用pyinstaller将python写的深度学习模型（基于tensorflow）转换为独立于python的可执行文件（exe）

最新推荐文章于 2024-04-23 22:44:28 发布
原创 最新推荐文章于 2024-04-23 22:44:28 发布 · 1k 阅读 · 11 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#tensorflow #机器学习 #神经网络 #深度学习 #算法

用pyinstaller将python写的深度学习模型（基于tensorflow）转换为独立于python的可执行文件（exe）

因为一些原因，我需要将训练好的深度学习预测模型迁移到其他电脑，为了解决迁移环境安装的问题，我开始搜寻python环境打包的，主要有两个方法，一个是docker，一个是exe可执行文件，这里介绍可执行文件方法

1、可用方法

下面是python自带的一些将代码转化为可执行文件的方法，根据我的环境，python3.6，windows，因此我选择了pyinstaller方法
在这里插入图片描述

2、pyinstaller安装

直接在对应环境下利用pip即可

pip install pyinstaller

建议利用国内源下载，我已经事先配置好豆瓣源
也可离线安装，与其他包安装无异

3、打包过程

文件介绍，主程序文件main.py,权重文件model.h5,依赖包y.py,
在cmd窗口操作
先转到对应的虚拟环境，建议对打包的文件创建一个新的虚拟环境，可以大大减小exe文件的大小

conda activate py36

转到文件所在目录

cd 目录

打包


                

                
                
        

    

    
  


        

            

                      
                        最低0.47元/天 解锁文章
                        

                          
200万优质内容无限畅学

                          
                        

                      
            

        


    



                



	

		

			

				
					
深度学习平台demo(一）- C#如何调用python文件

				
			

			

				

					jiugeshao的专栏
				

				

					11-29
					
					6448
					
				

			

		

		

			
				
了解完keras的知识点后，接下来演示用c#做界面，底层用python来做一个深度学习的平台。对于Demo程序依赖的python(Anaconda环境）、cuda、cudnn基础环境的配置，这里不再赘叙，可以借鉴我较早的，win10, win11下的环境配置可借鉴，不能照搬。本系列博客所用环境如下：cuda 10.1cudnn 7.6如上环境也是我写如下博客时所用环境，一些详情感兴趣的童鞋可以移步此篇博客看下。这篇博客先不戳核心，暂时先回顾下怎么用c#来调用python。

			
		

	



                

            
              



	

		

			

				
					
Keras深度学习实战——手写文字识别

				
			

			

				

					走向CTO的路上...
				

				

					05-26
					
					957
					
				

			

		

		

			
				
本教程将介绍如何使用 Keras 深度学习框架进行手写文字识别。手写文字识别是指将手写文字转换为相应的文本，该文本可以是机器可识别的。Keras深度学习框架提供了简单易用的工具来构建 CNN 模型进行手写文字识别，这使得该技术可以更加广泛地应用。

			
		

	



              


  
              

                


	

		

			

				
					
pyqt5+pyinstaller实现深度学习tensorflow.keras模型打包成exe应用程序，并且大幅度减小生成的exe程序大小

				
			

			

				

					qq_29463399的博客
				

				

					08-09
					
					6668
					
				

			

		

		

			
				
最近在试着使用pyqt5，将tensorflow.keras模型打包成EXE应用程序，这样就比较方便的以界面形式展示给他人。下面是我写的一个非常简陋的pyqt5界面。



功能：以按钮+对话框形式加载keras的h5模型和任意一张验证集图像，实现预测分类结果。

现在问题来了，虽然这是一个简单的界面，实现的功能也很简单。但是，这个界面通过pyinstaller打包之后，竟然足足有890MB！！...

			
		

	





	

		

			

				
					
pyinstaller打包tensorflow代码

				
			

			

				

					zhengxinjie2的博客
				

				

					05-06
					
					4212
					
				

			

		

		

			
				
打包过程中遇到的问题
1、pyinstaller打包python的程序，遇到的问题：pyinstaller3.5 打包 WARNING: Cannot read QLibraryInfo… json.decoder.JSONDecodeError。无奈，网上也没有解决方案，可能是我的环境配置出现问题，把整个tensorflow虚拟环境删除，重新安装。然后重新安装pyinstaller，然后打包成功...

			
		

	



		

			
		



	

		

			

				
					
ubuntu下利用pyinstaller将tensorflow进行打包

				
			

			

				

					Mr_health的博客
				

				

					04-29
					
					1808
					
				

			

		

		

			
				
项目中采用tensoflow进行目标检测，代码为https://github.com/yangxue0827/R-DFPN_FPN_Tensorflow

因为我的ubuntu16.04原本配置有detectron，采用cuda8.0和cudnn6.0，因此在配置tensorflow并没有用1.2.0（需要cudnn5.1），而使用的是1.4.0，可以利用现有的cudnn6.0

配置完毕后打包t...

