conda环境下module ‘charset_normalizer‘ has no attribute ‘md__mypyc‘解决方法

1 问题描述

在运行wav2lip训练时，出现如下错误：

D:\.conda\wav2lip\python.exe D:/ml/wav2lip384/parallel_syncnet_tanh.py --data_root D:/ml/Wav2Lip/data/25fps_out/ --checkpoint_dir syncnet_checkpoints/ --checkpoint_path
Traceback (most recent call last):
  File "D:\.conda\wav2lip\lib\site-packages\requests\compat.py", line 11, in 
    import chardet
ModuleNotFoundError: No module named 'chardet'

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "D:\ml\wav2lip384\parallel_syncnet_tanh.py", line 26, in 
    from pytorch_lightning.loggers import CSVLogger
  File "D:\.conda\wav2lip\lib\site-packages\pytorch_lightning\__init__.py", line 27, in 
    from pytorch_lightning.callbacks import Callback  # noqa: E402
  File "D:\.conda\wav2lip\lib\site-packages\pytorch_lightning\callbacks\__init__.py", line 14, in 
    from pytorch_lightning.callbacks.batch_size_finder import BatchSizeFinder
  File "D:\.conda\wav2lip\lib\site-packages\pytorch_lightning\callbacks\batch_size_finder.py", line 24, in 
    from pytorch_lightning.callbacks.callback import Callback
  File "D:\.conda\wav2lip\lib\site-packages\pytorch_lightning\callbacks\callback.py", line 22, in 
    from pytorch_lightning.utilities.types import STEP_OUTPUT
  File "D:\.conda\wav2lip\lib\site-packages\pytorch_lightning\utilities\types.py", line 40, in 
    from torchmetrics import Metric
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\__init__.py", line 22, in 
    from torchmetrics import functional  # noqa: E402
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\functional\__init__.py", line 14, in 
    from torchmetrics.functional.audio._deprecated import _permutation_invariant_training as permutation_invariant_training
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\functional\audio\__init__.py", line 14, in 
    from torchmetrics.functional.audio.pit import permutation_invariant_training, pit_permutate
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\functional\audio\pit.py", line 22, in 
    from torchmetrics.utilities import rank_zero_warn
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\utilities\__init__.py", line 14, in 
    from torchmetrics.utilities.checks import check_forward_full_state_property
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\utilities\checks.py", line 25, in 
    from torchmetrics.metric import Metric
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\metric.py", line 30, in 
    from torchmetrics.utilities.data import (
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\utilities\data.py", line 22, in 
    from torchmetrics.utilities.imports import _TORCH_GREATER_EQUAL_1_12, _TORCH_GREATER_EQUAL_1_13, _XLA_AVAILABLE
  File "D:\.conda\wav2lip\lib\site-packages\torchmetrics\utilities\imports.py", line 43, in 
    _TORCHVISION_GREATER_EQUAL_0_13: Optional[bool] = compare_version("torchvision", operator.ge, "0.13.0")
  File "D:\.conda\wav2lip\lib\site-packages\lightning_utilities\core\imports.py", line 77, in compare_version
    pkg = importlib.import_module(package)
  File "D:\.conda\wav2lip\lib\importlib\__init__.py", line 127, in import_module
    return _bootstrap._gcd_import(name[level:], package, level)
  File "D:\.conda\wav2lip\lib\site-packages\torchvision\__init__.py", line 5, in 
    from torchvision import datasets, io, models, ops, transforms, utils
  File "D:\.conda\wav2lip\lib\site-packages\torchvision\datasets\__init__.py", line 1, in 
    from ._optical_flow import FlyingChairs, FlyingThings3D, HD1K, KittiFlow, Sintel
  File "D:\.conda\wav2lip\lib\site-packages\torchvision\datasets\_optical_flow.py", line 12, in 
    from .utils import _read_pfm, verify_str_arg
  File "D:\.conda\wav2lip\lib\site-packages\torchvision\datasets\utils.py", line 22, in 
    import requests
  File "D:\.conda\wav2lip\lib\site-packages\requests\__init__.py", line 45, in 
    from .exceptions import RequestsDependencyWarning
  File "D:\.conda\wav2lip\lib\site-packages\requests\exceptions.py", line 9, in 
    from .compat import JSONDecodeError as CompatJSONDecodeError
  File "D:\.conda\wav2lip\lib\site-packages\requests\compat.py", line 13, in 
    import charset_normalizer as chardet
  File "D:\.conda\wav2lip\lib\site-packages\charset_normalizer\__init__.py", line 23, in 
    from charset_normalizer.api import from_fp, from_path, from_bytes, normalize
  File "D:\.conda\wav2lip\lib\site-packages\charset_normalizer\api.py", line 10, in 
    from charset_normalizer.md import mess_ratio
AttributeError: partially initialized module 'charset_normalizer' has no attribute 'md__mypyc' (most likely due to a circular import)

