接口返回400三、模块间导入文件
报错
提示找不着四、数据库查询不到结果五、Allure报告总览只记录最后一遍的运行结果（未
解决
）六、定位不到元素（1）七、定位不到元素（2）
一、多进程运行
报错
虽然pytest能设置并发，貌似不能对一次运行中的不同用例设置不同的并发数，所以加入了多进程。这里使用了继承式调用：
from selenium import webdriver
from multiprocessing im
解决
方法：1、检查当前安装的parallel版本号（应安装0.0.1版本）
2、如果非此版本，pip uninstall pytest-parallel
3、pip install pytest-parallel==0.0.1
运行
解决
！欢迎关注点赞，谢谢，亲测有效
虽然没有明白是什么原因，但是找到了
解决
方法：
将torch.save(model, path) # 直接保存整个模型方法改为torch.save(model.state_dict(), path) # 保存模型的参数
相应的，载入模型时将model = torch.load(path) # 直接加载模型方法改为
model = Model() # 先初始化一个模型
model.load_state_dict(torch.load(path)) # 再加载模型参数
今天，test-191204-单个摄像头调用multiprocessing线程队列queue识别时，
报错
：
D:\20191031_tensorflow_yolov3\python\python.exe D:/20191031_tensorflow_yolov3/tensorflow-yolov3/test-191204-单个摄像头调用multiprocessing线程队列queue识别.py
结果会
报错
AttributeError: Can't
pickle
local
object
。
这个问题可以用第三方库dill来
解决
： （https://pypi.org/project/dill/）
dill...
当您尝试将使用 Flask 框架编写的 Python 应用程序序列化（即将其转换为
pickle
格式）时，可能会遇到 Flask Attribute Error：“无法 pickel 本地对象'run.<
local
s>. server_forever'”。这是因为 Flask 的本地对象无法被序列化。
更具体地说，这个错误是在使用 Flask 内置发行程序时出现的。发行程序使用 multiprocessing 库将应用程序作为独立进程运行，但 multiprocessing 库依赖于
pickle
库来序列化和传递进程之间的数据。由于 Flask 中的本地对象无法被
pickle
序列化，因此会引发 Attribute Error。
解决
此错误的方法是使用不同的服务器，例如 Gunicorn 或 uWSGI。这些服务器不依赖于 multiprocessing 库或
pickle
序列化，并且可以与 Flask 应用程序兼容。
总之，当您遇到 Flask Attribute Error：“无法 pickel 本地对象'run.<
local
s>. server_forever'”时，您可以使用不同的服务器来
解决
此问题。这么做将避免对 Flask 的本地对象进行序列化，并使您能够顺利地运行您的 Python 应用程序。
