PdfFileReader(filedir, "wb")报错PermissionError: [Errno 13] Permission denied:

这个错误通常表示你没有权限打开或写入指定的文件。

在 Python 中，如果你尝试打开或写入一个文件，但没有足够的权限来执行该操作，就会引发 `PermissionError`。这可能是由于几个原因导致的，比如文件被其他程序占用、文件所在的目录没有写入权限等。

要解决这个问题，你可以尝试以下几种方法：

1. 确保文件路径和文件名正确：请

相关问题

onnx2torch.convert报错PermissionError: [Errno 13] Permission denied:

### 解析 onnx2torch 转换时遇到的权限错误

当执行 `onnx2torch` 工具进行 ONNX 到 PyTorch 模型转换过程中遭遇 `PermissionError: [Errno 13] Permission denied` 错误，通常意味着程序尝试写入某个目录或文件但缺乏必要的权限[^1]。

#### 原因分析
此问题可能由以下几个因素引起：

- 当前工作环境下的用户账户不具备对指定路径的操作权限。
- 文件或目录正被其他进程占用。
- 存储设备存在只读属性或其他物理层面的限制。
- 特定情况下，如果之前有未正常关闭的会话残留，则可能导致类似的权限冲突现象[^3]。

#### 解决方案建议

为了有效处理上述提到的权限不足问题，可以采取如下措施之一或多者组合应用来规避该类异常的发生：

##### 修改保存位置至具有适当权限的目标地址

通过调整输出路径到一个拥有充分读写权限的位置能够快速缓解此类状况。例如，在个人用户的主目录下创建一个新的子文件夹用于存放转换后的模型文件[^2]。

import os
from pathlib import Path

home_dir = str(Path.home())
new_save_path = f"{home_dir}/my_onnx_converted_models"
os.makedirs(new_save_path, exist_ok=True)

# 使用新的保存路径代替原来的路径
output_model_file = os.path.join(new_save_path, "converted_torch_model.pth")

##### 更改现有目标路径的访问控制列表 (ACLs)

对于 Linux 或 macOS 用户来说，可以通过命令行工具更改特定文件夹及其内部对象的所有权以及赋予更宽松的权限设置；而对于 Windows 平台则需借助图形界面中的安全选项卡完成相同操作。不过需要注意的是，放宽权限应谨慎行事以免引入安全隐患[^4]。

sudo chown -R $USER:$USER /path/to/target/directory/
chmod -R u+w /path/to/target/directory/

##### 验证并清理潜在的竞争资源锁定

确认是否有任何后台运行的任务正在使用即将要覆盖更新的那个具体文件实例，并确保这些活动已经终止后再重试转换过程。这一步骤有助于排除由于并发访问所引发的一系列复杂情形。

---

PermissionError: [Errno 13] Permission denied: 'submission.csv'

出现 `PermissionError: [Errno 13] Permission denied: 'submission.csv'` 错误的原因通常是由于没有足够的权限在指定路径下创建或写入文件。以下是一些可能的解决方案：

1. **检查文件路径**：
- 确保 `output_path` 路径是正确的，并且该目录存在。
- 如果路径中包含多个层级，请确保所有中间目录都已创建。

2. **运行程序的权限**：
- 确保你有足够的权限在目标目录下创建文件。你可以尝试以管理员身份运行你的代码（例如，在Windows上右键点击命令提示符并选择“以管理员身份运行”）。

3. **文件是否被其他程序占用**：
- 确认 `submission.csv` 文件是否已经被其他程序打开或锁定。如果是，请关闭相关程序后再试。

4. **更改输出路径**：
- 尝试将 `output_path` 更改为一个你有写权限的目录，例如当前工作目录：

     output_path = "./submission.csv"

