看起来你遇到的是Kaggle Kernel环境下预训练模型下载的DNS解析/网络连接问题——明明和其他用户代码一致，却出现[Errno -2] Name or service not known的URL错误，这大概率是环境配置或临时网络波动导致的，给你几个可行的解决思路：

1. 确认Kaggle Kernel的互联网访问权限 #

Kaggle Kernel默认可能关闭了互联网访问，这会直接导致无法下载预训练权重。你可以：

• 点击Kernel右上角的「Settings」按钮
• 在「Internet」选项里勾选「Enable internet」
• 重启Kernel后重新运行代码

2. 手动加载预训练权重（绕过自动下载） #

如果自动下载的网络链路有问题，你可以手动上传权重文件到Kaggle数据集，然后本地加载：

• 先在本地下载对应权重文件：ResNet50的resnet50_weights_tf_dim_ordering_tf_kernels.h5、ResNet34的resnet34-333f7ec4.pth
• 把这些文件上传到你的Kaggle数据集（或者新建一个数据集专门存权重）
• 修改代码指定本地路径加载：

  # ResNet50加载示例
  from keras.applications.resnet50 import ResNet50
  resnet = ResNet50(weights='../input/your-dataset-name/resnet50_weights_tf_dim_ordering_tf_kernels.h5')
  learn = ConvLearner.pretrained(resnet, data, precompute=True)
  

  # ResNet34加载示例（fastai）
  arch = resnet34
  learn = ConvLearner.pretrained(arch, data, precompute=True, weights_path='../input/your-dataset-name/resnet34-333f7ec4.pth')
  

3. 调整环境变量，修复DNS解析问题 #

错误里的Name or service not known是DNS解析失败，你可以尝试清空代理环境变量，让Kernel使用默认网络配置：

import os
os.environ['HTTP_PROXY'] = ''
os.environ['HTTPS_PROXY'] = ''
os.environ['TORCH_HOME'] = '/tmp/.torch' # 确保PyTorch权重下载路径正确

运行这段代码后，再重新执行模型导入的代码。

4. 切换Kaggle运行环境试试 #

有时候不同的运行环境（比如Python版本、GPU/TPU实例）的网络配置不同：

• 点击Kernel顶部的「Runtime」→「Change runtime type」
• 尝试切换Python版本（比如从3.7换到3.8），或者切换硬件加速器（GPU/TPU）
• 重启后重新运行代码

5. 等待一段时间再尝试 #

Kaggle的网络偶尔会出现临时波动，其他用户成功可能是他们运行时网络状态正常，你可以过10-20分钟后重新运行代码，说不定就能正常下载了。

内容的提问来源于stack exchange，提问作者Rahul Deora