PyInstaller多文件打包：YOLO模型+GUI界面全流程操作详解

碳基边缘码农ZY

已于 2025-04-15 18:16:31 修改

阅读量1.8k

点赞数 27

CC 4.0 BY-SA版权

分类专栏： YOLO模型专栏文章标签： YOLO python pycharm

于 2025-01-06 16:38:23 首次发布

本文链接：https://blog.youkuaiyun.com/ChinaboyZY/article/details/144966627

YOLO模型专栏专栏收录该内容

1 篇文章

订阅专栏

文章内容大纲

1. 前言

作为一名拥有多年编程经验的码农，我一直专注于技术的实现与应用。然而，写作对于我来说还是一个新的挑战。为了不断提升自己，我为 2025 年立下了一个目标：每月原创一篇博文，与更多的技术爱好者分享我的经验与思考。本文便是这一旅程的起点。

在 Python 开发中，掌握如何将 Python 应用打包成一个可执行文件是非常重要的一步，特别是在需要将深度学习模型和用户界面（GUI）结合的场景中。通过打包，我们不仅可以将 Python 应用部署到没有 Python 环境的机器上，还能极大地提升用户体验，使得复杂的代码对最终用户而言更为直观、易用。

PyInstaller 是一个功能强大的工具，它可以帮助我们将 Python 脚本连同其所有依赖打包成独立的可执行文件（如 .exe）。尤其是在包含 YOLO 模型的深度学习项目中，将模型推理逻辑与图形化界面相结合，再通过 PyInstaller 打包成独立应用，能够显著提高项目的交付效率和实用性。

本文以 YOLOv8 模型和 PySide6 图形界面为例，详细讲解如何通过 PyInstaller 打包多个文件的 Python 应用，逐步实现从代码开发到独立执行文件生成的全流程操作。无论你是初次接触 PyInstaller 的新手，还是需要解决打包中常见问题的开发者，相信本文都能为你提供实用的帮助和指导。

2. 环境准备

项目所需的环境和工具，包括：

操作系统：Windows 10/11
编程语言：Python 3.10
工具库：PyCharm、PyInstaller、PySide6、Ultralytics YOLO
硬件支持：NVIDIA GPU + CUDA（可选）

1. 安装 Python 3.10，并配置虚拟环境。
2. 安装项目依赖库：
   pip install -r requirements.txt
   依赖库包括：PyInstaller、Ultralytics YOLO（支持 v8）、PySide6、Numpy、OpenCV 等。
3. 配置 GPU 环境（可选）：安装 CUDA Toolkit 和 cuDNN，确保 YOLO 能利用 GPU 加速推理。

3. 项目结构

以下是我的项目的目录结构及各文件/文件夹的作用说明，便于各位理解和组织代码文件：

项目目录结构：
Project/                      # 项目根目录
├── build/                    # PyInstaller 的中间构建文件夹（自动生成，可忽略）
├── datasets/                 # 数据集文件夹，存放训练、验证和测试样本
│   ├── roof/                 # 特定任务（如屋顶检测）的数据集
│   │   ├── test/             # 测试样本文件夹
│   │   ├── train/            # 训练样本文件夹
│   │   ├── valid/            # 验证样本文件夹
│   │   ├── __init__.py       # 初始化文件（标识为模块）
│   │   ├── RoofAI.yaml       # 标签配置文件，用于定义数据集的类别信息
│   │   └── label_name.py     # 数据标签文件
├── icons/                    # 静态图片文件夹，用于存放项目所需的图标
├── result/                   # 预测结果保存目录
├── runs/                     # 模型训练后的输出目录，包括日志和权重文件
├── themes/                   # 界面主题配置文件
├── ultralytics/              # YOLO 模型加载与推理逻辑代码
├── UtilTools/                # 自定义的工具模块
├── weights/                  # 训练后保存的 YOLO 模型权重文件
├── LoginForm.py              # GUI 登录界面的代码
├── LoginForm.ui              # 登录界面设计文件，包含图标和样式定义
├── LoginWindow.py            # 登录逻辑代码，实现登录相关功能
├── Recognition_UI.py         # GUI 主界面代码，提供主要的用户操作界面
├── Recognition_UI.ui         # 主界面设计文件，包含图标和样式定义
├── RoofAI.spec               # PyInstaller 的打包配置文件
├── run_main.py               # 程序主入口文件
├── System_Login.py           # 程序主体逻辑代码，处理用户和模型的交互
├── UserDatabase.db           # 登录账号数据库文件
├── YOLOv8v5Model.py          # YOLOv8 和 YOLOv5 模型加载逻辑代码
└── requirements.txt          # Python 项目依赖库清单