Process finished with exit code 1

2 问题分析

从错误信息中分析，应该是charset-normalizer版本不对，导致md__mypyc属性无法找到，从而报错。

AttributeError: partially initialized module 'charset_normalizer' has no attribute 'md__mypyc' (most likely due to a circular import)

charset-normalizer 是一个Python库，旨在帮助解决文本字符集编码的问题。它提供了对不同字符集编码的检测和规范化功能，使得在处理来自未知字符集编码的文本时更加方便。

主要特点和应用场景包括：

• 字符集检测：charset-normalizer 可以检测文本所使用的字符集编码。这对于处理不同来源的文本数据，特别是在互联网上收集的数据时很有用，因为数据的字符集可能是未知的。

• 字符集规范化：该库可以规范化文本的字符集编码，将其转换为统一的格式。这有助于确保文本在不同系统和应用程序中的一致性，避免因字符集差异导致的问题。

• 支持多种字符集：charset-normalizer 支持所有Python核心库提供编解码器的IANA字符集名称。这意味着它能够处理多种常见的字符集，确保广泛的兼容性。

• 适用于语言处理：由于文本数据可能来自不同语言和地区，字符集编码的一致性对于语言处理任务非常重要。charset-normalizer 提供了解决这一问题的工具。

3 问题解决

pip install charset-normalizer==3.1.0

再次运行程序，不再报错，问题解决。

  4 conda环境介绍

Conda是一个开源的包管理器和环境管理系统，用于安装、运行和更新包和其依赖项。它是由Anaconda, Inc.（以前称为Continuum Analytics）创建，用于支持Python程序开发，但它也可以用来管理来自其他语言的包。Conda使得包管理和环境隔离变得简单，对于处理多个项目中的依赖关系和版本控制尤其有用。

Conda是一个强大的工具，对于管理复杂的Python项目和环境至关重要。它简化了包管理和环境设置，使得Python开发更加容易和高效。通过使用Conda，开发者可以确保他们的项目在不同机器和操作系统上都能以相同的方式运行，大大提高了项目的可移植性和可复现性。

4.1 Conda的核心概念

• 包管理：Conda作为包管理器，能够安装、更新和卸载软件包。这些包可能包含Python或其他编程语言的库和应用程序。Conda通过包含所有依赖性的方式来解决包之间的依赖关系问题。

• 环境管理：Conda允许用户创建隔离的环境，以便在不同的项目之间切换，而不会导致依赖项或版本的冲突。每个环境都有自己的一套独立的安装的软件包。

• 跨平台：Conda是跨平台的，可以在Windows、macOS和Linux操作系统上运行。这使得在不同操作系统上保持一致的开发和部署环境成为可能。

• 语言无关性：虽然Conda最初是为Python生态系统设计的，但它实际上是语言无关的，可以管理多种编程语言的软件包。

• 通道（Channels）：Conda软件包可以从所谓的“通道”中获得。这些通道是包存储库，可以是公共的或私有的。Anaconda Cloud提供了许多预建的包，而用户也可以创建自己的通道来托管和分享包。

