python运行results = pool.map(face_recognize, numbers)报错_pickle.PicklingError: Can't pickle <function face_recognize at 0x7f8f0ca950>: attribute lookup face_recognize on __main__ failed

这个错误通常是由于Python的多进程模块（如multiprocessing）无法序列化函数导致的。解决方法是将该函数定义在可导入的模块中，而不是在主程序中。您可以将`face_recognize`函数定义在一个单独的.py文件中，并使用`import`语句将其导入到主程序中。这样就可以避免`Can't pickle`错误了。

相关问题

运行results = pool.map(face_recognize, numbers)报错AttributeError: Can't pickle local object 'RockxFaceRecognition.run.<locals>.face_recognize'

这个错误通常是由于 multiprocessing 库无法序列化某些对象引起的。在您的情况下，似乎是由于 `face_recognize` 函数中的某些本地对象无法序列化。

为了解决这个问题，您可以尝试将 `face_recognize` 函数定义为一个独立的函数，而不是在 `run` 方法内部定义的本地函数。或者，您可以使用 `dill` 库对 `face_recognize` 函数进行序列化和反序列化，以便 multiprocessing 库可以正确地处理它。

具体来说，您可以尝试使用以下代码：

import dill

def run(self):
    # ...
    with multiprocessing.Pool(processes=4) as pool:
        results = pool.map(dill.loads(dill.dumps(face_recognize)), numbers)
    # ...

使用 `dill.loads(dill.dumps(face_recognize))` 将 `face_recognize` 函数序列化并反序列化，从而允许 multiprocessing 库正确地处理它。

改进这段代码def face_recognize(i): # converted_results = [] # for result in results: # face align result = results[i] t0 = time.time() ret, align_img = face_landmark5_handle.rockx_face_align(frame, in_img_w, in_img_h, 使得运行with Pool(processes=4) as pool: results = pool.map(face_recognize, numbers)时不报错_pickle.PicklingError: Can't pickle <function face_recognize at 0x7f8f0ca950>: attribute lookup face_recognize on __main__ failed

这个错误是由于使用 multiprocessing.Pool 时，函数 face_recognize 无法被 pickle 序列化导致的。解决方法有两个：

1. 把 face_recognize 函数定义在 main 函数内部，而不是全局作用域内。

2. 使用 multiprocessing.Pool.imap 或 multiprocessing.Pool.imap_unordered 代替 multiprocessing.Pool.map，因为这两个函数不需要对函数进行序列化。例如：

with Pool(processes=4) as pool:
    results = pool.imap_unordered(face_recognize, numbers)