问题排查

缺少 Python 二进制文件路径

错误消息：

ERROR: An error occurred during the fetch of repository 'local_execution_config_python':
  Traceback (most recent call last):
       File "/sandbox_path/external/org_tensorflow/third_party/py/python_configure.bzl", line 208
               get_python_bin(repository_ctx)
    ...
Repository command failed

通常表示 Bazel 无法找到本地 Python 二进制文件。要解决 请先找到 python 二进制文件所在的位置，然后将 向 Bazel 命令授予 --action_env PYTHON_BIN_PATH=<path to python binary> 权限。对于 例如，您可以通过 以下命令：

bazel build -c opt \
  --define MEDIAPIPE_DISABLE_GPU=1 \
  --action_env PYTHON_BIN_PATH=$(which python3) \
  mediapipe/examples/desktop/hello_world

缺少必要的 Python 软件包

错误消息：

ImportError: No module named numpy
Is numpy installed?

通常表示未安装某些 Python 软件包。请运行 pip install 或 pip3 install，具体取决于您的 Python 二进制版本 安装这些软件包

未能提取远程依赖项代码库

错误消息：

ERROR: An error occurred during the fetch of repository 'org_tensorflow':
   java.io.IOException: Error downloading [https://mirror.bazel.build/github.com/tensorflow/tensorflow/archive/77e9ffb9b2bfb1a4f7056e62d84039626923e328.tar.gz, https://github.com/tensorflow/tensorflow/archive/77e9ffb9b2bfb1a4f7056e62d84039626923e328.tar.gz] to /sandbox_path/external/org_tensorflow/77e9ffb9b2bfb1a4f7056e62d84039626923e328.tar.gz: Tried to reconnect at offset 9,944,151 but server didn't support it

or

WARNING: Download from https://storage.googleapis.com/mirror.tensorflow.org/github.com/bazelbuild/rules_swift/releases/download/0.12.1/rules_swift.0.12.1.tar.gz failed: class java.net.ConnectException Connection timed out (Connection timed out)

通常表示 Bazel 未能下载必要的依赖项代码库 MediaPipe 所需的资源。MedaiPipe 有多个依赖项代码库， 由 Google 网站托管的资源。在某些区域，您可能需要设置网络代理 或使用 VPN 访问这些资源。您可能还需要将 --host_jvm_args "-DsocksProxyHost=<ip address> -DsocksProxyPort=<port number>" 添加到 Bazel 命令请参阅 此 GitHub 问题 了解详情。

如果您认为这不是网络问题，则还有一种可能， 资源可能暂时不可用，请运行 bazel clean --expunge 稍后再试。如果仍然无法解决问题，请通过以下网址提交 GitHub 问题： 查看详细的错误消息

MediaPipe OpenCV 配置不正确

错误消息：

error: undefined reference to 'cv::String::deallocate()'
error: undefined reference to 'cv::String::allocate(unsigned long)'
error: undefined reference to 'cv::VideoCapture::VideoCapture(cv::String const&)'
...
error: undefined reference to 'cv::putText(cv::InputOutputArray const&, cv::String const&, cv::Point, int, double, cv::Scalar, int, int, bool)'

通常表示 OpenCV 没有针对 MediaPipe 正确配置。请 请查看个版块中的 安装，了解如何修改 MediaPipe 的工作区和 本地 opencv 的 linux_opencv/macos_opencv/windows_opencv.BUILD 文件 库。此 GitHub 问题 可能也会有所帮助。

Python pip 安装失败

错误消息：

ERROR: Could not find a version that satisfies the requirement mediapipe
ERROR: No matching distribution found for mediapipe

运行 pip install mediapipe 之后，通常表示您的系统没有符合条件的 MediaPipe Python。 请注意，MediaPipe Python PyPI 正式支持 64 位 以下操作系统上的 Python 3.7 至 3.10 版：

  • x86_64 Linux
  • x86_64 macOS 10.15 及更高版本
  • amd64 Windows

如果操作系统目前受支持，但您仍然看到此错误，请确保 Python 和 pip 二进制文件都适用于 Python 3.7 至 3.10。否则 请考虑在本地构建 MediaPipe Python 软件包，具体方法是 此处的说明。

Windows 上的 Python DLL 加载失败

错误消息：

ImportError: DLL load failed: The specified module could not be found

通常表示本地 Windows 系统缺少 Visual C++ 可再分发软件包和/或 Visual C++ 运行时 DLL。要解决这一问题， 安装官方版或 vc_redist.x64.exe 或安装“msvc-runtime”运行 Python 软件包

$ python -m pip install msvc-runtime

请注意，“msvc-runtime”Python 软件包未发布或维护 由 Microsoft 提供。

找不到原生方法

错误消息：

java.lang.UnsatisfiedLinkError: No implementation found for void com.google.wick.Wick.nativeWick