			
		

	





	

		

			

				
					
pyinstaller打包tensorflow库 机器学习库

				
			

			

				

					会飞的鱼@的博客
				

				

					05-09
					
					1693
					
				

			

		

		

			
				
Python3使用pyinstaller打包tensorflow库



打包：pyinstaller -F DCNN.py
 Pyinstaller打包程序：

-F 生成一个exe程序包

-w 无命令行弹框

-I 图标

2、运行：运行exe找不到依赖





方法1：缺少补啥（通过包添加依赖）

缺点：怀疑人生

方法2：使用DCNN.spec文件打包（手动添加依赖）

优点：依赖我说了算

生成spec文件：使用打包命令pyinstaller -F .py脚本





3、修改和解...

			
		

	





	

		

			

				
					
win10 使用Pyinstaller 打包TensorFlow问题以及解决方案

				
			

			

				

					darkeyers的博客
				

				

					10-11
					
					3344
					
				

			

		

		

			
				
所有方法均经过实际测试，均解决问题。

对应的环境和版本如下：

OS环境：win10

python：3.5.4

tensorflow：1.8.0-gpu

cuda：9.0

建议在使用Pyinstaller 的时候使用 ：pyinstaller -Dmyfile.py

这样的好处就是在真的出错的时候还有挽回的空间，比如添加或者覆盖DLL等，如果单独一个EXE没法再处理。

1 “imp...

			
		

	





	

		

			

				
					
python实现手写算式的识别与快速计算APP的设计与开发

				
			

			

				

					03-20
				

			

		

		

			
				
8. 部署与发布：完成开发后，可以使用PyInstaller将Python代码打包成独立的可执行文件，或者利用Docker容器化技术部署到云服务器上。  总的来说，Python实现手写算式的识别与快速计算APP设计与开发是一个综合性的...

			
		

	





	

		

			

				
					
python 开发AI智能联系人管理的程序源码+可运行程序+详细使用说明

				
			

			

				

					02-02
				

			

		

		

			
				
5. 可执行程序：为了方便非开发人员使用，开发者会将源码打包成可执行程序，如在Windows上使用`pyinstaller`，在Linux或MacOS上使用`cx_Freeze`或`py2app`。  6. 测试与调试：`unittest`或`pytest`是Python中常用的...

			
		

	





	

		

			

				
					
深度学习数据处理（可执行代码）

				
			

			

				

					程序猿进化梯
				

				

					03-15
					
					732
					
				

			

		

		

			
				
常见方法
包含import，可直接运行（贴心不~）

遍历单个文件所含文件列表
注意：该方法对目标文件夹中所包含的文件夹不起作用，一般用来展示多个csv文件


import os
def files_path(rootpath):
    path_list = []
    if os.path.exists(rootpath):
        dirs = os.listdir(rootpath)#用于返回指定的文件夹包含的文件、即包含的文件夹的名字的列表
        dirs.sort()#作

			
		

	





	

		

			

				
					
OLamViewer1.2.2.0可执行文件(修)及说明书.zip

				
			

			

				

					10-09
				

			

		

		

			
				
支持对美国Velodyne，OLEI 的3D激光雷达的点云测量和点云图形显示。

			
		

	





	

		

			

				
					
将keras训练好的神经网络模型生成独立于python环境运行的.exe文件并在matlab中调用（下篇）

				
			

			

				

					graceful_snow的博客
				

				

					11-24
					
					2318
					
				

			

		

		

			
				
keras是深度学习简单易上手的python第三方库。在实际应用中，常常需要将keras训练好的深度学习模型生成独立于python环境的文件，供不会python的人或未安装python环境的设备调用。在windows环境下比较好的选择是生成.exe文件。本文进行了成功的探索。本文主要内容如下

利用keras构建一个简单的深度学习模型
利用PyInstaller将python文件编译成.exe文件...

			
		

	





	

		

			

				
					
pyinstaller打包使用了tensorflow的python程序

				
			

			

				

					IT-Why
				

				

					03-01
					
					789
					
				

			

		

		

			
				
#pyinstaller打包使用了tensorflow的python程序
打包完毕后，运行时如果提示
no module named ‘tensorflow’
可以尝试打包时添加以下参数–hidden-import tensorflow
pyinstaller -F .\PythonDemo.py --hidden-import tensorflow




			
		

	





	

		

			

				
					
Python 学习记录 使用pyinstaller 打包tensorflow 2.8.0 keras项目

				
			

			

				

					喵呜
				

				

					06-01
					
					1486
					
				

			

		

		

			
				
使用pyinstaller打包时候踩了一些坑，每次运行的时候一调用模型程序就崩了
这里记录一下解决过程

			
		

	





	

		

			

				
					
[python]使用pyinstaller打包基于tensorflow 2.0的程序

				
			

			

				

					kevinshift的博客
				

				

					03-15
					
					7573
					
				

			

		

		

			
				
打包过程中遇到了许多问题，本身tensorflow 2.0就挖了一个大坑，这里记录下遇到文件及解决方法，最后把用到的相关文件分享出来，供大家参考使用。
0 模块找不到的几种表现形式
一般是在运行打包的Exe时，会报错，通常缺少模块表现如下：
（1）ModuleNotFoundError: No module named ‘tensorflow.python.platform’
（2）ImportE...

