【PyQt5】遇到QThread:Destroyed while thread is still running 解决方法

2023-10-30 10:12

本文主要是介绍【PyQt5】遇到QThread:Destroyed while thread is still running 解决方法,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

PyQt5在执行多线程的时候遇到:QThread:Destroyed while thread is still running

错误分析:

QThread的子线程还在运行但是线程就被销毁了,导致程序闪崩,该错误是笔者用终端执行py文件时提示的。

解决方法:

  1. 方法一:
  • 子线程是在后台不断的检测PC连接的设备,当检测到合适的设备连接成功后,主线程进行逻辑处理,此时子线程函数内部会直接return,等到主线程处理完连接设备的数据后,会再次新起一个子线程。(这里是因为主线程处理一次数据时间比较长,子线程没必要一直运行。)

注: 此处之所以不用互斥量来加锁,直接让子线程阻塞是因为担心死锁,而且本身程序比较小,耗用内存和CPU什么的都非常小,重启一个子线程也不会有影响。

  • 问题:
    但是子线程函数内部会直接return并不代表线程结束(归根结底还是自己不了解如何调用),所以直接再次调用self.thread_detec_l()会报错
    QThread: Destroyed while thread is still running。 解决方法:

再次调用self.thread_detec_l()之前添加两行:

self.thread_detec_l = ObjectDetection()
self.thread_detec_l.quit()
self.thread_detec_l.wait()
self.thread_detec_l.start()
  1. 方法二:
    将调用线程的局部变量转换为整个主线程的实例变量
def ObjectDetection_tf2(self)self.thread_detec_l = ObjectDetection()self.thread_detec_l.finished.connect(self.thread_detec_l.deleteLater)self.thread_detec_l.start()
  1. 方法三:
  • 虽然通过让线程中的局部变量转化为整个主线程的实例变量,从而避免了子线程在运行中就被销毁的问题,但是这种方式又会引起新问题而且比较隐蔽。当运行函数,子程序结束后,再次运行函数没有问题。但是当函数运行后子线程还在进行中,若此时再次运行就会重新初始化实例变量,导致之前运行的子线程又被中途销毁的问题出现,程序闪崩。

因此,好的解决方式是直接初始化一个实例列表变量self.task_list,每次初始化子线程后将临时变量加入到实例变量中这样也能实现变量随着程序长时间存在。

  • 在子线程结束后,发送一个完成的信号,获取信号发送对象sender,然后判断对象是否在self.task_list中,如果在的话就移除对象从而达到子线程完成后主动销毁线程解除内存占用。
def ObjectDetection_tf2(self)thread_detec_l = ObjectDetection()self.task_list.append(thread_detec_l)thread_detec_l.finished.connect(self.remove_thread)thread_detec_l.start()
def remove_thread(self):sender = self.sender()if sender in self.task_list:try:self.task_list.remove(sender)except Exception as e:print(e)

笔者的具体情况:在主线程同时调用三个子线程进行后台的运算,在程序运行短暂时间就出现了如上错误。笔者的解决方法如下:

def ObjectDetection_tf2(self):  # 开始处理if self.dir_path=='':  # 为左图所在的路径self.StateInfo.setText('请选择要进行检测的图像路径!')returnif self.T==0:self.StateInfo.setText('请设置阈值!')returnself.thread_detec_l = ObjectDetection(0,self.T,self.dir_path,self.tf2result_path)  # 子线程一self.task_list.append(self.thread_detec_l)self.thread_detec_l.finished.connect(self.remove_thread)self.thread_detec_l.results_img.connect(self.Hub_ResultsDisplay)self.thread_detec_l.report_info.connect(self.Hub_Reportinfo)self.thread_detec_l.process.connect(self.StateInfo.setText)  # 显示识别进度self.thread_detec_l.quit()self.thread_detec_l.wait()self.thread_detec_l.start()self.thread_detec_r = ObjectDetection(1,self.T,self.dir_path.replace('_L','_R'),self.tf2result_path)  # 子线程二self.task_list.append(self.thread_detec_r)self.thread_detec_r.finished.connect(self.remove_thread)self.thread_detec_r.results_img.connect(self.Hub_ResultsDisplay)self.thread_detec_r.report_info.connect(self.Hub_Reportinfo)self.thread_detec_r.quit()self.thread_detec_r.wait()self.thread_detec_r.start()
def Reportinfo(self,Hub_reportinfo_l,Hub_reportinfo_r):  # 中转站识别报告信息左右合并self.dict_l = Hub_reportinfo_l[self.index_reportinfo]self.dict_r = Hub_reportinfo_r[self.index_reportinfo]for img_name,report_dict in self.dict_l.items():  # 字典只有一组元素也得用for来分离键和值print(img_name,report_dict)if img_name in self.dict_r:self.dict_l[img_name].update(self.dict_r[img_name])   # 以{'K239+001-00000001':{(y1,x1,y2,x2):'Hengfeng',.....}}self.thread_perimg_count = Perimg_Count(self.dict_l)  # 子线程三self.task_list.append(self.thread_perimg_count)self.thread_perimg_count.finished.connect(self.remove_thread)self.thread_perimg_count.excel_info.connect(self.InfoExcel)  # 写入明细栏self.thread_perimg_count.quit()self.thread_perimg_count.wait()self.thread_perimg_count.start()self.index_reportinfo += 1# self.thread_perimg_count.exec()def remove_thread(self):sender = self.sender()if sender in self.task_list:try:self.task_list.remove(sender)except Exception as e:print(e)