通常表示所需的原生库（如 /libwickjni.so）尚未 已加载、尚未包含在应用的依赖项中或无法 因为某种原因被找到了。请注意，Java 要求每个原生库都 使用函数 System.loadLibrary 显式加载。

找不到已注册的计算器

错误消息：

No registered object with name: OurNewCalculator; Unable to find Calculator "OurNewCalculator"

通常表示 OurNewCalculator 是在 CalculatorGraphConfig，但 OurNewCalculator 的库目标包含 尚未链接到应用二进制文件。将新计算器添加到 计算器图表，还必须将计算器添加为 计算使用计算器图表的应用。

此错误是在运行时捕获的，因为计算器图表会引用 通过 CalculatorGraphConfig::Node:calculator 字段命名计算器。 当计算器库链接到应用程序二进制文件时， 计算器按名称自动注册 使用 registration.h 库的 REGISTER_CALCULATOR 宏。请注意， REGISTER_CALCULATOR 可以注册包含命名空间前缀的计算器， 与其 C++ 命名空间相同。在这种情况下，计算器图也必须使用 相同的命名空间前缀。

内存不足错误

内存耗尽可能是服务器中累积了过多数据包的症状 运行 MediaPipe 图。造成这种情况的原因有很多，例如：

  1. 图表中的一些计算器跟不上 来自实时输入流（例如摄像机）的数据包。
  2. 有些计算器正在等待数据包永远无法到达。

对于问题 (1)，可能需要丢弃旧数据包 处理较新的数据包如需了解一些提示，请参阅： How to process realtime input streams。

对于问题 (2)，可能有一个输入流缺少某些 原因。设备或计算器可能配置有误或可能会产生数据包 只是偶尔完成这可能会导致下游计算器等待 某些数据包永远不会到达，这反过来会导致数据包在 一些输入流。MediaPipe 使用 “timestamp bounds”。如需了解一些提示，请参阅： How to process realtime input streams。

MediaPipe 设置 CalculatorGraphConfig::max_queue_size 会限制 通过限制流向 图表。对于实时输入流，在某个输入流排队的数据包数量 视频流几乎始终应为 0 或 1。如果不属于这种情况，您可能会看到 以下警告消息：

Resolved a deadlock by increasing max_queue_size of input stream

此外，设置 CalculatorGraphConfig::report_deadlock 可导致 图运行失败，并将死锁显示为错误，使 max_queue_size 充当内存用量限额

图表挂起

许多应用会调用 CalculatorGraph::CloseAllPacketSources，并且 CalculatorGraph::WaitUntilDone，用于完成或暂停 MediaPipe 的执行 图表。这样做的目的是，允许任何待处理的计算器或数据包 然后关闭图。如果一切进展顺利 图表中的数据流将会达到Timestamp::Done，每个计算器都会 覆盖 CalculatorBase::Close，后续订阅价格为 CalculatorGraph::WaitUntilDone 将成功完成。

如果某些计算器或数据流无法达到 Timestamp::Done 状态，或者 CalculatorBase::Close，则 CalculatorGraph::Cancel 方法可以是 调用以终止图表运行，而不等待所有待处理的计算器 和数据包的处理流程

输出时间不均匀

一些实时 MediaPipe 图表会生成一系列视频帧， 或用作视频诊断信息。有时，MediaPipe 图会生成 这些帧会划分为多个集群 根据同一群输入帧推断出的预测值。如果呈现输出 某些输出帧在生成时会立即被 帧呈现在同一集群中，这使得很难查看和评估结果 。在这种情况下，输出可视化可通过 以平均间隔实时呈现帧。

MediaPipe 将时间戳实时映射到点，从而解决了这种用例。 每个时间戳表示一个以微秒为单位的时间，并且计算器为 LiveClockSyncCalculator 可以延迟数据包输出，使其与 时间戳。这种计算器会调整输出时间，以便：

  1. 输出之间的时间对应于时间戳之间的时间，如下所示： 尽可能贴近这些对象
  2. 以尽可能最短的延迟时间生成输出。

CalculatorGraph 滞后于输入

对于许多实时 MediaPipe 图表来说，低延迟是一个目标。MediaPipe 支持“流水线”样式并行处理，以开始处理 每个数据包的运行时间上限。通常，最短的延迟时间是 每个计算器沿“关键路径”所需的总时间相继的 计算。MediaPipe 图的延迟时间可能比理想情况更差 会造成以均匀间隔显示帧的延迟，如 输出时间不均匀。

如果图表中的某些计算器跟不上实时输入的速度 那么延迟时间将继续增加， 并丢弃一些输入数据包推荐的技术是使用 MediaPipe 专门用于此目的的计算器，如 FlowLimiterCalculator（如 How to process realtime input streams。