一、报错分析
从报错信息来看，在启动 uvicorn 服务并尝试导入相关模块的过程中出现了一系列问题，最终导致了 ImportError，关键错误信息为 "No module named 'numpy.core._multiarray_umath'"，这表明在导入 numpy 模块的过程中，无法找到 numpy.core._multiarray_umath 这个子模块，可能是由于以下几种原因：
- mkl-service 包未安装或相关初始化问题
一开始出现了关于 mkl-service 包的警告信息：
plaintext
F:\Anaconda3\envs\env36\lib\site-packages\numpy_init _.py:140: UserWarning: mkl-service package failed to import, therefore Intel® MKL initialization ensuring its correct out-of-the box operation under condition when Gnu OpenMP had already been loaded by Python process is not assured. Please install mkl-service package, see http://github.com/IntelPython/mkl-service
from. import _distributor_init
这表明 mkl-service 包未能成功导入，可能会影响到 numpy 以及后续依赖 numpy 的模块（如 tensorflow）的正常运行，因为 mkl-service 包在某些情况下与 numpy 的初始化及正确运行相关。 - numpy 模块本身的安装或配置问题
最终的 ImportError 显示无法导入 numpy.core._multiarray_umath，这可能是由于 numpy 本身安装不完整、版本不兼容或者与其他库（如 tensorflow）的依赖关系存在冲突等原因导致的。
二、解决办法
- 安装 mkl-service 包
按照警告信息的提示，首先尝试安装 mkl-service 包，在当前 env36 环境下的命令行中执行以下命令：
bash
运行
pip install mkl-service
或者如果是使用 conda 管理环境，可以执行：
bash
运行
conda install mkl-service
安装完成后，再次尝试启动 uvicorn 服务，看是否还会出现相关报错。 - 检查并修复 numpy 的安装
重新安装 numpy：
先卸载当前环境中的 numpy 包，可以通过以下命令（根据使用的包管理工具选择）：
如果是使用 pip：
bash
运行
pip uninstall numpy
如果是使用 conda：
bash
运行
conda uninstall numpy
然后重新安装 numpy，同样根据包管理工具选择合适的命令：
如果是使用 pip：
bash
运行
pip install numpy
如果是使用 conda：
bash
运行
conda install numpy
检查 numpy 版本兼容性：
当前环境中的 numpy 版本是 "1.18.5"，有些较新的库（如 tensorflow）可能对 numpy 的版本有一定要求。可以查看相关库（如 tensorflow）的官方文档，了解其推荐的 numpy 版本范围。
如果发现当前 numpy 版本不在推荐范围内，可以尝试升级或降级 numpy 的版本。例如，如果需要升级，可以通过以下命令（根据包管理工具选择）：
如果是使用 pip：
bash
运行
pip install --upgrade numpy
如果是使用 conda：
bash
运行
conda install --upgrade numpy
反之，如果需要降级，可以先查找合适的版本号（例如通过 pip search numpy 或 conda search numpy），然后再按照安装命令加上版本号进行安装。比如，要安装版本为 "1.19.5" 的 numpy（假设通过 pip 安装），可以执行：
bash
运行
pip install numpy==1.19.5 - 检查其他依赖库的兼容性
由于报错是在导入 tensorflow 等一系列模块的过程中出现的，所以还需要检查 tensorflow 与 numpy、mkl-service 等其他相关库的兼容性。
查看 tensorflow 官方文档：了解 tensorflow 对 numpy、mkl-service 等库的版本要求以及可能存在的已知兼容性问题。
更新或调整相关库版本：根据官方文档的提示，如果发现存在不兼容的情况，可以通过上述的包管理工具（ pip 或 conda）来更新或调整相关库的版本，使其达到兼容状态。
通过以上步骤的排查和处理，应该可以解决目前遇到的模块导入报错问题，从而成功启动 uvicorn 服务。