4. 程序代码说明

原项目代码涉密，此内容为了演示，做了简化，但主体逻辑是一样的。简要介绍 main.py、GUI 部分代码和 YOLO 模型部分代码的功能。

主程序入口：run_main.py

import sys
from PySide6.QtWidgets import QApplication
from GUI.gui_main import MainWindow
from YOLO.YOLOv8Model import YOLOModel

if __name__ == "__main__":
    app = QApplication(sys.argv)
    window = MainWindow()  # 加载 GUI
    model = YOLOModel(weights_path="YOLO/weights/yolov8n.pt")  # 加载 YOLO 模型
    window.set_model(model)  # 传递模型到界面逻辑
    window.show()
    sys.exit(app.exec())

GUI 示例代码：gui_main.py

from PySide6.QtWidgets import QMainWindow, QPushButton, QLabel
class MainWindow(QMainWindow):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("YOLO + GUI 示例")
        self.label = QLabel("请加载图片进行检测", self)
        self.label.setGeometry(50, 50, 300, 30)
        self.button = QPushButton("检测", self)
        self.button.setGeometry(50, 100, 100, 30)
        self.button.clicked.connect(self.run_detection)

    def set_model(self, model):
        self.model = model  # 设置 YOLO 模型

    def run_detection(self):
        # 调用 YOLO 模型进行推理
        result = self.model.predict("test_image.jpg")
        self.label.setText(f"检测结果：{result}")

YOLO 模型部分代码：YOLOv8Model.py

from ultralytics import YOLO
class YOLOModel:
    def __init__(self, weights_path):
        self.model = YOLO(weights_path)  # 加载模型

    def predict(self, image_path):
        results = self.model(image_path)  # 运行推理
        return results.pandas().xyxy[0]  # 返回检测结果

5. PyInstaller 打包流程

分步骤介绍如何使用 PyInstaller 将上述项目打包成可执行文件。

首先说明，我使用的是PyCharm的命令行进行打包！！！

步骤1：切换到程序解释器
命令：

conda activate env_rec

执行上述命令后，可以看到自己的依赖库已切换。

(env_rec) PS D:\Project\AI\RoofShapeCrack_train>

步骤2：生成 .spec 文件
命令：

pyinstaller --onefile --icon=icons/app_icon.ico run_main.py

生成的 .spec 文件在 Project.spec，我们可以修改它以支持更多的文件和资源。
注意，我这里“icons/app_icon.ico”是我的图标文件夹路径及图片名称，“main.py” 这个是程序的主入口文件