笔者结合三种方法,成功实现了三个子线程同时运行,而不出现某个子线程中途被销毁的情况。

这篇关于【PyQt5】遇到QThread:Destroyed while thread is still running 解决方法的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/307209

相关文章

【C++】_list常用方法解析及模拟实现

相信自己的力量,只要对自己始终保持信心,尽自己最大努力去完成任何事,就算事情最终结果是失败了,努力了也不留遗憾。💓💓💓 目录   ✨说在前面 🍋知识点一:什么是list? •🌰1.list的定义 •🌰2.list的基本特性 •🌰3.常用接口介绍 🍋知识点二:list常用接口 •🌰1.默认成员函数 🔥构造函数(⭐) 🔥析构函数 •🌰2.list对象

如何解决线上平台抽佣高 线下门店客流少的痛点!

目前,许多传统零售店铺正遭遇客源下降的难题。尽管广告推广能带来一定的客流,但其费用昂贵。鉴于此,众多零售商纷纷选择加入像美团、饿了么和抖音这样的大型在线平台,但这些平台的高佣金率导致了利润的大幅缩水。在这样的市场环境下,商家之间的合作网络逐渐成为一种有效的解决方案,通过资源和客户基础的共享,实现共同的利益增长。 以最近在上海兴起的一个跨行业合作平台为例,该平台融合了环保消费积分系统,在短

浅谈主机加固,六种有效的主机加固方法

在数字化时代,数据的价值不言而喻,但随之而来的安全威胁也日益严峻。从勒索病毒到内部泄露,企业的数据安全面临着前所未有的挑战。为了应对这些挑战,一种全新的主机加固解决方案应运而生。 MCK主机加固解决方案,采用先进的安全容器中间件技术,构建起一套内核级的纵深立体防护体系。这一体系突破了传统安全防护的局限,即使在管理员权限被恶意利用的情况下,也能确保服务器的安全稳定运行。 普适主机加固措施:

webm怎么转换成mp4?这几种方法超多人在用!

webm怎么转换成mp4?WebM作为一种新兴的视频编码格式,近年来逐渐进入大众视野,其背后承载着诸多优势,但同时也伴随着不容忽视的局限性,首要挑战在于其兼容性边界,尽管WebM已广泛适应于众多网站与软件平台,但在特定应用环境或老旧设备上,其兼容难题依旧凸显,为用户体验带来不便,再者,WebM格式的非普适性也体现在编辑流程上,由于它并非行业内的通用标准,编辑过程中可能会遭遇格式不兼容的障碍,导致操

透彻!驯服大型语言模型(LLMs)的五种方法,及具体方法选择思路

引言 随着时间的发展,大型语言模型不再停留在演示阶段而是逐步面向生产系统的应用,随着人们期望的不断增加,目标也发生了巨大的变化。在短短的几个月的时间里,人们对大模型的认识已经从对其zero-shot能力感到惊讶,转变为考虑改进模型质量、提高模型可用性。 「大语言模型(LLMs)其实就是利用高容量的模型架构(例如Transformer)对海量的、多种多样的数据分布进行建模得到,它包含了大量的先验

【北交大信息所AI-Max2】使用方法

BJTU信息所集群AI_MAX2使用方法 使用的前提是预约到相应的算力卡,拥有登录权限的账号密码,一般为导师组共用一个。 有浏览器、ssh工具就可以。 1.新建集群Terminal 浏览器登陆10.126.62.75 (如果是1集群把75改成66) 交互式开发 执行器选Terminal 密码随便设一个(需记住) 工作空间:私有数据、全部文件 加速器选GeForce_RTX_2080_Ti

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

【VUE】跨域问题的概念,以及解决方法。

目录 1.跨域概念 2.解决方法 2.1 配置网络请求代理 2.2 使用@CrossOrigin 注解 2.3 通过配置文件实现跨域 2.4 添加 CorsWebFilter 来解决跨域问题 1.跨域概念 跨域问题是由于浏览器实施了同源策略,该策略要求请求的域名、协议和端口必须与提供资源的服务相同。如果不相同,则需要服务器显式地允许这种跨域请求。一般在springbo

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出

AI(文生语音)-TTS 技术线路探索学习:从拼接式参数化方法到Tacotron端到端输出 在数字化时代,文本到语音(Text-to-Speech, TTS)技术已成为人机交互的关键桥梁,无论是为视障人士提供辅助阅读,还是为智能助手注入声音的灵魂,TTS 技术都扮演着至关重要的角色。从最初的拼接式方法到参数化技术,再到现今的深度学习解决方案,TTS 技术经历了一段长足的进步。这篇文章将带您穿越时

Thread如何划分为Warp?

1 .Thread如何划分为Warp? https://jielahou.com/code/cuda/thread-to-warp.html  Thread Index和Thread ID之间有什么关系呢?(线程架构参考这里:CUDA C++ Programming Guide (nvidia.com)open in new window) 1维的Thread Index,其Thread