kaggle小白必看：小白常见的2个错误解决方案
本文分享下kaggle小白可能经常遇到的两个错误的解决方案。
1.提交失败
第一次使用的可能在测试notebook的时候没报错，但是在提交结果的时候报错了，可能为如下：
解决方法
这是因为save version的时候notebook是在有网环境下的，而一般的比赛在推理的时候是断网的，所以需要在保存notebook的时候把网络关掉，如下图所示:
image
2.找不到segmentation_models_pytorch模块等问题
因为代码中用到了segmentation_models_pytorch，而这个包在kaggle的推理环境中是没有的，所以在保存的时候就报错了：
解决方法
解决方法就是在提交的时候离线安装.whl文件，可以有如下3种方式：
1. 自己下载好.whl文件，然后上传到Datasets，然后添加到Input文件夹下，比如：
上面的文件夹下就是放的我上传的.whl文件。然后在notebook的第一行用如下代码安装：
!pip install -q ../input/smp-env/segmentation_models_pytorch-0.2.1-py3-none-any.whl
如果不知道路径在哪里的新手，直接点击文件后面的copy file path就可以了：
复制文件的路径
从上面也可以看出，kaggle上notebook的工作路径是与input平级的文件夹（在working下）：
工作路径 
查看当前路径
- 上面的安装命令中-q代表的是静默安装，可以不加。
- 这种方法可能会出现依赖问题；
2. 在kaggle中的notebook在线安装，然后一顿操作再安装，具体的过程可以看参考链接【1】
主要过程如下：
2.1 先给notebook联网，然后用pip安装，记录下安装文件的缓存路径，把缓存copy到working文件夹下：
!pip install segmentation_models_pytorch
查看缓存路径：
缓存路径
2.2 把缓存的文件copy到自己的working文件夹下：
!cp /root/.cache/pip/wheels/ed/27/e8/9543d42de2740d3544db96aefef63bda3f2c1761b3334f4873/* /kaggle/working/wheels
!cp /root/.cache/pip/wheels/0e/cc/b2/49e74588263573ff778da58cc99b9c6349b496636a7e165be6/* /kaggle/working/wheels
- **注意要把pretrainedmodels和efficientnet-pytorch需要的whl文件都copy一下； **
2.3 然后用pip下载segmentation_models_pytorch需要的文件以及依赖：
!pip download segmentation_models_pytorch
这些会默认下载到当前路径：
image
2.4 把上面的所有.whl文件下载下来，然后上传到kaggle中自己的Datasets中； 2.5 在notebook环境添加自己上传的whl文件； 2.6 在notebook中用pip安装whl文件（放在notebook第一个cell）
!pip install -q ../input/wheels/wheels/timm-0.4.12-py3-none-any.whl
!pip install -q ../input/wheels/wheels/efficientnet_pytorch-0.7.1-py3-none-any.whl
!pip install -q ../input/wheels/wheels/pretrainedmodels-0.7.4-py3-none-any.whl
!pip install -q ../input/wheels/wheels/segmentation_models_pytorch-0.3.0-py3-none-any.whl
这次提交就不会报错了。
补充
上面用!pip download segmentation_models_pytorch命令会把所有的依赖都下载下来，但是很多都是在infer环境中本来就有的，实际上segmentation_models_pytorch只需要安装如下四个whl 文件就可以：
- timm
- efficientnet_pytorch
- pretrainedmodels
- segmentation_models_pytorch
所以可以用下面的命令下载我们需要的就行：
!pip download segmentation_models_pytorch efficientnet-pytorch timm pretrainedmodels --no-deps
下载好后其余的操作跟上面一致；
总结
- kaggle上提交的时候记得要在 断网环境下提交；
- 如果在infer的时候提示缺少某个包，那么就只能采用离线安装的形式，上面给出了两种解决方案，推荐使用第二种，一般不会出现依赖问题，因为还是用的kaggle自己的环境。
比赛是学习非常有效的一种方式，冲！
如果觉得有用，点个关注和赞吧！
公众号：GIS与Climate，分享关于Python、GIS和Climate相关的技术与教程。
参考
【1】kaggle上离线安装：segmentation_models_pytorchhttps://www.kaggle.com/c/hubmap-kidney-segmentation/discussion/206088
【2】https://cloud.tencent.com/developer/ask/sof/527701
本文由 mdnice 多平台发布