Nano Hash - криптовалюты, майнинг, программирование

Flask не может прочитать мою переменную среды

Я хочу автоматически импортировать мою переменную среды FLASK_APP при запуске Windows cmd.

Я установил python-dotenv, а затем создал файл .env по основному пути моего проекта. Однако я продолжал получать сообщения об ошибках: «Не удалось найти приложение Flask. Вы не предоставили переменную среды FLASK_APP».

Ниже приведен путь к моему проекту Путь к проекту

И мой .env сохраняется по тому же пути "Flask Virtue Environment \ env \ Voting Platform \ Voting_Platform".

мой файл .env имеет следующий код FLASK_APP = runserver.py

Также я выполнил следующую команду, чтобы проверить, может ли dotenv найти мой файл среды. Думаю, он нашел файл. (см. ниже) dotenv test

Я не понимаю, почему колба не может прочитать мой файл .env

flask web-applications dotenv
27.09.2019

Ответы:


1

Я никогда не разрабатываю фляги в Windows, но вы можете прочитать этот документ, чтобы получить подсказку. проблема.

Удачного кодирования.

27.12.2019
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..