• 依赖和兼容性管理：Conda在安装软件包时会自动处理依赖关系和版本控制，确保所有依赖项都兼容，并且不会发生冲突。

4.2 使用Conda的优势

• 解决依赖性问题：Conda可以自动解决包之间的依赖关系，简化了安装过程。

• 环境隔离：创建独立的环境可以避免包之间的版本冲突，使得项目更稳定。

• 易于使用：Conda的命令行界面简单直观，易于学习和使用。

• 广泛的包支持：Conda支持Python的许多流行库和应用程序。

• 社区支持：作为一个流行的工具，Conda拥有一个活跃的社区，用户可以从中找到支持和资源。

4.3 Conda环境的创建和管理

• 创建新环境：使用conda create命令创建一个新环境，可以指定Python版本和所需的包。

• 激活环境：使用conda activate命令来激活环境。

• 安装包：在激活的环境中使用conda install命令来安装新的包。

• 环境列表：使用conda env list来查看所有可用的Conda环境。

• 移除环境：使用conda env remove命令来移除不再需要的环境。

4.4 应用场景

Conda作为一个强大的包和环境管理工具，广泛应用于需要精确控制依赖和环境的各种软件开发和科学计算领域，主要包括：

• 数据科学和机器学习项目：由于Conda可以轻松安装和管理各种数据科学和机器学习的库（如NumPy, Pandas, Scikit-learn, TensorFlow, PyTorch等），它成为了这些领域专家的首选工具。

• 多语言项目：对于涉及Python、R、Ruby、Lua、Scala等多种编程语言的项目，Conda能够有效管理不同语言的依赖和环境，使项目维护变得更加简单。

• 环境隔离：在需要为不同项目创建隔离的运行环境时，Conda可以创建独立的环境，每个环境具有不同的库和版本，这有助于防止依赖冲突。

• 跨平台开发：由于Conda支持Windows、macOS和Linux，它允许开发者在不同的操作系统上以一致的方式设置和维护他们的开发环境。

• 科学研究：在科学研究中，需要使用特定版本的软件和库来重现实验结果。Conda可以确保这些环境的一致性和可复制性。

• 软件开发：对于需要确保应用程序在特定版本的库上正常运行的开发场景，Conda可以帮助管理和锁定这些依赖。

• 教育和培训：在教育场景中，Conda可以帮助创建统一的学习环境，确保所有学生都在相同的软件设置下学习。

• 持续集成/持续部署（CI/CD）：在自动化构建和部署流程中，Conda可以用于创建和管理构建环境，确保软件在不同环境中的一致性和可靠性。

4.5 常用命令

Conda 是一个开源的包管理器和环境管理器，广泛用于管理Python环境和包。以下是一些常用的 Conda 命令：

• 安装 Conda 包:

  • conda install [package-name]: 安装指定的包。

• 创建和管理环境:

  • conda create --name [env-name]: 创建一个新的环境。
  • conda activate [env-name]: 激活指定环境。
  • conda deactivate: 退出当前环境。
  • conda env list: 列出所有可用的环境。

• 管理包:

  • conda list: 在当前环境中列出所有已安装的包。
  • conda update [package-name]: 更新指定的包。
  • conda remove [package-name]: 移除指定的包。

• 搜索包:

  • conda search [package-name]: 搜索可用的包版本。

• 环境导出和导入:

  • conda env export > environment.yml: 导出当前环境的配置到一个YAML文件。
  • conda env create -f environment.yml: 使用YAML文件创建一个新环境。

• 更新 Conda:

  • conda update conda: 更新 Conda 到最新版本。

• 查看 Conda 信息:

  • conda info: 显示关于 Conda 的信息。