步骤3：修改.spec文件

# -*- mode: python ; coding: utf-8 -*-
block_cipher = None

a = Analysis(
    ['run_main_login.py'],
    pathex=[r'.'],
    binaries=[],
    datas=[
        ('datasets', '.\\datasets'),
        ('icons', '.\\icons'),
        ('result', '.\\result'),
        ('themes', '.\\themes'),
        ('ultralytics', '.\\ultralytics'),
        ('weights\\best_flat_zs_1226.pt', '.\\weights'),
        ('weights\\best_triangle_zs_1226.pt', '.\\weights'),
        ('weights\\best_roofbuilding_zs_1226.pt', '.\\weights'),
        ('weights\\best_fourslope_zs_1226.pt', '.\\weights'),
        ('weights\\best_flat_qx_1220.pt', '.\\weights'),
        ('D:\\Project\\AI\\RoofShapeCrack_train\\ultralytics\\assets\\utils\\py310\\windows_x86_64\\pyarmor_runtime.pyd', 'IMcore/IMlibs/py310/windows_x86_64/'),
        ('c:\\users\\dell\\.conda\\envs\\env_rec\\lib\\site-packages\\captcha', 'captcha/'),
        ('C:\\Users\\DELL\\.conda\\envs\\env_rec\\Lib\\site-packages\\captcha\\data\\beep.wav', 'captcha/'),
        ('C:\\Users\\DELL\\.conda\\envs\\env_rec\\Lib\\site-packages\\captcha\\data\\DroidSansMono.ttf', 'captcha/'),
        ('C:\\Users\\DELL\\.conda\\envs\\env_rec\\Lib\\site-packages\\IMcore', 'IMcore/'),
        ('C:\\Users\\DELL\\.conda\\envs\\env_rec\\Lib\\site-packages\\rasterio', 'rasterio/')
    ],
    hiddenimports=[
        'PySide6',
        'numpy',
        'opencv-python',
        'Pillow',
        'PyYAML',
        'IMcore',
        'IMcore.IMlibs',
        'IMcore.IMlibs.py310',
        'IMcore.IMlibs.py310.windows_x86_64',
        'IMcore.IMencode',
        'IMcore.IMsets',
        'IMcore.IMutils',
        'captcha',
        'captcha.image',
        'rasterio.sample',
        'rasterio',
        'rasterio.vrt'
        'rasterio._io'
    ],
    hookspath=[],
    hooksconfig={},
    runtime_hooks=[],
    excludes=[],
    noarchive=False,
    optimize=0,
    win_no_prefer_redirects=False,
    win_private_assemblies=False,
    cipher=block_cipher
)
pyz = PYZ(a.pure, a.zipped_data, cipher=block_cipher)

exe = EXE(
    pyz,
    a.scripts,
    [],
    exclude_binaries=True,
    name='RoofAI',
    debug=False,
    bootloader_ignore_signals=False,
    strip=False,
    upx=True,
    console=False, # 设置为 False，关闭控制台窗口
    icon='icons/RoofAI.ico'
)
coll = COLLECT(
    exe,
    a.binaries,
    a.zipfiles,
    a.datas,
    strip=False,
    upx=True,
    name='RoofAI'
)

说明：datas部分为项目中引用的一些资源文件，必须要在此处添加，否则打包后，会提示缺少文件。hiddenimports中为项目用到的一些主要隐藏依赖包，针对YOLO模型，正常引用以上几个包即可。

步骤3：执行打包命令。

命令：

pyinstaller run_main.spec

注意：我这里为了调试，打的包是带dos命令窗口的，如果不需要，可以在.spec中修改

console=False, # 设置为 False，关闭控制台窗口这个命令。
同时，注意，在main.py中要把异常日志进行重定向。

# -*- coding: utf-8 -*-
import os  # 操作系统相关功能
import sys  # 标准输入输出和系统功能
import warnings  # 警告控制

from PySide6.QtWidgets import QApplication  # Qt 应用程序类
from QtFusion.config import QF_Config  # 项目中的配置模块

# 重定向 stdout 和 stderr
if sys.stdout is None:
    sys.stdout = open(os.devnull, 'w')  # 将标准输出定向到无效路径
if sys.stderr is None:
    sys.stderr = open(os.devnull, 'w')  # 将标准错误输出定向到无效路径

这里的重点是，导入import sys；然后写重定向的代码。

支持完成yolo模型的，且带gui界面的多文件程序打包。

6. 常见问题及解决方案

列出一些常见问题及其解决办法：

文件找不到错误
确保 .spec 文件中正确添加了模型文件和资源路径。
控制台窗口不关闭
在打包时使用 --windowed 或修改 .spec 文件中的 console=False。

文件体积过大
使用 UPX 压缩：

pip install upx
pyinstaller --onefile --upx-dir=<path_to_upx> Project.spec

YOLO 模型运行错误
检查 torch 和 CUDA 环境是否正确配置。