			
		

	





	

		

			

				
					
pyqt5+torch+pyinstaller深度学习软件.exe打包

				
			

			

				

					weixin_43158867的博客
				

				

					07-19
					
					1178
					
				

			

		

		

			
				
pyqt5+torch 1.7.1+pyinstaller打包.exe文件

1：安装virtualenv

pip install virtualenv

2：创建虚拟环境

2.1 打开cmd



cd到你指定的虚拟环境目录





2.2创建虚拟环境

virtualenv envm

2.3 激活虚拟环境

cd到环境保存目录的Scripts下activate



2.4：pip安装项目所需的包，并将项目文件copy到环境目录下如下：env是我创建虚拟环境的位置



3：pipinstall

			
		

	





	

		

			

				
					
【Python】将Python代码写的tensorflow项目转换成exe可执行文件，并放到其他电脑上成功运行的踩坑记录

				
			

			

				

					weixin_38098596的博客
				

				

					05-09
					
					2619
					
				

			

		

		

			
				
一、写在前面
最近做了一个使用tensorflow的机器学习项目，需要将Python的代码经过编译形成一个exe文件，一方面方便用户使用，另一方面可以隐藏自己的源码，一定程度上减少代码泄露的风险。（注意：可以使用ctrl + F搜索你所遇到的错误）
环境：Windows 10 专业版，Python 3.6.6 64位
常见的将Python封装成exe文件的方法有：
1.1 使用pyinstaller进行封装
pyinstaller的封装方式较为简便，命令行中执行命令
pyinstaller -D xxx.p

			
		

	





	

		

			

				
					
第十二篇：模型部署的艺术：让深度学习模型跃入生产现实

				
			

			

				

					凡江林的博客
				

				

					04-23
					
					1307
					
				

			

		

		

			
				
将一个深度学习模型从实验室带到最终用户手中的过程，可以看作是一次长途旅行。旅途开始于模型的训练，这是为旅行准备必需的知识和能力。随后，模型需要经过多轮的打包与优化，就像打包行李一样，既不能带得太多以至于负担沉重，也不能遗漏关键物品。接着，选择合适的部署环境，就如同选择旅行的目的地，可能是云环境，也可能是边缘设备。在这个过程中，模型会经历各种测试和优化，以确保它能够高效运行，并能够适应环境的变化。

			
		

	





	

		

			

				
					
使用pyinstaller 发布py文件为exe。遇到的问题总结（tensorflow，gpu）

				
			

			

				

					dreamFlyWhere的专栏
				

				

					10-12
					
					5000
					
				

			

		

		

			
				
1，ModuleNotFoundError:No module named 'tensorflow.python._pywrap_tensorflow_internal.pyd'

参考：https://stackoverflow.com/questions/49620638/tensorflow-gpu-with-pyinstaller

修改dist下文件名：_pywrap_tensorflo...

			
		

	





	

		

			

				
					
模式识别python 图像目标识别需要有界面，显示结果和相对应的参数，可做成可执行文件

					
最新发布

				
			

			

				

					10-25
				

			

		

		

			
				
在Python中实现图像目标识别并带有用户界面，通常会使用深度学习库如TensorFlow、PyTorch或OpenCV等，结合一些图形用户界面库如Tkinter、wxPython或Qt。这里是一个简化的步骤：

1. **安装必要的库**：首先安装`opencv-python`, `matplotlib`用于显示图片和结果，`tkinter`或`pyqt5`作为GUI库。

```bash
pip install opencv-python matplotlib numpy tkinter # 或者 pyqt5
```

2. **数据预处理**：对图像进行加载、大小调整、归一化等操作，准备训练模型的数据集。

3. **模型选择与训练**：例如使用预先训练好的模型如YOLOv3或Faster R-CNN，或者自己训练一个，通过`tf.keras`或`torchvision`进行训练。

4. **编写主程序**：利用所选的GUI库创建窗口，设计用户界面。可以包括输入图片的按钮，结果显示区域，以及相应的参数设置部分。

5. **目标检测**：当用户选择图片或上传图片后，调用模型进行目标检测，并在UI上展示结果。

6. **保存成可执行文件**：如果要用`pyinstaller`或其他打包工具，将Python脚本转换成独立的可执行文件，以便于不依赖Python环境直接运行。

下面是一个简单的框架示例（使用tkinter）:

```python
import tkinter as tk
from PIL import ImageTk, Image
import cv2

def detect_image():
    img_path = file_path_entry.get()
    # 加载图像，进行目标检测
    result = model.detect(img_path)
    # 显示结果...
    
root = tk.Tk()
file_path_label = tk.Label(root, text="输入图片路径:")
file_path_entry = tk.Entry(root)
file_path_button = tk.Button(root, text="检测", command=detect_image)

# ...其他布局...

root.mainloop()
```


			
		

	



              




          




        



    





    



      

      

        
      

      





	

		评论	
	

  
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值