5. **检查磁盘空间**：
- 确保目标磁盘有足够的空间来创建新文件。

以下是修改后的代码示例，将输出路径更改为当前工作目录：

import os
import json
import numpy as np
import pandas as pd
from PIL import Image
import tensorflow as tf
from sklearn.model_selection import train_test_split
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Conv2D, MaxPooling2D, Flatten, Dense, Dropout
from tensorflow.keras.preprocessing.image import ImageDataGenerator
from tensorflow.keras.optimizers import Adam
from sklearn.metrics import f1_score, accuracy_score

def load_data(data_dir, label_path):
    with open(label_path, 'r') as f:
        labels_list = json.load(f)
    labels = {item['文件名']: item['标签'] for item in labels_list if '文件名' in item and '标签' in item}
    images = []
    targets = []
    for file_name, label in labels.items():
        img_path = os.path.join(data_dir, file_name)
        if not os.path.exists(img_path):
            print(f"Warning: Image file {img_path} does not exist.")
            continue
        img = Image.open(img_path).resize((128, 128))
        img_array = np.array(img) / 255.0
        images.append(img_array)
        targets.append(label)
    if len(images) == 0:
        raise ValueError("No valid images found. Please check the data directory and label path.")
    return np.array(images), np.array(targets)

data_dir = "C:\\Users\\24067\\Desktop\\peach_split\\train"
label_path = "C:\\Users\\24067\\Desktop\\train_label.json"

try:
    images, labels = load_data(data_dir, label_path)
except ValueError as e:
    print(e)
    exit()

label_map = {'特级': 3, '一级': 2, '二级': 1, '三级': 0}
labels = np.array([label_map[label] for label in labels])

X_train, X_val, y_train, y_val = train_test_split(images, labels, test_size=0.2, random_state=42)

def create_model(input_shape=(128, 128, 3)):
    model = Sequential([
        Conv2D(32, (3, 3), activation='relu', input_shape=input_shape),
        MaxPooling2D((2, 2)),
        Conv2D(64, (3, 3), activation='relu'),
        MaxPooling2D((2, 2)),
        Conv2D(128, (3, 3), activation='relu'),
        MaxPooling2D((2, 2)),
        Flatten(),
        Dense(128, activation='relu'),
        Dropout(0.5),
        Dense(4, activation='softmax')
    ])
    return model

model = create_model()
model.compile(optimizer=Adam(learning_rate=0.001), loss='sparse_categorical_crossentropy', metrics=['accuracy'])

datagen = ImageDataGenerator(
    rotation_range=20,
    width_shift_range=0.2,
    height_shift_range=0.2,
    horizontal_flip=True,
    vertical_flip=True
)

history = model.fit(datagen.flow(X_train, y_train, batch_size=32), epochs=1, validation_data=(X_val, y_val))

def evaluate_model(model, X, y):
    predictions = model.predict(X)
    predicted_labels = np.argmax(predictions, axis=1)
    accuracy = accuracy_score(y, predicted_labels)
    f1 = f1_score(y, predicted_labels, average='weighted')
    print(f'Accuracy: {accuracy:.4f}')
    print(f'F1 Score: {f1:.4f}')
    return accuracy, f1

evaluate_model(model, X_val, y_val)

def predict_and_save(test_data_dir, test_label_path, output_path):
    test_images = []
    test_file_names = []
    with open(test_label_path, 'r') as f:
        test_labels_list = json.load(f)
    test_labels = {item['文件名']: item['标签'] for item in test_labels_list if '文件名' in item and '标签' in item}
    for file_name in test_labels.keys():
        img_path = os.path.join(test_data_dir, file_name)
        if not os.path.exists(img_path):
            print(f"Warning: Test image file {img_path} does not exist.")
            continue
        img = Image.open(img_path).resize((128, 128))
        img_array = np.array(img) / 255.0
        test_images.append(img_array)
        test_file_names.append(file_name)
    test_images = np.array(test_images)
    predictions = model.predict(test_images)
    predicted_labels = np.argmax(predictions, axis=1)
    label_map_inv = {v: k for k, v in label_map.items()}
    predicted_labels = [label_map_inv[label] for label in predicted_labels]
    submission_df = pd.DataFrame({'file_name': test_file_names, 'label': predicted_labels})
    submission_df.to_csv(output_path, index=False)

test_data_dir = "C:\\Users\\24067\\Desktop\\peach_split\\val"
test_label_path = "C:\\Users\\24067\\Desktop\\val_label.json"
output_path = "./submission.csv"  # 修改输出路径

predict_and_save(test_data_dir, test_label_path, output_path)

希望这些步骤能帮助你解决权限问题。如果问题仍然存在，请提供更多详细信息以便进一步诊断。